分布式一定要有Redis的原因是什么

這篇文章主要介紹了分布式一定要有Redis的原因是什么的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇分布式一定要有Redis的原因是什么文章都會有所收獲，下面我們一起來看看吧。

為什么使用 Redis

我覺得在項目中使用 Redis，主要是從兩個角度去考慮：性能和并發。

當然，Redis 還具備可以做分布式鎖等其他功能，但是如果只是為了分布式鎖這些其他功能，完全還有其他中間件，如 Zookeeper等代替，并不是非要使用 Redis。因此，這個問題主要從性能和并發兩個角度去答。

性能

如下圖所示，我們在碰到需要執行耗時特別久，且結果不頻繁變動的 SQL，就特別適合將運行結果放入緩存。這樣，后面的請求就去緩存中讀取，使得請求能夠迅速響應。

題外話：忽然想聊一下這個迅速響應的標準。根據交互效果的不同，這個響應時間沒有固定標準。

不過曾經有人這么告訴我："在理想狀態下，我們的頁面跳轉需要在瞬間解決，對于頁內操作則需要在剎那間解決。

另外，超過一彈指的耗時操作要有進度提示，并且可以隨時中止或取消，這樣才能給用戶***的體驗。"

那么瞬間、剎那、一彈指具體是多少時間呢？

根據《摩訶僧祗律》記載：

一剎那者為一念，二十念為一瞬，二十瞬為一彈指，二十彈指為一羅預，二十羅預為一須臾，一日一夜有三十須臾。

那么，經過周密的計算，一瞬間為 0.36 秒、一剎那有 0.018 秒、一彈指長達 7.2 秒。

并發

如下圖所示，在大并發的情況下，所有的請求直接訪問數據庫，數據庫會出現連接異常。

這個時候，就需要使用 Redis 做一個緩沖操作，讓請求先訪問到 Redis，而不是直接訪問數據庫。

使用 Redis 有什么缺點

大家用 Redis 這么久，這個問題是必須要了解的，基本上使用 Redis 都會碰到一些問題，常見的也就幾個。

回答主要是四個問題：

緩存和數據庫雙寫一致性問題

• 緩存雪崩問題

• 緩存擊穿問題

• 緩存的并發競爭問題

• 這四個問題，我個人覺得在項目中是常遇見的，具體解決方案，后文給出。

單線程的 Redis 為什么這么快

這個問題是對 Redis 內部機制的一個考察。根據我的面試經驗，很多人都不知道 Redis 是單線程工作模型。所以，這個問題還是應該要復習一下的。

回答主要是以下三點：

• 純內存操作

• 單線程操作，避免了頻繁的上下文切換

• 采用了非阻塞 I/O 多路復用機制

題外話：我們現在要仔細的說一說 I/O 多路復用機制，因為這個說法實在是太通俗了，通俗到一般人都不懂是什么意思。

打一個比方：小曲在 S 城開了一家快遞店，負責同城快送服務。小曲因為資金限制，雇傭了一批快遞員，然后小曲發現資金不夠了，只夠買一輛車送快遞。

經營方式一

客戶每送來一份快遞，小曲就讓一個快遞員盯著，然后快遞員開車去送快遞。

慢慢的小曲就發現了這種經營方式存在下述問題：

• 幾十個快遞員基本上時間都花在了搶車上了，大部分快遞員都處在閑置狀態，誰搶到了車，誰就能去送快遞。

• 隨著快遞的增多，快遞員也越來越多，小曲發現快遞店里越來越擠，沒辦法雇傭新的快遞員了。

• 快遞員之間的協調很花時間。

綜合上述缺點，小曲痛定思痛，提出了下面的經營方式。

經營方式二

小曲只雇傭一個快遞員。然后呢，客戶送來的快遞，小曲按送達地點標注好，然后依次放在一個地方。

***，那個快遞員依次的去取快遞，一次拿一個，然后開著車去送快遞，送好了就回來拿下一個快遞。

上述兩種經營方式對比，是不是明顯覺得第二種，效率更高，更好呢？

在上述比喻中：

• 每個快遞員→每個線程

• 每個快遞→每個 Socket(I/O 流)

