# Redis 技术栈
- Author: [HuiFer](https://github.com/huifer)
- Description: 该文章介绍redis相关技术栈，统筹规划学习路径

## 安装
### yum & apt
- `apt-get install Redis-server`
- `yum install Redis`

### 编译
1. 下载
- `wget http://download.Redis.io/releases/Redis-5.0.5.tar.gz`
2. 编译
```
  tar -zxvf Redis-5.0.5.tar.gz
  cd Redis-5.0.5
  make && make install
```
3. 配置
- `vim Redis.conf`
4. 启动
- Redis-server
5. 关闭
- Redis-cli shutdown

## key 命令
### keys
- 搜索key根据匹配模式,例如: keys *
### exists
- 判断key是否存在,存在返回1,不存在返回0
### del
- 删除key
### type
- 获取key类型
### randomkey
- 随机返回key
### expire
- 设置key过期时间
### sortzh
- 字符串排序
- 数字排序

## 服务端命令
### flushall
- 强制清空所有key(目标对象所有数据库)
### flushdb
- 清空当前数据库
### client list
- 连接信息列表
### client kill
- 关闭ip:port客户端
### ping
- 判断是否正常运行,正常运行返回pong


## 数据类型(操作命令非完整)
### string
- 一个key最大存储512M的数据
#### 操作方法
- get /set(单key操作)
- mget / mset(多key操作)
- getrange 获取指定下标范围内的字符串
- setrange 设置指定下标范围内的字符串
- setex => set expire 组合
- incr 自增1
- incrby 自增指定数字
- decr 自减1
- decrby 自减指定数字
- append 追加字符串
- strlen 返回字符串长度

### list
- blpop key 删除并获取第一个元素
- brpop key 删除并获取最后一个元素
- brpoplpush source destination 复制列表从source -> destination
- lindex key index 根据key 和index 获取value
- llen key 获取key的列表长度
- lpop key 从左侧出列
- lpush key value 从左侧入列
- lrange key start stop 根据start,stop获取key一定范围内的列表
- lset key index value 根据key + index 设置value
- lrem key count value 删除列表元素
- rpush等不做赘述

### set
- sadd key value 向key插入值
- scard key 获取集合成员数量
- sdiff key1 key2 返回集合差集
- sinter key1 key2 返回集合交集
- sunion key1 key2 返回集合并集
- sismember key value 判断集合中是否包含value
- smembers key 返回集合
- srem key value 删除集合中的一个value


### hash
- hget key filed 获取hash中指定key->filed的值
- hgetall key 获取hash中指定key的所有制
- hexists key filed 查看是否存在filed
- hdel key filed 删除指定key下的filed
- hkeys key 获取所有filed
- hset key filed value 设置key->filed->value

### sortedSet
- zadd key source member 向key追加source,member
- zcard key 获取成员数量



## 数据存储(持久化)
### RDB
> 将某个时间点的所有数据都以二进制形式存放到硬盘上
  - 可以将快照复制到其它服务器从而创建具有相同数据的服务器副本.
  - 如果系统发生故障,将会丢失最后一次创建快照之后的数据.
  - 如果数据量很大,保存快照的时间会很长,建议异步写入.
  - 存在的问题:时间、性能开销大,不可控且容易丢失数据.
- 同步机制
    - save 命令,阻塞其他命令,直到save命令结束
    - bgsave 命令,异步化,创建子线程进行持久化,不会阻塞其他命令
- 自动化触发
    - 根据修改数量、时间进行命令执行
    - save 900 1 # 900秒之内,对数据库进行了一次修改就执行 bgsave 命令
    - save 300 10 # 300秒之内,对数据库进行了十次修改就执行 bgsave 命令
    - save 60 10000 # 60秒之内,对数据库进行了一万次修改就执行 bgsav e命令

