redis

1. 字符串 (String)

• 缓存：存储常用的数据，如用户信息、产品详情或计算结果等，以提高访问速度。
• 计数器：使用 INCR 命令轻松实现访问计数、点赞数和评论数等功能。
• SET key value：设置指定 key 的值。
• GET key：获取指定 key 的值。
• DEL key：删除指定 key。
• EXPIRE key seconds：设置 key 的过期时间。
• INCR key：将 key 对应的值加 1。
• DECR key：将 key 对应的值减 1。

2. 哈希 (Hash)

• 用户信息存储：将用户的属性（如姓名、邮箱、年龄等）作为字段存储，便于快速访问和更新。
• 对象模型：适用于在键值对内存中存储复杂对象，并进行高效修改。
• HSET key field value：设置 hash 中的字段。
• HGET key field：获取 hash 中指定字段的值。
• HDEL key field：删除 hash 中的特定字段。
• HGETALL key：获取 hash 中所有字段及其值。
• HKEYS key：获取 hash 中的所有字段名。
• HVALS key：获取 hash 中的所有字段值。

3. 列表 (List)

• 消息队列：使用列表的左推右弹特性实现驱动逻辑，如任务队列或通知队列。
• 活动日志：存储用户操作记录、系统日志等，可以实现按时间顺序进行记录和检索。
• LPUSH key value：向列表左侧推入值。
• RPUSH key value：向列表右侧推入值。
• LPOP key：从列表左侧弹出值。
• RPOP key：从列表右侧弹出值。
• LRANGE key start stop：获取列表指定范围的元素。
• LLEN key：获取列表中的元素数量。

4. 集合 (Set)

• 去重：用于存储唯一用户、标签或事件，适合于去重操作。
• 社交网络：实现好友关系、共同兴趣等的计算，例如社交网络中朋友的共同好友。
• SADD key value：向集合添加一个或多个成员。
• SREM key value：从集合中删除一个或多个成员。
• SMEMBERS key：获取集合中的所有成员。
• SISMEMBER key value：判断某个值是否是集合的成员。
• SINTER key1 key2：计算给定所有集合的交集。
• SUNION key1 key2：计算给定所有集合的并集。

5. 有序集合 (Sorted Set)

• 排行榜：可以很方便地实现游戏得分、用户评分等实时排行榜。
• 时间戳事件：按时间排序存储事件，以及通过分数（例如时间）进行查询。
• 优先级队列：可用于任务调度，将任务依据优先级（分数）进行安排。
• ZADD key score member：向有序集合添加一个成员及其分数。
• ZREM key member：从有序集合中删除一个成员。
• ZRANGE key start stop：获取有序集合中排序指定范围的成员。
• ZRANK key member：获取某成员在有序集合中的排名。
• ZCARD key：获取有序集合的成员数量。

6. 位图 (Bitmap)

• 用户在线状态：统计在线用户、活跃用户等。
• 统计分析：例如，日活跃用户（DAU）等大数据计算。
• SETBIT key offset value：设置位图的某一位。
• GETBIT key offset：获取位图的某一位的值。
• BITCOUNT key：计算字符串中被设置为 1 的位的数量。

7. 超日志 (HyperLogLog)

• 基数估计：在内存受限的情况下，快速估算集合中独立元素的数量，而无需存储所有元素。
• 分析应用：适用于日志分析、用户访问计数等大数据场景。
• PFADD key element：将元素添加到 HyperLogLog 中。
• PFCOUNT key：获取 HyperLogLog 的基数估计。

8. 地理位置 (Geospatial)

• 位置服务：存储和检索地理位置数据，适用于商业、物流和社交网络应用。
• 附近搜索：查找某个位置附近的其他位置（如商店、用户等）。
• GEOADD key longitude latitude member：添加地理位置。
• GEORADIUS key longitude latitude radius unit：查找某个半径内的地理位置。
• GEODIST key member1 member2：计算两个地理位置之间的距离。

