为无为，事无事，味无味。

Redis的位图（Bitmap）是一种非常有用的数据结构，特别适用于需要处理大量布尔值或二值状态数据的场景。‌‌：‌‌：位图由一系列二进制位组成，每位只能表示0或1，因此非常适合存储布尔类型的数据。例如，记录用户的在线状态（在线为1，离线为0）或某事件的发生状态（发生为1，未发生为0）‌。‌‌：位图可以用于统计特定条件下的数据数量。例如，统计用户的登录天数、某段时间内的活跃用户数，或者统计某事件在特定时间段内发生的次数。通过BITCOUNT命令，可以快速计算出位图中被设置为1的位的数量‌。‌。

关于redis使用的一些坑进行了经验总结，希望能给大家带来一些帮助适用场景：并发量大、访问量大的业务规范：介绍军规内容解读：讲解军规设置原因，解读比军规内容更重要写在前面的话：总是在灾难发生后，才想起容灾的重要性；总是在吃过亏后，才记得曾经有人提醒过。

好了，总结一下，这篇文章我们主要讲了 Redis 在「命令使用」、「数据持久化」、「主从同步」3 个方面可能存在的「坑」。准备好了思维导图，方便你更好地理解和记忆。希望你在使用 Redis 时，可以提前规避这些坑，让 Redis 更好地提供服务。最后，我想和你聊一聊在开发过程中，关于踩坑的经验和心得。其实，接触任何一个新领域，都会经历陌生、熟悉、踩坑、吸收经验、游刃有余这几个阶段。那在踩坑这个阶段，如何少踩坑？或者踩坑后如何高效率地排查问题呢？1) 多看官方文档 + 配置文件的注释。

本文将给大家分析阐述，Redis分布式锁的12个坑，建议直接用redisson实现的分布式锁，可以避免踩坑,需要的朋友可以参考下。其实，在我们绝大多数分布式业务场景中，使用redis分布式锁就够了，真的别太较真。因为数据不一致问题，可以通过最终一致性方案解决。但如果系统不可用了，对用户来说是暴击一万点伤害。可以参考前面三篇文章，有条件的尽量选择Etcd实现的分布式锁，其次是ZK；一般Redisson的分布式锁能够满足我们大多数业务场景。具体抉择仅供参考，一切从实际触发。

在做需求的过程中，发现了很多东西不能拍脑袋决定，而是前期做技术方案的时候，想清楚，调研好，用数据和逻辑去说服自己。

redis-cli 使用: 使用 redis-cli 可以方便地进行数据的操作、缓存命中率的监控，以及模拟测试数据等。slow log 命令使用: 慢查询日志可以输出所有时长大约指定毫秒的 Redis 命令，方便进行性能问题的定位。redis-benchmark 命令使用:该命令用于进行性能和压力测试，一般常用于 Cluster 测试。需要重点指出的是，关于 Redis 的性能优化，其核心在于采取灵活的策略和一系列方案的组合应用。

redis作为一款优化到极致的中间件，不会单纯使用一种数据类型去实现一个功能，而会根据当前的情况选择最合适的数据结构，比如zset就是dict + skiplist，甚至当元素较少的时候zsetAdd方法会优先选择ziplist而不直接使用skiplist，以到达节约内存的效果（当小key泛滥的时候很有效果），当一种数据结构存在不足的情况下，可以通过和其它数据结构搭配来弥补自身的不足。决定了一个跳表的内存占用和查询复杂度：概率设置越低，层数越少，元素指针越少，内存占用也就越少，但查询复杂会变高，反之亦然。

关注功能是社交网络中的核心功能，用户可以关注其他用户以获取其动态。Redis的集合（Set）数据结构也适合实现关注功能，分别用两个集合存储每个用户的关注列表和粉丝列表。：使用有序集合（Sorted Set），其中成员是用户ID或项目ID，分数是对应的积分或权重。：使用集合（Set），一个集合存储关注列表，一个集合存储粉丝列表。

RediSearch是一个Redis模块，为Redis提供查询、二次索引和全文搜索。要使用RediSearch，首先要在Redis数据上声明索引。然后可以使用重新搜索查询语言来查询该数据。RedSearch使用压缩的反向索引进行快速索引，占用内存少。RedSearch索引通过提供精确的短语匹配、模糊搜索和数字过滤等功能增强了。

