Day20

1. 说说Redis的主从同步机制

1. Redis主从同步是指任意数量的从节点都可以从主节点上同步数据。而除了多个slave可以连接到同一个master之外，slave还可以作为根节点接受其他slave的连接，这样就形成了一个树形结构，使得Redis可以执行单层树复制
2. 从2.8版本开始，当启动一个slave node节点，他会发送一个PSYNC命令给master node。如果slave node是第一次连接到master node，那么会触发一次全量复制。此时master会启动一个后台线程，开始生成一份RDB快照文件，同时还会将由客户端client新收到的写命令缓存在内存中。RDB文件生成完毕后，master会将这个RDB发送给从节点，slave会先写入本地磁盘，然后再从本地磁盘加载到内存中，接着master会将内存中缓存的写命令发送到slave，slave也会同步这些数据。
3. slave node如果跟master node有网络故障，会自动重连，之后master node也会发生全量复制
4. 增量复制是在全量复制之后进行的，当从节点已经追赶上主节点的数据状态后，它可以通过增量复制来获取主节点的最新更新。

2. 说说Redis的缓存淘汰策略

1. 惰性删除：客户端访问一个key的时候，Redis会先检查它的过期时间，如果发现过期就立刻删除这个key
2. 定期删除：redis会将设置了过期时间的key放到一个独立字典中，并对该字典进行每秒10次的过期扫描，过期扫描不会遍历字典中所有key，而是采用了一种简单的贪心策略，该策略如下：
   1. 从过期字典中随机选择20个key
   2. 删除这20个key中已经过期的key
   3. 如果已经过期的key的比例超过了25%,则重复步骤1
3. 当写入数据超出max-memory限制的时候，Redis会采用max-memory-policy所制定的策略进行数据淘汰。最常用的还是LRU和LFU算法。
4. LRU即最近最少使用原则。但该算法有一个明显的不足之处在于，若一个key很少被访问，只是刚刚被偶尔访问了一次，则它就会被认为是热点数据，短时间内不会被淘汰
5. LFU算法是根据key的最近访问频率进行淘汰。LFU在LRU的基础上，为每个数据增加了一个计数器，来统计这个数据的访问次数。当使用LFU策略淘汰数据时，首先会根据数据的访问次数进行筛选，把访问次数最低的数据淘汰出内存。如果两个数据的访问次数相同，LFU再比较这两个数据的访问时间，把访问时间更早的数据淘汰出内存

3. 说说缓存穿透、击穿、雪崩的区别

1. 缓存穿透：是指客户端查询了根本不存在的数据，使得这个请求直达存储层，导致其负载过大甚至造成宕机。这种情况可能是由于业务层误将缓存和库中的数据删除造成的，当然也不排除有人恶意攻击，专门访问库中不存在的数据导致缓存穿透。我们可以通过缓存空对象和布隆过滤器的方式来解决。
2. 缓存空对象是指当存储层也未命中，仍然将空值存入缓存层，当客户端再次访问数据时，缓存层直接放回空值
3. 布隆过滤器是在访问缓存前，由过滤器拦截，若请求的数据不存在则直接返回空值
4. 缓存击穿：当一份访问量非常大的热点数据缓存失效的瞬间，大量的请求直达存储层，导致服务崩溃。缓存击穿可以通过热点数据不设置过期时间来解决，这是“物理”上的永不过期。或者为每个数据设置逻辑过期时间，当发现该数据逻辑过期时，使用单独的线程重建缓存。我们也可以加互斥锁来解决缓存击穿问题，当一个线程通过缓存击穿访问到数据库，阻塞其他访问线程，同时缓存中的数据将被重建，之后其他被阻塞的线程就可以直接从缓存中取值
5. 缓存雪崩：是指当某一时刻缓存层无法继续提供服务，导致所有请求直达存储层，导致数据库宕机。可能是缓存中有大量数据同时过期，也可能是Redis节点发生故障，导致大量请求无法得到处理。
6. 缓存雪崩的解决方式有三种：第一种是在设置过期时间时，附加一个随机数，避免大量key同时过期。第二种是启动降级和熔断措施，即发生雪崩时，若应用访问的不是核心数据，则直接放回预定义信息/空值/错误信息。或者在发生雪崩时，对于访问缓存接口中的请求，客户端不要把请求发给Redis，而是直接放回。第三种是构建高可用的Redis服务，也就是采用哨兵或集群模式，部署多个Redis实例，这样即使个别节点宕机，依然可以保持服务的整体可用

4. Redis如何与数据库保持双写一致性

1. 共有四种同步策略

   1. 先更新数据库再更新缓存。缺点是在多线程并发下会存在数据库中数据和缓存不一致的现象

   2. 先更新缓存再更新数据库，优点是每次数据变化都可以及时更新缓存，但是消耗很大，影响服务器性能

   3. 先删除缓存再更新数据库，缺点是仍然会导致数据库和缓存不一致

   4. 先更新数据库再删除缓存，缺点是仍然可能出现缓存和数据库中的数据不一致的情况，但是我们可以使用重试机制操作，包括业务层进行重试和消息队列重试，业务层重试会对代码有侵入性，所以更常用的还是使用中间件进行重试删除，所以这是效果最好的解决方案

   5. 综上，以上四种都不能保证数据库和缓存绝对的一致性，比较好的策略就是牺牲一些性能，做延时双删，但是延时时间不好确定

   6. 延时双删的具体步骤如下

      • 在修改数据库数据前，需要先删除一次redis，此时是为了保证在数据库修改之前的时间间隔内，如有命中，保证数据不存在于redis中，如果没有这一次删除，会出现脏读
      • 第二次删除时在修改数据库之后删除，这一次删除是由于在第一次redis删除和数据库修改之间，如有命中，那么旧数据又会重新缓存到redis中，也会出现脏读
      • 延时是为了等待脏数据写入到缓存，然后进行第二次删除脏数据

   7. 根据综合考虑，即使先修改数据库，在删除缓存，有一定的时间会导致读取到旧数据，这通常是可以被忍受的。
      只要及时将缓存删除，其他线程就可以读取到最新的值。

      同时为了保证缓存一定会被删除，可以采用mq，来保证缓存会被删除

      如果在mq中消息没有被重复消费，还会交由给其他消费者消费(将缓存删除)

​

5. 如何实现Redis高可用

1. 主从复制：写一定是在主服务器上，然后主服务器同步给从服务器。缺点是当主服务器挂掉的时候，不能自动切换到从服务器上。主从服务器存储数据一样，内存可用性差。优点是在一定程度上分担主服务器读的压力。
2. 哨兵模式：构建多个哨兵节点监视主从服务器，当主服务挂掉的时候，自动将对应的从服务器切换成主服务器。优点是实现自动切换，可用性高。缺点是主从服务器存储数据一致，内存可用性差。还要额外维护一套哨兵系统。
3. 集群模式：采用无中心节点的方式实现。多个主服务器相连，一个主服务器又可以有多个从服务器，不同主服务器存储不同的数据。优点是可用性更高，内存可用性更高