9. Stream 数据结构

• XADD key id field value：向流中添加一条消息。
• XRANGE key start end：获取流中某一范围的消息。
• XREAD STREAMS key count：读取流中消息。

10. 事务与脚本

• MULTI：开始一个事务。
• EXEC：执行事务中的所有命令。
• DISCARD：放弃事务中的所有命令。
• WATCH key：监视一个或多个 key 的变化，用于乐观锁。

11. 其他常用命令

• PING：检测与 Redis 服务器的连接。
• FLUSHALL：删除所有数据库中的所有 key。
• FLUSHDB：删除当前数据库中的所有 key。
• INFO：获取关于 Redis 服务器的信息和统计数据。

1. 缓存穿透 (Cache Penetration)

• 成因： 客户端请求的数据在缓存中不存在（缓存未命中），并且在数据库中也不存在，导致请求每次都会穿透缓存直接访问数据库。如果大量请求这类不存在的数据，会对数据库造成很大的压力，甚至导致数据库崩溃。这种情况通常发生在恶意攻击或爬虫程序尝试访问不存在的数据时。
• 影响： 数据库压力增大，严重时会导致数据库崩溃。
• 解决方案：
  • 缓存空对象： 当数据库查询结果为空时，仍然将空值（例如 null 或特定的空对象）放入缓存，并设置一个较短的过期时间。这样，后续相同的请求会直接在缓存中命中，避免了穿透到数据库。
  • 布隆过滤器 (Bloom Filter)： 布隆过滤器是一种高效的数据结构，用于判断一个元素是否可能存在于一个集合中。在缓存之前使用布隆过滤器进行过滤，如果布隆过滤器判断数据不存在，则直接返回，避免了访问缓存和数据库。这种方法适用于数据量非常大且允许一定误判率的场景。
  • 参数校验： 在接口层面进行参数校验，过滤掉明显不合法的请求，例如 ID 为负数的请求。

2. 缓存击穿 (Cache Breakdown)

• 成因： 一个热点 Key（访问非常频繁的 Key）在缓存中过期失效，此时大量并发请求同时访问该 Key，由于缓存中没有数据，这些请求会全部落到数据库上，导致数据库压力剧增。
• 影响： 数据库压力增大，在高并发场景下可能导致数据库崩溃。
• 解决方案：
  • 互斥锁 (Mutex Lock) 或分布式锁： 只允许一个线程去数据库查询数据，并将查询结果写入缓存，其他线程则等待。这样可以避免大量请求同时访问数据库。
  • 永不过期： 将热点 Key 设置为永不过期，或者设置较长的过期时间。这种方法需要注意缓存数据的一致性问题，如果数据发生变更，需要及时更新缓存。
  • 提前更新： 在热点 Key 即将过期前，通过后台线程或定时任务提前更新缓存。

3. 缓存雪崩 (Cache Avalanche)

• 成因： 大量缓存在同一时间过期失效，导致大量的请求同时落到数据库上，数据库无法承受如此大的压力而崩溃。这种情况通常发生在缓存服务器宕机或大量缓存 Key 设置了相同的过期时间时。
• 影响： 数据库压力巨大，可能导致数据库崩溃，甚至整个系统瘫痪。
• 解决方案：
  • 设置不同的过期时间： 在设置缓存 Key 的过期时间时，加上一个随机数，避免大量的 Key 在同一时间过期。
  • 使用多级缓存： 使用多级缓存架构，例如使用本地缓存（如 JVM 堆缓存）和分布式缓存（如 Redis）结合，降低缓存失效带来的影响。
  • 构建高可用缓存集群： 部署多个 Redis 实例构成集群，避免单点故障导致所有缓存失效。
  • 限流降级： 在缓存失效后，对数据库请求进行限流，避免大量请求涌入数据库。可以采用熔断或降级策略，例如返回默认值或错误信息。