在公司项目中，redis属于高频使用，在使用中，我们遇到了各种各样的redis问题，于是针对自身情况梳理了一个redis使用规范。

Redission是一个基于Redis实现的Java分布式对象存储和缓存框架。它提供了丰富的分布式数据结构和服务。例如：分布式锁、分布式队列、分布式Rate Limiter等。Redisson顾名思义，Redis的儿子，Redisson是一个在Redis的基础上实现的Java驻内存数据网格（In-Memory Data Grid）。它不仅提供了一系列的分布式的Java常用对象，还提供了许多分布式服务。

memcached是LiveJournal旗下的Danga Interactive公司的Brad Fitzpatric为首开发的一款软件。现在已经成为mixi、hatena、Facebook、Vox、LiveJournal等众多服务中提高Web应用扩展性的重要因素。传统的Web应用都将数据保存到RDBMS中，应用服务器从RDBMS中读取数据、处理数据并在浏览器中显示。但是随着数据量增大、访问的集中、就会出现RDBMS的负担加重、数据库响应变慢、导致整个系统响应延迟增加。

如果你的业务对数据的实时性要求较高，或者不能容忍数据的丢失，可以选择AOF持久化，或者同时开启RDB和AOF持久化，让AOF优先于RDB恢复数据。如果你的业务对数据的实时性要求不高，或者可以容忍一定的数据丢失，你可以选择RDB持久化，或者关闭持久化，只依赖主从复制来保证数据的可用性。比如，假设我们的服务器内存为16GB，为了保证Redis的正常运行，我们应当将Redis实例的最大内存限制设置在12GB以下，以防止内存溢出。因此，在保存数据时，应该设置一个合理的过期时间，以自动清理不再需要的数据。

​详细解读redis配置文件Units配置数据单位换算关系配置大小单位：当需要内存大小时，可以指定。开头定义了一些基本的度量单位，只支持bytes，不支持bit，大小写不敏感，因此 1GB 1Gb 1gB 都是一样的：​

话说有一名意大利程序员，在 2004 年到 2006 年间主要做嵌入式工作，之后接触了 Web，2007 年和朋友共同创建了一个网站，并为了解决这个网站的负载问题（为了避免 MySQL 的低性能），于是亲自定做一个数据库，并于 2009 年开发完成，这个就是 Redis。这个意大利程序员就是 Salvatore Sanfilippo 江湖人称 Redis 之父，大家更习惯称呼他 Antirez。

特点：对于某个bit 设置0或1，对于大量的值需要存储，非常节省空间，查询速度极快，但是不能查询整个key所有的bit，在一次请求有大量的值需要过滤的场景会出现多次请求getbit，性能会急剧下降，需要把多个gitbit合并成批次，使用lua脚本或者pipeline执行提高效率。特点：redis 4.0 以上官方提供的一个插件，原生Bloom过滤器，参数包括 布隆过滤器的大小，误差率等，支持批量写入和批量查询，性能更优，针对一次大量请求，批量查询接口性能更快。

缓存穿透是指在缓存系统中，频繁查询一个不存在于缓存中的数据，从而导致每次查询都必须请求数据库，造成数据库负担过重。这种情况通常发生在恶意攻击、大量无效请求或数据更新不及时的情况下。缓存穿透会导致以下问题：数据库压力增大： 由于每次查询都需要访问数据库，会导致数据库的负载大幅增加，可能引发性能问题。响应时间延长： 由于缓存未命中，每次查询都要请求数据库，导致响应时间延长，影响用户体验。

Redis自身出道就是优秀，基于内存操作、数据结构简单、多路复用和非阻塞 I/O、避免了不必要的线程上下文切换等特性，在单线程的环境下依然很快;但对于大数据的 key 删除还是卡顿厉害，因此在 Redis 4.0 引入了多线程unlink key/flushall async 等命令，主要用于 Redis 数据的异步删除;而在 Redis6/7中引入了 I/O 多线程的读写，这样就可以更加高效的处理更多的任务了，Redis 只是将 I/O 读写变成了多线程。

限流顾名思义，就是对请求或并发数进行限制；通过对一个时间窗口内的请求量进行限制来保障系统的正常运行。如果我们的服务资源有限、处理能力有限，就需要对调用我们服务的上游请求进行限制，以防止自身服务由于资源耗尽而停止服务。在限流中有两个概念需要了解。阈值：在一个单位时间内允许的请求量。如 QPS 限制为10，说明 1 秒内最多接受 10 次请求。拒绝策略：超过阈值的请求的拒绝策略，常见的拒绝策略有直接拒绝、排队等待等。

缓存是一种临时存储数据的技术，意味着在数据被使用之前将其复制到一个更快的存储介质中。在计算机领域，缓存一般用于提高系统的响应速度和性能。缓存是一种提高系统性能的技术，但需要适时清理以避免问题。删除缓存可以释放存储空间并保持系统的稳定性，但也可能带来一些不便。因此，在删除缓存之前，我们需要慎重考虑，并了解系统的特殊需求。1.磁盘缓存：存储在硬盘等永久性存储介质上，用于加速数据的读取和访问。2.CPU缓存：位于处理器内部的高速存储器，用于暂时存储频繁访问的数据或指令，提高计算机的性能。