• 快遞的送達地點→Socket 的不同狀態

• 客戶送快遞請求→來自客戶端的請求

• 小曲的經營方式→服務端運行的代碼

• 一輛車→CPU 的核數

于是我們有如下結論：

• 經營方式一就是傳統的并發模型，每個 I/O 流(快遞)都有一個新的線程(快遞員)管理。

• 經營方式二就是 I/O 多路復用。只有單個線程(一個快遞員)，通過跟蹤每個 I/O 流的狀態(每個快遞的送達地點)，來管理多個 I/O 流。

下面類比到真實的 Redis 線程模型，如圖所示：

簡單來說，就是我們的 redis-client 在操作的時候，會產生具有不同事件類型的 Socket。

在服務端，有一段 I/O 多路復用程序，將其置入隊列之中。然后，文件事件分派器，依次去隊列中取，轉發到不同的事件處理器中。

需要說明的是，這個 I/O 多路復用機制，Redis 還提供了 select、epoll、evport、kqueue 等多路復用函數庫，大家可以自行去了解。

Redis 的數據類型，以及每種數據類型的使用場景

是不是覺得這個問題很基礎？我也這么覺得。然而根據面試經驗發現，至少百分之八十的人答不上這個問題。

建議，在項目中用到后，再類比記憶，體會更深，不要硬記。基本上，一個合格的程序員，五種類型都會用到。

String

這個沒啥好說的，最常規的 set/get 操作，Value 可以是 String 也可以是數字。一般做一些復雜的計數功能的緩存。

Hash

這里 Value 存放的是結構化的對象，比較方便的就是操作其中的某個字段。

我在做單點登錄的時候，就是用這種數據結構存儲用戶信息，以 CookieId 作為 Key，設置 30 分鐘為緩存過期時間，能很好的模擬出類似 Session 的效果。

List

使用 List 的數據結構，可以做簡單的消息隊列的功能。另外還有一個就是，可以利用 lrange 命令，做基于 Redis 的分頁功能，性能***，用戶體驗好。

Set

因為 Set 堆放的是一堆不重復值的集合。所以可以做全局去重的功能。為什么不用 JVM 自帶的 Set 進行去重？

因為我們的系統一般都是集群部署，使用 JVM 自帶的 Set，比較麻煩，難道為了一個做一個全局去重，再起一個公共服務，太麻煩了。

另外，就是利用交集、并集、差集等操作，可以計算共同喜好，全部的喜好，自己獨有的喜好等功能。

Sorted Set

Sorted Set多了一個權重參數 Score，集合中的元素能夠按 Score 進行排列。

可以做排行榜應用，取 TOP N 操作。Sorted Set 可以用來做延時任務。***一個應用就是可以做范圍查找。

Redis 的過期策略以及內存淘汰機制

這個問題相當重要，到底 Redis 有沒用到家，這個問題就可以看出來。

比如你 Redis 只能存 5G 數據，可是你寫了 10G，那會刪 5G 的數據。怎么刪的，這個問題思考過么？

還有，你的數據已經設置了過期時間，但是時間到了，內存占用率還是比較高，有思考過原因么?

回答：Redis 采用的是定期刪除+惰性刪除策略。

為什么不用定時刪除策略

定時刪除，用一個定時器來負責監視 Key，過期則自動刪除。雖然內存及時釋放，但是十分消耗 CPU 資源。

在大并發請求下，CPU 要將時間應用在處理請求，而不是刪除 Key，因此沒有采用這一策略。

定期刪除+惰性刪除是如何工作

定期刪除，Redis 默認每個 100ms 檢查，是否有過期的 Key，有過期 Key 則刪除。

需要說明的是，Redis 不是每個 100ms 將所有的 Key 檢查一次，而是隨機抽取進行檢查(如果每隔 100ms，全部 Key 進行檢查，Redis 豈不是卡死)。

因此，如果只采用定期刪除策略，會導致很多 Key 到時間沒有刪除。于是，惰性刪除派上用場。

也就是說在你獲取某個 Key 的時候，Redis 會檢查一下，這個 Key 如果設置了過期時間，那么是否過期了？如果過期了此時就會刪除。

采用定期刪除+惰性刪除就沒其他問題了么?

不是的，如果定期刪除沒刪除 Key。然后你也沒即時去請求 Key，也就是說惰性刪除也沒生效。這樣，Redis的內存會越來越高。那么就應該采用內存淘汰機制。

在 redis.conf 中有一行配置：

# maxmemory-policy volatile-lru

該配置就是配內存淘汰策略的(什么，你沒配過？好好反省一下自己)：

• noeviction：當內存不足以容納新寫入數據時，新寫入操作會報錯。應該沒人用吧。

• allkeys-lru：當內存不足以容納新寫入數據時，在鍵空間中，移除最近最少使用的 Key。推薦使用，目前項目在用這種。

• allkeys-random：當內存不足以容納新寫入數據時，在鍵空間中，隨機移除某個 Key。應該也沒人用吧，你不刪最少使用 Key，去隨機刪。

• volatile-lru：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，移除最近最少使用的 Key。這種情況一般是把 Redis 既當緩存，又做持久化存儲的時候才用。不推薦。

