当前位置：首页 > article >正文

Redis: 特色，业务场景举例，底层原理，持续进阶等问题梳理

article 2024/11/14 7:53:24

Redis 的特色

Redis 是目前使用非常广泛的中间件，在于它功能强大，持续改进，经久不衰
主要体现在以下几点
- 1 ) 高性能: Redis 的底层是C语言编写的，它的定位是内存型数据库
- 而且 Redis 的作者对操作系统也非常的精通
- 它通讯方式采用了epoll 非阻塞 / IO多路复用的机制，提高了访问性
- 2 ) 线程安全：Redis的操作都是单线程的, 保证了原子操作
- 注意，最新版本都到版本8了，这都多线程的，怎么还单线程呢
- 多线程，其实体现在的是网络协议解析和同步数据上
- 对于它底层内部的核心操作，还是由单线程来完成的
- 这样可以避免在高并发场景下数据不安全的问题
- 3 ）功能丰富：比如它的数据结构
- 它的基本数据结构有：String、List、HashSet、SortedSet
- 它的高阶数据结构有：GEO、BitMap、HyperLogLog
- Redis 的数据都是存在内存中的, 但是在某些场景下
- 可能也希望把这些数据给它存储起来, Redis 也提供了对应的持久化机制
- 它有: RDB 持久化、AOF持久化、RDB-AOF混合持久化
- 随着互联网的发展，网民越来越多，如果应用做的非常好
- 并发肯定是需要解决的一个问题，Redis提供了Master/Slave主从模式
  - 可以通过这个模式来解决并发的问题, 需要考虑：主节点不能故障
  - 由此，我们要解决主节点的一个单点故障的问题
  - 可以使用 Sentinel 哨兵机制，通过哨兵监控主节点
  - 主节点故障之后，自动的完成主从切换
- 随着我们的项目越来越庞大，数据集越来越多
- 数据存储的一个压力问题也会成为我们的一个核心问题
  - 关于数据存储问题，可以通过cluster集群
  - 使用分片存储的方式来进行解决
- Redis 在 4.0 的时候，还引入了模块化机制
- 可以让我们自定义实现在项目中的一些个性化需求
- 当然它还有很多的一些功能, 正因为它有这么多的丰富的功能
- 所以, Redis 是能够支撑很多的互联网应用场景的
- 比如: 缓存、分布式锁、队列、集合、GEO、BitMap操作等等

Redis 场景举例

我们通过一个美食社交App来举例

1 ）业务场景

这里有典型的 Redis 使用场景
会用到丰富的数据类型
还会用到一些新特性，如：多线程IO
最终通过微服务和分布式来部署搭建

2 ) 最终架构

我们将应用服务化注册制注册中心，然后采用网关统一的进行认证访问
我们的重点还是在Redis这里，目标是搭建一个三主三从的 Redis 集群
对于Redis的架构升级，我们并不一定要一步到位，我们可以
- 先从单节点开始，再到主从再到哨兵
- 最后才是集群

3 ）核心步骤举例

3.1 比如按照Java的模式，通过SpringBoot整合Redis 以及 SpringCloud 搭建微服务，也可以选择自己喜欢的编程语言
3.2 系统搭建好了，但是响应很慢怎么办?
- 我们采用最合适的数据类型来缓存
- 因为Redis的底层，针对于它的这些不同的数据类型存储的时候会做一个优化处理
- 最后通过查看慢日志，优化BigKey，使用连接池等相关的方式进行优化
3.2 缓存异常了，怎么办？
- 使用限流，分布式锁，LUR淘汰算法来解决这方面的问题
- 这里还涉及了缓存区分，缓存穿透，缓存击穿等问题的解决方案
3.3 数据丢失不安全，怎么办？
- 数据丢失，数据不安全，数据一致性等等问题
- 可以使用RDB-AOF混合持续化的机制
- 而且在主从模式下，还需要考虑什么时候全量复制
- 什么时候增量复制或部分复制，出现了这个复制风暴之后，怎么解决优化
- 在主从模式下那数据一致性的问题，脏读等等问题
3.4 主从复制故障的问题
- 这时候哨兵来救场
- 哨兵监控主节点可以自动完成主从切换
- 哨兵是如何工作的，以及它的底层原理
- 故障如何自动转移的
3.5 存储不够用，怎么办？
- 随着项目的发展，最终数据集越来越多
- 肯定是要考虑怎么来更好的去存储我们的数据
- 可以使用集群的分片存储来解决这个问题，包括集群内部的原理
- 集群内部其实也是有哨兵机制的
- 它跟我们单独搭建哨兵，又有什么不同
3.6 服务器宕机了，怎么办？
- 集群动态收缩，MOVED/ASK转项
- 故障演示和恢复方案
3.7 底层原理是什么？
- 网络底层
- 事务处理
- 持久化原理
- 主从复制原理
- 哨兵机制
- 分片存储原理
3.8 涉及的底层算法有哪些？
- Sorted Set 底层
- Bitmap、Geo 算法
- 数据过期淘汰算法
- Leader 选举流程
- 槽位定位算法
- 备份迁移及其算法
3.9 性能提升方案
- Key与Value的设计规范
- 避免 BigKey
- 避免耗时操作
- Pipeline管道操作
- 连接池性能优化
- 子进程的开销与优化
3.10 故障解决方案
- 数据延迟
- 数据脏读
- 数据抖动
- 数据一致性
- 热点数据存储
- RDB文件损坏