目录
Redis简介
Redis是一个开源的高性能键值存储数据库,它提供了多种数据结构来存储数据。它能提供海量的数据存储访问、数据存储在内存，读取更快。
从分布式、缓存数据持久化的维度对比其他缓存框架，见下图：
| 对比维度 | Redis | Ehcache | Memcache |
| 集群、分布式 | 支持 | 不支持 | 支持 |
| 数据持久化 | 支持 | 支持 | 不支持 |
Redis安装及配置
本文演示环境：1、系统：Ubuntu20.04；2、redis版本：5.0.7，安装步骤如下：
1、sudo apt install redis-server，直接安装
2、查看版本redis 版本
3、配置redis，修改/etc/redis/redis.conf文件
配置后台启动：
指定工作目录：
启动redis-server: sudo systemctl start redis-server.service
Redis持久化机制
Redis 是内存数据库，数据默认存储在内存中，一旦服务器宕机或重启，内存中的数据将会丢失。为了解决这个问题，Redis 提供了两种持久化机制：RDB（Redis Database）和 AOF（Append-Only File）。
RDB 持久化机制
RDB 是通过生成数据快照（Snapshot）来保存数据库的当前状态。Redis 可以根据配置文件中设置的规则，自动在满足条件时生成RDB 文件。下方示例中修改生成快照规则，60秒内10个key改变就生成数据快照。
修改redis.conf文件，通过redis-cli快速设置超过10个key，观察数据快照，发现dump.rdb文件被修改了。
AOF 持久化机制
AOF 持久化机制通过记录 Redis 服务器执行的每一条写命令来保存数据。AOF 文件是一个文本文件，记录了所有修改数据库状态的命令。当 Redis 重启时，可以通过重新执行 AOF 文件中的命令来恢复数据。下方示例演示AOF持久化，修改redis.conf文件并重启redis sever服务（sudo systemctl restart redis-server.service ），设置key，观察appendonly.aof文件
通过redis-cli设置name=zhangsan后，appendonly.aof文件中追加了以上数据。
RDB 、AOF 比较
| 特性 | RDB | AOF |
| 持久化方式 | 生成数据快照 | 记录写命令 |
| 文件格式 | 二进制文件 | 文本文件 |
| 数据安全性 | 可能会丢失最后一次快照后的数据 | 最多丢失一秒钟的数据 |
| 文件体积 | 较小 | 较大 |
| 恢复速度 | 较快 | 较慢 |
| 性能影响 | 较小（后台生成快照） | 较大（实时写入） |
| 适用场景 | 数据备份、恢复速度要求高的场景 | 数据安全性要求高的场景 |
Redis架构模式
主从复制模式
主从复制模式，就是系统中只有1个节点是主节点master，其他节点都是从节点slave，客户端写入请求会发送到主节点，然后主节点同步数据到从节点，读取数据到从节点获取，架构图如下：
修改redis.conf文件实现主从复制模式，在从节点主机的redis.conf文件中，加上：
replicaof masterIP master端口
哨兵模式
在哨兵模式下，哨兵节点会定期检查主节点和从节点的运行状态。如果发现主节点发生故障，哨兵节点会在从节点中选举出一个新的主节点，并通知其他的从节点和哨兵节点。 示意图如下：
上图中有3个节点，1个master，2个slave，分别修改对应节点的sentinel.conf文件实现哨兵模式，然后启动哨兵：redis-sentinel sentinel.conf，启动后节点1是master，2和3是slave，当节点1停止服务后，sentinel会自动选举出一个slave节点充当master。
bind 127.0.0.1
protected-mode no #关闭保护模式
port 26379 #哨兵端口
#哨兵监控主机（127.0.0.1 6379），数字2表示2个哨兵认为主机挂掉后，需要做故障转移，选择其他salve成为主机。
sentinel monitor mymaster 127.0.0.1 6379 2 集群模式
Redis集群模式，可以支持高并发同时容纳海量数据，Redis 集群通过数据分片sharding来进行数据的共享，同时提供复制和故障转移的功能。Redis 通过集群分片的形式来保存数据，整个集群数据库被分为 16384 个 slot。集群模式示意图如下：
上图中实现了3主3从的集群模式，在每个节点修改redis.conf文件：
cluster-enabled yes #打开集群模式
cluster-config-file node-6379.conf构建3主3从集群，通过redis-cli --cluster实现：
redis-cli --cluster create host1:port1 host2:port2 host3:port3 host4:port4 host5:port5 host6:port6 --cluster-replicas 13种模式比较
| 比较项 | 主从模式 | 哨兵模式 | 集群模式 |
| 优点 | 读写分离（读请求走slave节点，写请求走master节点） | 故障自动转移（通过哨兵自动发现redis master故障，然后选择其他slave充当master） | 扩张性好（通过添加节点轻松扩展集群的存储容量和处理能力）、高可用性（集群中的每个节点都有自己的复制节点） |
| 缺点 | 主节点故障会导致系统无法写操作 | 依赖于哨兵集群，哨兵出现故障后，Redis故障无法自动转移 | 节点多，数据的管理和维护相对复杂 |
Redis与SpringBoot集成
集成步骤如下:
1、添加项目对redis依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>2、配置redis信息【application.yml】
单节点：
server:
port: 8080
spring:
redis:
host: 192.168.142.130
database: 0
port: 6379Redis哨兵模式：
server:
port: 8080
spring:
redis:
sentinel:
master: mymaster
nodes: 192.168.142.190:26379,192.168.142.191:26379,192.168.142.192:26379
database: 0Redis集群模式：
server:
port: 8080
spring:
redis:
cluster:
nodes: 192.168.142.130:6379,192.168.142.131:6379,192.168.142.132:6379,192.168.142.133:6379,192.168.142.134:6379,192.168.142.135:63793、编写测试方法，java操作redis核心的操作类是 RedisTemplate，下方示例演示设置缓存和查询缓存。
package com.gingko.redis.controller;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import javax.annotation.Resource;
@RestController
@RequestMapping("redis")
public class RedisController {
@Resource
private RedisTemplate redisTemplate;
@GetMapping("/set")
public String set(String key,String value) {
redisTemplate.opsForValue().set(key,value);
return "ok";
}
@GetMapping("/get")
public Object get(String key) {
Object result = redisTemplate.opsForValue().get(key);
return result;
}
}
4、测试，测试结果符合预期
Redis 穿透&雪崩
Redis 穿透问题（Cache Penetration）指的是当缓存中不存在的某些数据时，黑客可以利用这一点，通过构造一系列不存在的数据键来访问数据库，从而导致数据库压力过大，甚至崩溃。模拟代码如下：
package com.gingko.redis.service;
import com.gingko.redis.entity.ProductInfo;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;
import javax.annotation.Resource;
import java.util.ArrayList;
import java.util.List;
@Slf4j
@Service
public class ProductInfoService {
@Resource
private RedisTemplate redisTemplate;
static List<ProductInfo> productInfoList;
static {
productInfoList = new ArrayList<>();
ProductInfo p1 = new ProductInfo(1,"小米手机","");
ProductInfo p2 = new ProductInfo(2,"苹果手机","");
ProductInfo p3 = new ProductInfo(3,"华为手机","");
productInfoList.add(p1);
productInfoList.add(p2);
productInfoList.add(p3);
}
public String getById(int id) {
String productName = (String)redisTemplate.opsForValue().get(id);
if(productName == null) {
log.info("从数据库获取产品信息...");
productInfoList.stream().forEach(productInfo -> {
if(productInfo.getId() == id) {
//数据库找到
redisTemplate.opsForValue().set(id,productInfo.getName());
}
});
}
return productName;
}
}
从上述的示意代码看出，假设模拟的id不在缓存中，数据库中也不存在，如果大量模拟请求：http://localhost:8080/redis/getProduct?id=9999 ，请求会穿透缓存直接打到数据库中，造成数据库压力增大。每次请求，后台都会请数据库发请求：
解决办法可以使用Bloom Filter，简易的方法是把空的结果也缓存起来，无论数据库中是否查到结果，都直接进入缓存，下次发送请求时，就不会进入到数据库请求中。
缓存雪崩：Redis中缓存的数据大面积同时失效，或者Redis宕机，从而会导致大量请求直接到数据库，压垮数据库。预防的方案有：1、设置某些缓存数据永不过期； 2、将key的过期时间错开（比如按照一定的过期时间基数+-随机数） 3、实现多缓存方案，比如redis+memcache一起实现缓存。