Redis持久化方式和热点数据

reids默认条件下支持数据的持久化操作。当Redis中有数据时会定期将数据保存到磁盘中。当Redis服务器重启时，会根据配置文件读取指定的持久化文件 实现内存数据的恢复

持久化方式

RDB模式

特点：
1.RDB模式是Redis的默认的持久化策略
2.RDB模式记录的是Redis内存数据的快照，最新的快照会覆盖之前的内容 所以RDB持久化文件占用空间更小 持久化的效率更高
3.RDB模式由于是定期持久化 所以可能导致数据的丢失 是周期性的
命令：

1. save 要求立即马上持久化 同步的操作 其他的Redis操作会陷入阻塞的状态
2. bgsave 开启后台运行 异步的操作 由于是异步操作 所以无法保证rdb文件是最新的，需要等待

配置:
1.持久化文件名称:

2.持久化文件位置
dir ./ 相对路径的写法
dir /usr/local/src/redis 绝对路径写法

3.RDB模式持久化策略

AOF模式

默认是关闭的，需要手动开启

特点：
1.是异步的操作 记录的是用户的操作的过程 可以防止用户的数据丢失
2.由于记录的是程序的运行状态，所以持久化文件相对较大，恢复数据的时间长 需要人为的优化持久化文件

持久化操作的总结

1.如果不允许数据丢失 使用AOF方式
2.如果追求效率 运行少量数据丢失 使用RDB模式
3.如果既要保证效率 又要保证数据 则应该配置Redis的集群 主机使用RDB 从机使用AOF

关于Redis内存策略

关于内存策略的说明

说明:Redis数据的存储都在内存中.如果一直想内存中存储数据 必然会导致内存数据的溢出.
解决方式:

1. 尽可能为保存在redis中的数据添加超时时间.
2. 利用算法优化旧的数据.

LRU算法

特点: 最好用的内存优化算法.
LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当须淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最少使用的页面予以淘汰。
维度: 时间 T

LFU算法

LFU（least frequently used (LFU) page-replacement algorithm）。即最不经常使用页置换算法，要求在页置换时置换引用计数最小的页，因为经常使用的页应该有一个较大的引用次数。但是有些页在开始时使用次数很多，但以后就不再使用，这类页将会长时间留在内存中，因此可以将引用计数寄存器定时右移一位，形成指数衰减的平均使用次数。
维度: 使用次数

RANDOM算法

随机删除数据

TTL算法

把设定了超时时间的数据将要移除的提前删除的算法.

Redis内存数据优化

1. volatile-lru 设定了超时时间的数据采用lru算法
2. allkeys-lru 所有的数据采用LRU算法
3. volatile-lfu 设定了超时时间的数据采用lfu算法删除
4. allkeys-lfu 所有数据采用lfu算法删除
5. volatile-random 设定超时时间的数据采用随机算法
6. allkeys-random 所有数据的随机算法
7. volatile-ttl 设定超时时间的数据的TTL算法
8. noeviction 如果内存溢出了 则报错返回. 不做任何操作. 默认值

关于Redis 缓存面试题

问题描述: 由于海量的用户的请求 如果这时redis服务器出现问题 则可能导致整个系统崩溃.
运行速度:

1. tomcat服务器 150-250 之间 JVM调优 1000/秒
2. NGINX 3-5万/秒
3. REDIS 读 11.2万/秒 写 8.6万/秒 平均 10万/秒

缓存穿透

问题描述: 由于用户高并发环境下访问 数据库中不存在的数据时 ,容易导致缓存穿透.
如何解决: 设定IP限流的操作 nginx中 或者微软服务机制 API网关实现.

缓存击穿

问题描述: 由于用户高并发环境下, 由于某个数据之前存在于内存中,但是由于特殊原因(数据超时/数据意外删除)导致redis缓存失效. 而使大量的用户的请求直接访问数据库.
俗语: 趁他病 要他命
如何解决:
1.设定超时时间时 不要设定相同的时间.
2.设定多级缓存

缓存雪崩

说明: 由于高并发条件下 有大量的数据失效.导致redis的命中率太低.而使得用户直接访问数据库(服务器)导致奔溃,称之为缓存雪崩.
解决方案:
1.不要设定相同的超时时间 随机数
2.设定多级缓存.
3.提高redis缓存的命中率 调整redis内存优化策略 采用LRU等算法.