小編給大家分享一下redis分布式如何實現(xiàn)，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

成都創(chuàng)新互聯(lián)于2013年開始，先為柳城等服務(wù)建站，柳城等地企業(yè)，進行企業(yè)商務(wù)咨詢服務(wù)。為柳城企業(yè)網(wǎng)站制作PC+手機+微官網(wǎng)三網(wǎng)同步一站式服務(wù)解決您的所有建站問題。

一 為什么使用 Redis

在項目中使用 Redis，主要考慮兩個角度：性能和并發(fā)。如果只是為了分布式鎖這些其他功能，還有其他中間件 Zookpeer 等代替，并非一定要使用 Redis。

性能：

如下圖所示，我們在碰到。這樣，后面的請求就去緩存中讀取，使得請求能夠迅速響應(yīng)。

特別是在秒殺系統(tǒng)，在同一時間，幾乎所有人都在點，都在下單。。。執(zhí)行的是同一操作———向數(shù)據(jù)庫查數(shù)據(jù)。

根據(jù)交互效果的不同，響應(yīng)時間沒有固定標準。在理想狀態(tài)下，我們的頁面跳轉(zhuǎn)需要在瞬間解決，對于頁內(nèi)操作則需要在剎那間解決。

并發(fā)：

如下圖所示，在大并發(fā)的情況下，所有的請求直接訪問數(shù)據(jù)庫，數(shù)據(jù)庫會出現(xiàn)連接異常。這個時候，就需要使用 Redis 做一個緩沖操作，讓請求先訪問到 Redis，而不是直接訪問數(shù)據(jù)庫。

使用 Redis 的常見問題

• 緩存和數(shù)據(jù)庫雙寫一致性問題
• 緩存雪崩問題
• 緩存擊穿問題
• 緩存的并發(fā)競爭問題

二 單線程的 Redis 為什么這么快

這個問題是對 Redis 內(nèi)部機制的一個考察。很多人都不知道 Redis 是單線程工作模型。

原因主要是以下三點：

• 純內(nèi)存操作
• 單線程操作，避免了頻繁的上下文切換
• 采用了非阻塞 I/O 多路復(fù)用機制

仔細說一說 I/O 多路復(fù)用機制，打一個比方：小名在 A 城開了一家快餐店店，負責(zé)同城快餐服務(wù)。小明因為資金限制，雇傭了一批配送員，然后小曲發(fā)現(xiàn)資金不夠了，只夠買一輛車送快遞。

經(jīng)營方式一

客戶每下一份訂單，小明就讓一個配送員盯著，然后讓人開車去送。慢慢的小曲就發(fā)現(xiàn)了這種經(jīng)營方式存在下述問題：

時間都花在了搶車上了，大部分配送員都處在閑置狀態(tài)，搶到車才能去送。

• 隨著下單的增多，配送員也越來越多，小明發(fā)現(xiàn)快遞店里越來越擠，沒辦法雇傭新的配送員了。
• 配送員之間的協(xié)調(diào)很花時間。
• 綜合上述缺點，小明痛定思痛，提出了經(jīng)營方式二。

經(jīng)營方式二

小明只雇傭一個配送員。當客戶下單，小明按送達地點標注好，依次放在一個地方。最后，讓配送員依次開著車去送，送好了就回來拿下一個。上述兩種經(jīng)營方式對比，很明顯第二種效率更高。

在上述比喻中：

• 每個配送員→每個線程
• 每個訂單→每個 Socket(I/O 流)
• 訂單的送達地點→Socket 的不同狀態(tài)
• 客戶送餐請求→來自客戶端的請求
• 明曲的經(jīng)營方式→服務(wù)端運行的代碼
• 一輛車→CPU 的核數(shù)

于是有了如下結(jié)論：

• 經(jīng)營方式一就是傳統(tǒng)的并發(fā)模型，每個 I/O 流(訂單)都有一個新的線程(配送員)管理。
• 經(jīng)營方式二就是 I/O 多路復(fù)用。只有單個線程(一個配送員)，通過跟蹤每個 I/O 流的狀態(tài)(每個配送員的送達地點)，來管理多個 I/O 流。

下面類比到真實的 Redis 線程模型，如圖所示：

Redis-client 在操作的時候，會產(chǎn)生具有不同事件類型的 Socket。在服務(wù)端，有一段 I/O 多路復(fù)用程序，將其置入隊列之中。然后，文件事件分派器，依次去隊列中取，轉(zhuǎn)發(fā)到不同的事件處理器中。

三 Redis 的數(shù)據(jù)類型及使用場景

一個合格的程序員，這五種類型都會用到。

String

最常規(guī)的 set/get 操作，Value 可以是 String 也可以是數(shù)字。一般做一些復(fù)。

Hash

這里 Value 存放的是結(jié)構(gòu)化的對象，比較方便的就是操作其中的某個字段。我在做單點登錄的時候，就是用這種數(shù)據(jù)結(jié)構(gòu)存儲用戶信息，以

List

使用 List 的數(shù)據(jù)結(jié)構(gòu)，可以。另外，可以，性能極佳，用戶體驗好。

Set

因為 Set 堆放的是一堆不重復(fù)值的集合。所以可以做全局去重的功能。我們的系統(tǒng)一般都是集群部署，使用 JVM 自帶的 Set 比較麻煩。另外，就是

