文章收录在网站：http://hardyfish.top/
文章收录在网站：http://hardyfish.top/
文章收录在网站：http://hardyfish.top/
文章收录在网站：http://hardyfish.top/
Redis常见的数据类型有哪些？
string 字符串
字符串类型是 Redis 最基础的数据结构，首先键是字符串类型，而且其他几种结构都是在字符串类型基础上构建的。
字符串类型实际上可以是字符串：
- 简单的字符串、XML、JSON
- 数字：整数、浮点数
- 二进制：图片、音频、视频。
使用场景：
- 缓存、计数器、共享 Session、限速。
Hash（哈希）
在 Redis中哈希类型是指键本身是一种键值对结构
- 如
value={{field1,value1},……{fieldN,valueN}}使用场景：
哈希结构相对于字符串序列化缓存信息更加直观，并且在更新操作上更加便捷。
- 所以常常用于用户信息等管理，但是哈希类型和关系型数据库有所不同，哈希类型是稀疏的
- 而关系型数据库是完全结构化的，关系型数据库可以做复杂的关系查询
- 而 Redis 去模拟关系型复杂查询开发困难且维护成本高。
List（列表）
列表类型是用来储存多个有序的字符串，列表中的每个字符串成为元素，一个列表最多可以储存
2^32–1个元素在 Redis 中，可以队列表两端插入和弹出，还可以获取指定范围的元素列表、获取指定索引下的元素等
- 列表是一种比较灵活的数据结构，它可以充当栈和队列的角色。
使用场景：
- Redis 的
lpush+brpop命令组合即可实现阻塞队列，生产者客户端是用lpush从列表左侧插入元素
- 多个消费者客户端使用
brpop命令阻塞式的抢列表尾部的元素
- 多个客户端保证了消费的负载均衡和高可用性。
ZSet的底层是如何实现的？
Redis的有序集合（
Zset）是一种既可以看作是Set，又可以看作是Hash的数据结构
- 其底层实现主要使用了哈希表和跳跃表。
哈希表：
- 在Redis的Zset中，每个元素是唯一的，同时与每个元素关联的还有一个分数（
Score）。- 元素的唯一性保证可以由哈希表来实现。
- 即Redis的
Zset将元素作为哈希表的键，将对应的分数作为哈希表的值。跳跃表：
- Redis的Zset还需要依据分数来对元素进行排序，这个特性是通过跳跃表来实现的。
- 跳跃表是一种可以进行快速查找的数据结构。
- 由于跳跃表的特性，对于分数的查找、插入、删除都具有较好的时间复杂度。
Zset的基本形状就是：
- 哈希表确保了成员的唯一性和查找的速度，跳跃表确保了有序性以及区间查找。
什么是跳跃表？
跳跃表（
Skip List）是一种可以替代平衡树的数据结构。在它的简单形式中，跳跃表和链表是一致的，只不过在跳跃表中
- 链表的每个节点可能有多个指向其后继的指针，这样可以实现快速查找等操作。
跳跃表最主要的特点是它的查找，插入，删除操作的时间复杂度都是
O(logn)。基本思想：
假设我们有一个有序链表，我们想要查找一个元素，需要从头开始，一步一步的查找
- 这种情况下查找的时间复杂度是
O(n)。现在，我们对链表做一些增强，我们抽取出部分数据在上一级创建一个新的链表，上级链表的元素个数是下级链表的1/2
- 同理，我们再在上级链表的基础上抽取出数据在更高级别创建链表，这样就构成了多级索引。
level3: ---------------63 level2: ----31---------63 level1: ----31----47---63 level0: 15--31--47--63如上，我们有一个包含4个元素
{15，31，47，63}的链表
- 我们在这个链表的基础上创建了三个更高级别的链表，最高级别的链表只包含一个元素。
- 这样构成的数据结构就是跳跃表。
现在，如果我们想要查找47，我们可以从最高级别的链表开始，63>47
- 所以我们到第二级别的链表查找，31<47，再向右走，到达63，63>47
- 所以我们进入下一级链表，47就在这里。在跳跃表中，47这样的查找就是
logn的复杂度。跳跃表不仅能提供较快的查找速度，而且插入和删除元素也相对简单，主要是调整索引，改变指针的指向即可。
因此，跳跃表在很多场景下，例如Redis的
Sorted Set，都有被广泛应用。
什么是缓存穿透？怎么解决？
缓存穿透是指在使用缓存系统时，恶意请求或者不存在的数据频繁地被发送到缓存中，导致缓存无法命中
- 最终请求会直接落到后端数据库，造成数据库压力过大。
缓存穿透可能出现的原因包括：
恶意攻击：
- 攻击者有意发送不存在的数据请求，试图使缓存失效，以达到影响系统性能或者触发系统错误的目的。
随机查询：
- 大量并发的随机查询请求，其中大部分请求的数据都不存在于缓存中。
存在但很少访问的数据：
- 一些数据很少被访问，经常被请求但却不存在于缓存中，导致缓存穿透。
为了解决缓存穿透问题，可以采取以下措施：
布隆过滤器（Bloom Filter）：
布隆过滤器是一种高效的数据结构，用于判断某个元素是否存在于集合中。
在请求到来时，先使用布隆过滤器进行判断，如果被拦截则不再继续访问缓存和数据库，减轻了数据库的压力。
缓存空对象（Cache Null Object）：
- 当某个请求查询的数据不存在时，将空对象或者
null放入缓存，以防止相同的请求频繁查询数据库。- 在一定时间内，如果有相同的请求再次到来，则直接从缓存中获取到空对象，避免了对数据库的重复查询。
数据预热（Cache Pre-warming）：
- 在系统启动时，将一些常用或重要的数据预先加载到缓存中
- 提前热身缓存，避免了对这部分数据的缓存穿透问题。
异步加载（Asynchronous Loading）：
- 对于即将过期的缓存数据，可以在后台异步地进行数据加载和缓存的更新，避免了数据过期期间的缓存穿透。
限流和防护机制：
- 通过对请求进行限流、IP白名单校验和请求验证等手段，防止恶意攻击和异常流量对缓存系统造成压力。