1. 应用场景
缓存：根据键值过期时间设置
请求频率限制：比如短信验证码120秒内只能发送一次，则将标志性的key-value键值对设置过期时间为120秒，用户请求的时候判断一下【SET key value EX 120 NX】
排行榜：利用zset数据类型
计数器：利用 INCR KEY 命令，key不存在初始化为0，存在则自增1
用户爱好：利用set集合，其特有的命令方法能够计算用户共同爱好
消息队列：利用list数据类型的lpush和brpop
分布式锁：利用 SET key value [EX seconds] [PX milliseconds] [NX|XX]
2.速度快的原因
- 纯内存访问
- 底层I/O用多路复用技术epoll实现
- 单线程避免了线程切换和竞争
3. 数据类型
- 字符串（String）：内部编码【8个字节长整型：int】【小于等于39个字节的字符串：embstr】【大于39个字节的字符串：raw】
- 哈希（Hash）：内部编码【元素个数小于512个并且每个值都小于64字节：ziplist-压缩列表】【否则是hashtable-哈希表】
- 列表（List）：内部编码【元素个数小于512个并且每个值都小于64字节：ziplist-压缩列表】【否则是linkedlist-链表】
- 集合（Set）：内部编码【元素都是整数并且个数小于512个：intset-整数集合】【否则是hashtable-哈希表】
- 有序集合（ZSet）：内部编码【元素个数小于128个并且每个值都小于64字节：ziplist-压缩列表】【否则是skiplist-跳跃表】
4. 持久化-RDB
触发：save或者bgsave命令。不同的是save会阻塞服务器，直到持久化完成；bgsave会fock子进程，子进程负责完成持久化的任务，这种只在fock的时候会阻塞很短一部分时间。
RDB持久化流程：
- 执行bgsave命令，如果已存在相关的子进程，则直接返回。
- 父进程执行fock操作创建子进程。fock完成后不再阻塞父进程。
- 子进程创建RDB文件，根据父进程的内存生成临时快照文件，完成后对原有文件进行原子替换。
- 最后给父进程发送完成信号，父进程更新统计信息。
Redis默认采用LZF算法对生成的RDB文件做压缩处理，压缩后的文件远远小于内存大小。
5. 持久化-AOF
工作流程：
- 命令写入：所有的写入命令都会追加到AOF缓冲区（处于性能的考量，不追加到硬盘）
- 文件同步：缓冲区根据对应的策略向硬盘做同步操作（策略：always，everysec，no，默认everysec）
- 文件重写：AOF文件越来越大，所以定期对AOF文件进行重写，达到压缩的目的（无效命令比如del、set，文件只保留最终数据的写入命令；多条命令合并成一条）
- 重启加载：Redis服务器重启后，会根据AOF文件进行数据恢复
AOF重写流程：
首先主进程会fock一个子进程。Redis会维护一个AOF重写缓冲区，该缓冲区会在子进程创建新的AOF文件期间，记录服务器执行的所有写命令。当子进程完成创建新AOF文件之后，服务器会将重写缓冲区中的所有内容追加到新的AOF文件的末尾。最后，服务器用新的AOF文件替换旧的AOF文件，以此来完成AOF文件重写操作。
如果同时配置了RDB和AOF，则Redis会优先加载AOF
6. 数据分区
分布式环境下要解决把数据映射到多个节点的问题。
A：节点取余分区
【对key取hash】%【节点数量】，来决定数据打到哪一个节点上。
B：一致性哈希分区
为系统中每个节点分配一个token，范围为2的32次幂，这些token构成一个hash环。读写数据的时候，根据key取hash，然后顺时针找到第一个大于等于该hash值的token所对应的节点。
一致性哈希存在的问题：
- 加减节点会导致一部分数据无法命中，需要手动处理或者忽略，所以一致性哈希常用语缓存场景。
- 节点比较少的情况，节点发生变化将影响很大一部分数据命中，所以不适合节点少的情况。
C：虚拟槽分区
Redis Cluser采用虚拟槽分区，所有的键根据哈希函数映射到0~16383整数槽内，计算公式：slot=CRC16（key）&16383。每一个节点负责维护一部分槽以及槽所映射的键值数据
优点：解耦数据和节点之间的关系，简化了节点扩容和收缩难度。
7. 集群功能限制
不支持批量操作比如：mget，mset
不支持多数据库空间，即只有一个db0
8. 缓存穿透
原因：请求不存在的数据，而导致每次请求都要跳过缓存直接去存储层拿数据，失去了缓存保护后端存储的意义。
解决：
- 方法一：存储层不命中，依然缓存空对象，之后再访问这个数据就会从缓存中获取。可是：如果是恶意攻击，意味着这部分无意义的数据会占用内存，可以通过设置过期时间来缓解。
- 方法二：利用布隆过滤器把存在的key缓存起来，作为访问的第一层，之后才是缓存和数据库，如果布隆过滤器认为请求的key不存在，则不会访问数据库，进而保护了存储层。
- 比较：存储空对象适用于：数据频繁变化实时性高的场景。布隆过滤器适用于：数据相对固定实时性低的场景。
9. 缓存击穿
原因：比如有个热点key承载了大量请求，在key失效的一瞬间，大量请求跳过缓存直接去请求了数据库
解决：
- 方法一：一般是因为做促销活动导致key成为这种热点，对于这类key要么设置过期时间长一些以至于熬过高峰期，要么直接设置成永不过期。
- 方法二：加互斥锁，即如果缓存不存在，则加锁去读取数据库并更新缓存，保证失效的时候只有一个线程能去访问数据库。
10. 缓存雪崩
原因：
- 在同一时间点，承载大量请求的缓存集中失效，大量请求会到达存储层，进而造成存储层压力过大而宕机。
- 缓存层由于异常不能提供服务后，大量请求会到达存储层，进而造成存储层压力过大而宕机。
解决：
- 保证缓存服务高可用
- 将key的过期时间设置随机，这样避免同一时间大量失效
11. 淘汰策略（6种）
这6种策略的前提都是：当内存不足以容纳新写入数据时
noeviction：新写入操作会报错（默认策略）
范围：在主键空间中
allkeys-lru：移除最近最少使用的key
allkeys-random：随机移除某个key
范围：在设置了过期时间的键空间中
volatile-lru：移除最近最少使用的key
volatile-random：随机移除某个key
volatile-ttl：有更早过期时间的key优先移除
