Redis是一个基于内存的、单进程单线程模型的高性能kv数据库，目前使用量可以说吊打所有缓存中间件，尤其是在分布式系统中，redis可以满足很多场景需求，比如最常用的数据缓存，还有计数器、分布式session、分布式锁、消息队列等，小编就用redis的sortedset实现过一个排队系统，非常好用。
核心数据结构
对于redis的数据结构，相信用过的小伙伴都知道：
string
list
set
sorted set
hash
但在比较新的redis版本中还提供了一些高级的数据结构，比如HyperLogLog，但是小编也没用过，后面研究研究在分享给各位（此处不得不感慨每种框架、中间件都在快速发展，一点都不考虑程序员们的头发）。
下面列举几个小编接触过的、使用比较频繁的场景（此处很希望有同学能在评论里补充）。
用哈希表缓存购物车。（这里说的购物车指的是登录状态下的购物车，未登录状态下的购物车一般会塞到cookie里，登录后再合并）。
hset cart:userid goodsid nums #加入商品到购物车hincrby cart:userid goodsid #调整购物车中商品的数量hlen cart:userid #获取购物车中所有商品的数量hdel cart:userid goodsid #从购物车中删除某个商品hgetall cart:userid #获取购物车中的商品列表
注：在使用hash结构时，应该尽量避免field数量过多，为什么呢？因为redis是单线程模型，field数量太多，会导致某些操作非常耗时这会使redis服务出现停顿，高并发场景下非常危险！！！！
利用set实现抽奖
sadd promotionKey userid #参与抽奖smembers promotionKey #查看参与抽奖的人srandmember promotionKey count #随机抽count个用户，但不删除
//Removes and returns one or more random elements //from the set value store at keyspop promotionKey count #随机抽count个用户，并将其从集合中删除，这对于需要多次抽奖的场景非常有用
利用有序集合实现排行榜（这个应该是很常用的，尤其是在一些后管系统中）
zincrby hotkey_20191118 1 key01 #key01 + 1，一般对应一次点击或数据流中的一条数据zrevrange hotkey_20191118 0 10 with score # 查询排行榜前10
#对多天的数据进行合并，这个也挺常用的#思路就是 将多天数据合并和存储到一个单独的key中，在revrangezunionstore hotkey_201916_18 hotkey_20191116 hotkey_20191117 hotkey_20191118zrevrange hotkey_201916_18 0 10 withscore
分布式锁
#加锁set lockkey 0 ex 5 nx #解锁del lockkey
用nx实现锁竞争，用ex增加超时时间，避免死锁，但是这样实现的分布式锁很简陋，不支持阻塞、超时获取锁、不支持可重入等，只能用在简单场景中，例如小编曾经用这样的redis 分布式锁实现了在多个定时任务之间互斥执行的逻辑，主要因为不涉及到重入等高级特性，获取锁成功就执行，失败就returen掉。
如果需要高级特性的话，小编建议使用一个叫Redission的工具，这玩意很强大，可以说就是个分布式的java.util.Lock，附上github地址（https://github.com/redisson/redisson），感兴趣的同学可以去看看。
持久化策略
Redis基于内存，在掉电和服务宕机的情况下很容易造成数据丢失，为此Redis提供了持久化机制来保证数据的可靠性。
目前在最新版的Redis中支持三种持久化策略：
RDB
AOF
RDB + AOF混合模式
RDB模式是通过数据快照的方式进行数据持久化的，可以通过修改配置文件中的save参数来指定具体的RDB持久化策略。
# 900秒内有一次修改save 900 1#300秒内有10次修改save 300 10#60秒内有1000次修改save 60 1000
当进行数据持久化时，Redis主线程fork出一个子进程将内存中的数据以二进制的方式持久化到磁盘上。使用RDB持久化策略的好处在于他不影响主线程对外服，另外用RDB文件进行数据重建的速度也比较快，但是凡事都有两面性，RDB模式会造成部分数据丢失，因为不是对数据实时持久化，另外一点是如果内存中的数据量比较大的话，数据持久化线程也会长时间抢占系统资源，造成主线程服务性能下降，但一般情况下，这个问题都不是问题，因为我们在使用Redis的时候都是集群部署，例如Sentinel和Cluster两种进群模式，很容易实现读写分离和数据分片，都能比较好的缓解这个问题。
Redis基础原理总结
扫一扫手机访问