### AOF
>将写命令添加到 AOF 文件(Append Only File)的末尾(MySQL Binlog、HBase HLog).

- 随着服务器写请求的增多,AOF 文件会越来越大.Redis 提供了一种将 AOF 重写的特性,能够去除 AOF 文件中的冗余写命令
- 使用 AOF 持久化需要设置同步选项,从而确保写命令什么时候会同步到磁盘文件上.这是因为对文件进行写入并不会马上将内容同步到磁盘上,而是先存储到缓冲区,然后由操作系统决定什么时候同步到磁盘.
#### 同步机制
- always 每个命令都同步
- eversec 每秒同步
- no 操作系统决定同步时间
#### AOF重写
- 对多条原生命令进行优化,重写成简化的命令以减少磁盘占用量、提高故障恢复效率.
- 当 AOF 文件过大或增长速度过快时自动触发
- 配置
    - auto-aof-rewrite-min-size:AOF 文件重写需要的大小
    - auto-aof-rewrite-percentage:AOF 文件增长率

    - aofcurrentsize:AOF 当前大小
    - aof-base-size:AOF 上次启动和重写的大小
- 触发条件
    - aof_current_size > auto-aof-rewrite-min-size
    - aof_current_size - aof_base_size/aof_base_size > auto-aof-rewrite-percentage

## 集群
### 主从复制
#### 主从链(拓扑结构)
![主从](https://user-images.githubusercontent.com/26766909/67539461-d1a26c00-f714-11e9-81ae-61fa89faf156.png)

![主从](https://user-images.githubusercontent.com/26766909/67539485-e0891e80-f714-11e9-8980-d253239fcd8b.png)

#### 复制模式
- 全量复制:master 全部同步到 slave
- 部分复制:slave 数据丢失进行备份

#### 问题点
- 同步故障
    - 复制数据延迟(不一致)
    - 读取过期数据(Slave 不能删除数据)
    - 从节点故障
    - 主节点故障
- 配置不一致
    - maxmemory 不一致:丢失数据
    - 优化参数不一致:内存不一致.
- 避免全量复制
    - 选择小主节点(分片)、低峰期间操作.
    - 如果节点运行 id 不匹配(如主节点重启、运行 id 发送变化),此时要执行全量复制,应该配合哨兵和集群解决.
    - 主从复制挤压缓冲区不足产生的问题(网络中断,部分复制无法满足),可增大复制缓冲区( rel_backlog_size 参数).
- 复制风暴

### 哨兵机制
#### 拓扑图
![image](https://user-images.githubusercontent.com/26766909/67539495-f0086780-f714-11e9-9eab-c11a163ac6c0.png)

#### 节点下线
- 客观下线
    - 所有 Sentinel 节点对 Redis 节点失败要达成共识,即超过 quorum 个统一.
- 主管下线
    - 即 Sentinel 节点对 Redis 节点失败的偏见,超出超时时间认为 Master 已经宕机.
#### leader选举
- 选举出一个 Sentinel 作为 Leader:集群中至少有三个 Sentinel 节点,但只有其中一个节点可完成故障转移.通过以下命令可以进行失败判定或领导者选举.
- 选举流程
    1. 每个主观下线的 Sentinel 节点向其他 Sentinel 节点发送命令,要求设置它为领导者.
    1. 收到命令的 Sentinel 节点如果没有同意通过其他 Sentinel 节点发送的命令,则同意该请求,否则拒绝.
    1. 如果该 Sentinel 节点发现自己的票数已经超过 Sentinel 集合半数且超过 quorum,则它成为领导者.
    1. 如果此过程有多个 Sentinel 节点成为领导者,则等待一段时间再重新进行选举.
#### 故障转移
- 转移流程
    1. Sentinel 选出一个合适的 Slave 作为新的 Master(slaveof no one 命令).
    1. 向其余 Slave 发出通知,让它们成为新 Master 的 Slave( parallel-syncs 参数).
    1. 等待旧 Master 复活,并使之称为新 Master 的 Slave.
    1. 向客户端通知 Master 变化.
- 从 Slave 中选择新 Master 节点的规则(slave 升级成 master 之后)
    1. 选择 slave-priority 最高的节点.
    1. 选择复制偏移量最大的节点(同步数据最多).
    1. 选择 runId 最小的节点.
#### 读写分离
#### 定时任务
- 每 1s 每个 Sentinel 对其他 Sentinel 和 Redis 执行 ping,进行心跳检测.
- 每 2s 每个 Sentinel 通过 Master 的 Channel 交换信息(pub - sub).
- 每 10s 每个 Sentinel 对 Master 和 Slave 执行 info,目的是发现 Slave 节点、确定主从关系.