• volatile-random：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，隨機移除某個 Key。依然不推薦。

• volatile-ttl：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，有更早過期時間的 Key 優先移除。不推薦。

PS：如果沒有設置 expire 的 Key，不滿足先決條件(prerequisites)；那么 volatile-lru，volatile-random 和 volatile-ttl 策略的行為，和 noeviction(不刪除) 基本上一致。

Redis 和數據庫雙寫一致性問題

一致性問題是分布式常見問題，還可以再分為最終一致性和強一致性。數據庫和緩存雙寫，就必然會存在不一致的問題。

答這個問題，先明白一個前提。就是如果對數據有強一致性要求，不能放緩存。我們所做的一切，只能保證最終一致性。

另外，我們所做的方案從根本上來說，只能說降低不一致發生的概率，無法完全避免。因此，有強一致性要求的數據，不能放緩存。

回答：首先，采取正確更新策略，先更新數據庫，再刪緩存。其次，因為可能存在刪除緩存失敗的問題，提供一個補償措施即可，例如利用消息隊列。

如何應對緩存穿透和緩存雪崩問題

這兩個問題，說句實在話，一般中小型傳統軟件企業，很難碰到這個問題。如果有大并發的項目，流量有幾百萬左右。這兩個問題一定要深刻考慮。

緩存穿透，即黑客故意去請求緩存中不存在的數據，導致所有的請求都懟到數據庫上，從而數據庫連接異常。

緩存穿透解決方案：

• 利用互斥鎖，緩存失效的時候，先去獲得鎖，得到鎖了，再去請求數據庫。沒得到鎖，則休眠一段時間重試。

• 采用異步更新策略，無論 Key 是否取到值，都直接返回。Value 值中維護一個緩存失效時間，緩存如果過期，異步起一個線程去讀數據庫，更新緩存。需要做緩存預熱(項目啟動前，先加載緩存)操作。

• 提供一個能迅速判斷請求是否有效的攔截機制，比如，利用布隆過濾器，內部維護一系列合法有效的 Key。迅速判斷出，請求所攜帶的 Key 是否合法有效。如果不合法，則直接返回。

緩存雪崩，即緩存同一時間大面積的失效，這個時候又來了一波請求，結果請求都懟到數據庫上，從而導致數據庫連接異常。

緩存雪崩解決方案：

• 給緩存的失效時間，加上一個隨機值，避免集體失效。

• 使用互斥鎖，但是該方案吞吐量明顯下降了。

• 雙緩存。我們有兩個緩存，緩存 A 和緩存 B。緩存 A 的失效時間為 20 分鐘，緩存 B 不設失效時間。自己做緩存預熱操作。

然后細分以下幾個小點：從緩存 A 讀數據庫，有則直接返回；A 沒有數據，直接從 B 讀數據，直接返回，并且異步啟動一個更新線程，更新線程同時更新緩存 A 和緩存 B。

如何解決 Redis 的并發競爭 Key 問題

這個問題大致就是，同時有多個子系統去 Set 一個 Key。這個時候大家思考過要注意什么呢？

需要說明一下，我提前百度了一下，發現答案基本都是推薦用 Redis 事務機制。

我并不推薦使用 Redis 的事務機制。因為我們的生產環境，基本都是 Redis 集群環境，做了數據分片操作。

你一個事務中有涉及到多個 Key 操作的時候，這多個 Key 不一定都存儲在同一個 redis-server 上。因此，Redis 的事務機制，十分雞肋。

如果對這個 Key 操作，不要求順序

這種情況下，準備一個分布式鎖，大家去搶鎖，搶到鎖就做 set 操作即可，比較簡單。

如果對這個 Key 操作，要求順序

假設有一個 key1，系統 A 需要將 key1 設置為 valueA，系統 B 需要將 key1 設置為 valueB，系統 C 需要將 key1 設置為 valueC。

期望按照 key1 的 value 值按照 valueA > valueB > valueC 的順序變化。這種時候我們在數據寫入數據庫的時候，需要保存一個時間戳。

假設時間戳如下：

• 系統A key 1 {valueA  3:00}

• 系統B key 1 {valueB  3:05}

• 系統C key 1 {valueC  3:10}

那么，假設這會系統 B 先搶到鎖，將 key1 設置為{valueB 3:05}。接下來系統 A 搶到鎖，發現自己的 valueA 的時間戳早于緩存中的時間戳，那就不做 set 操作了，以此類推。

其他方法，比如利用隊列，將 set 方法變成串行訪問也可以。總之，靈活變通。

關于“分布式一定要有Redis的原因是什么”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“分布式一定要有Redis的原因是什么”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。