【redis-7】redis高级知识点

一： 性能监控指标

使用info命令可以查看redis状态

connected_clients:68 # 连接的客户端数量

used_memory_rss_human:847.62M # 系统给 redis 分配的内存

used_memory_peak_human:794.42M # 内存使用的峰值大小

total_connections_received:619104 # 服务器已接受的连接请求数量

instantaneous_ops_per_sec:1159 # 服务器每秒钟执行的命令数量 qps

instantaneous_input_kbps:55.85 #redis 网络入口 kps

instantaneous_output_kbps:3553.89 #redis 网络出口 kps

rejected_connections:0 # 因为最大客户端数量限制而被拒绝的连接请求数量

expired_keys:0 # 因为过期而被自动删除的数据库键数量

evicted_keys:0 # 因为最大内存容量限制而被驱逐（ evict ）的键数量

keyspace_hits:0 # 查找数据库键成功的次数

keyspace_misses:0 # 查找数据库键失败的次数

二：缓存问题

1、缓存穿透

缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求，比如暴力攻击，查询一个不存在的id。

解决办法：

缓存空对象： 当第一次查询db后，就往redis存空对象。  后来的请求就不会访问db了。

这种情况需要将过期时间设置短一点，但是也不能避免该时段内，出现数据不一致情况。。另外，缓存大量的空对象，也对redis造成浪费。

使用布隆过滤器（Bloom Filter）：

在db和redis插入数据时，可以将redis的key存入bloom。 这样在查询前先校验bloom是否存在key，有才查redis和db

直观的说，bloom算法类似一个hash set，用来判断某个元素（key）是否在某个集合中。
和一般的hash set不同的是，这个算法无需存储key的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。

算法：
1. 首先需要k个hash函数，每个函数可以把key散列成为1个整数
2. 初始化时，需要一个长度为n比特的数组，每个比特位初始化为0
3. 某个key加入集合时，用k个hash函数计算出k个散列值，并把数组中对应的比特位置为1
4. 判断某个key是否在集合时，用k个hash函数计算出k个散列值，并查询数组中对应的比特位，如果所有的比特位都是1，认为在集合中。

优点：不需要存储key，节省空间，查询效率很高。 

缺点：
1. 算法判断key在集合中时，有一定的概率key其实不在集合中
2. 无法删除。所以校验key有的时候，实际数据可能已经不存在了。

2、缓存击穿

缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），如果是热点数据，可能并发很大，会造成db压力过大。

解决办法：

加锁。  当redis不存在需要从db查时，加锁，获取锁后，再从redis查一次，如果有，释放。如果没有从db查出来，存入redis。

3、缓存雪崩

某一时间大量key失效（比如key同时失效或重启redis），造成db压力过大。

解决办法：

1、做高可用，将数据分散到不通的实例

2、不同的key设置不通的缓存过期时间

3、可以再设置二集缓存