### 分布式集群(Cluster)
#### 拓扑图

![image](https://user-images.githubusercontent.com/26766909/67539510-f8f93900-f714-11e9-9d8d-08afdecff95a.png)

#### 通讯
##### 集中式
> 将集群元数据(节点信息、故障等等)几种存储在某个节点上.
- 优势
    1. 元数据的更新读取具有很强的时效性,元数据修改立即更新
- 劣势
    1. 数据集中存储
##### Gossip
![image](https://user-images.githubusercontent.com/26766909/67539546-16c69e00-f715-11e9-9891-1e81b6af624c.png)

- [Gossip 协议](https://www.jianshu.com/p/8279d6fd65bb)

#### 寻址分片
##### hash取模
- hash(key)%机器数量
- 问题
    1. 机器宕机,造成数据丢失,数据读取失败
    1. 伸缩性
##### 一致性hash
- ![image](https://user-images.githubusercontent.com/26766909/67539595-352c9980-f715-11e9-8e4a-9d9c04027785.png)

- 问题
    1. 一致性哈希算法在节点太少时，容易因为节点分布不均匀而造成缓存热点的问题。
        - 解决方案
            - 可以通过引入虚拟节点机制解决：即对每一个节点计算多个 hash，每个计算结果位置都放置一个虚拟节点。这样就实现了数据的均匀分布，负载均衡。
##### hash槽
- CRC16(key)%16384
- 
![image](https://user-images.githubusercontent.com/26766909/67539610-3fe72e80-f715-11e9-8e0d-ea58bc965795.png)






## 使用场景
### 热点数据
### 会话维持 session
### 分布式锁 SETNX
### 表缓存
### 消息队列 list
### 计数器 string





## 缓存设计
### 更新策略
- LRU、LFU、FIFO 算法自动清除:一致性最差,维护成本低.
- 超时自动清除(key expire):一致性较差,维护成本低.
- 主动更新:代码层面控制生命周期,一致性最好,维护成本高.
### 更新一致性
- 读请求:先读缓存,缓存没有的话,就读数据库,然后取出数据后放入缓存,同时返回响应.
- 写请求:先删除缓存,然后再更新数据库(避免大量地写、却又不经常读的数据导致缓存频繁更新).
### 缓存粒度
- 通用性:全量属性更好.
- 占用空间:部分属性更好.
- 代码维护成本.

### 缓存穿透
> 当大量的请求无命中缓存、直接请求到后端数据库(业务代码的 bug、或恶意攻击),同时后端数据库也没有查询到相应的记录、无法添加缓存.
  这种状态会一直维持,流量一直打到存储层上,无法利用缓存、还会给存储层带来巨大压力.
>
#### 解决方案
1. 请求无法命中缓存、同时数据库记录为空时在缓存添加该 key 的空对象(设置过期时间)，缺点是可能会在缓存中添加大量的空值键(比如遭到恶意攻击或爬虫)，而且缓存层和存储层数据短期内不一致；
1. 使用布隆过滤器在缓存层前拦截非法请求、自动为空值添加黑名单(同时可能要为误判的记录添加白名单).但需要考虑布隆过滤器的维护(离线生成/ 实时生成).
### 缓存雪崩
> 缓存崩溃时请求会直接落到数据库上,很可能由于无法承受大量的并发请求而崩溃,此时如果只重启数据库,或因为缓存重启后没有数据,新的流量进来很快又会把数据库击倒
>
#### 出现后应对
- 事前:Redis 高可用,主从 + 哨兵,Redis Cluster,避免全盘崩溃.
- 事中:本地 ehcache 缓存 + hystrix 限流 & 降级,避免数据库承受太多压力.
- 事后:Redis 持久化,一旦重启,自动从磁盘上加载数据,快速恢复缓存数据.
#### 请求过程
1. 用户请求先访问本地缓存,无命中后再访问 Redis,如果本地缓存和 Redis 都没有再查数据库,并把数据添加到本地缓存和 Redis；
1. 由于设置了限流,一段时间范围内超出的请求走降级处理(返回默认值,或给出友情提示).


## 事件型驱动
### 文件
### 时间
### 调度&执行