Sorted Set

Sorted Set 多了一個，集合中的元素能夠按 Score 進行排列。可以做，取 TOP N 操作。。

四 Redis 的過期策略和內(nèi)存淘汰機制

Redis 是否用到家，從這就能看出來。比如你 Redis 只能存 5G 數(shù)據(jù)，可是你寫了 10G，那會刪 5G 的數(shù)據(jù)。怎么刪的，這個問題思考過么？

正解：Redis 采用的是定期刪除+惰性刪除策略。

為什么不用定時刪除策略

定時刪除，用一個定時器來負責(zé)監(jiān)視 Key，過期則自動刪除。雖然內(nèi)存及時釋放，但是十分消耗 CPU 資源。，因此沒有采用這一策略。

定期刪除+惰性刪除如何工作

定期刪除，Redis 默認每個 100ms 檢查，有過期 Key 則刪除。需要說明的是，Redis 不是每個 100ms 將所有的 Key 檢查一次，而是隨機抽取進行檢查。如果只采用定期刪除策略，會導(dǎo)致很多 Key 到時間沒有刪除。于是，惰性刪除派上用場。

采用定期刪除+惰性刪除就沒其他問題了么

不是的，如果定期刪除沒刪除掉 Key。并且你也沒及時去請求 Key，也就是說惰性刪除也沒生效。這樣，Redis 的內(nèi)存會越來越高。那么就應(yīng)該采用內(nèi)存淘汰機制。

在 redis.conf 中有一行配置：

# maxmemory-policy volatile-lru

該配置就是配內(nèi)存淘汰策略的：

• noeviction：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，新寫入操作會報錯。
• allkeys-lru：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在鍵空間中，移除最近最少使用的 Key。（推薦使用，目前項目在用這種）(最近最久使用算法)
• allkeys-random：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在鍵空間中，隨機移除某個 Key。（應(yīng)該也沒人用吧，你不刪最少使用 Key，去隨機刪）
• volatile-lru：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在設(shè)置了過期時間的鍵空間中，移除最近最少使用的 Key。這種情況一般是把 Redis 既當緩存，又做持久化存儲的時候才用。（不推薦）
• volatile-random：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在設(shè)置了過期時間的鍵空間中，隨機移除某個 Key。（依然不推薦）
• volatile-ttl：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在設(shè)置了過期時間的鍵空間中，有更早過期時間的 Key 優(yōu)先移除。（不推薦）

五 Redis 和數(shù)據(jù)庫雙寫一致性問題

一致性問題還可以再分為。數(shù)據(jù)庫和緩存雙寫，就必然會存在不一致的問題。前提是如果對數(shù)據(jù)有強一致性要求，不能放緩存。我們所做的一切，只能保證最終一致性。

另外，我們所做的方案從根本上來說，只能降低不一致發(fā)生的概率。因此，。首先，。其次，因為

六 如何應(yīng)對緩存穿透和緩存雪崩問題

這兩個問題，一般中小型傳統(tǒng)軟件企業(yè)很難碰到。如果有大并發(fā)的項目，流量有幾百萬左右，這兩個問題一定要深刻考慮。緩存穿透，即黑客故意去請求緩存中不存在的數(shù)據(jù)，導(dǎo)致所有的請求都懟到數(shù)據(jù)庫上，從而數(shù)據(jù)庫連接異常。

緩存穿透解決方案：

• 利用，緩存失效的時候，先去獲得鎖，得到鎖了，再去請求數(shù)據(jù)庫。沒得到鎖，則休眠一段時間重試。
• 采用，無論 Key 是否取到值，都直接返回。Value 值中維護一個緩存失效時間，緩存如果過期，異步起一個線程去讀數(shù)據(jù)庫，更新緩存。需要做緩存預(yù)熱(項目啟動前，先加載緩存)操作。
• 提供一個能迅速判斷請求是否有效的攔截機制，比如，利用布隆過濾器，內(nèi)部維護一系列合法有效的 Key。迅速判斷出，請求所攜帶的 Key 是否合法有效。如果不合法，則直接返回。

緩存雪崩，即緩存同一時間大面積的失效，這個時候又來了一波請求，結(jié)果請求都懟到數(shù)據(jù)庫上，從而導(dǎo)致數(shù)據(jù)庫連接異常。

緩存雪崩解決方案：

• 給緩存的失效時間，加上一個隨機值，避免集體失效。
• 使用，但是該方案吞吐量明顯下降了。
• 。我們有兩個緩存，緩存 A 和緩存 B。緩存 A 的失效時間為 20 分鐘，緩存 B 不設(shè)失效時間。自己做緩存預(yù)熱操作。
• 然后細分以下幾個小點：從緩存 A 讀數(shù)據(jù)庫，有則直接返回；A 沒有數(shù)據(jù)，直接從 B 讀數(shù)據(jù)，直接返回，并且異步啟動一個更新線程，更新線程同時更新緩存 A 和緩存 B。

八 如何解決 Redis 的并發(fā)競爭 Key 問題

這個問題大致就是，大家基本都是推薦用 。

但是并不推薦使用 Redis 的事務(wù)機制。因為我們的生產(chǎn)環(huán)境，基本都是 Redis 集群環(huán)境，做了數(shù)據(jù)分片操作。你一個事務(wù)中有涉及到多個 Key 操作的時候，這多個 Key 不一定都存儲在同一個 redis-server 上。因此，Redis 的事務(wù)機制，十分雞肋。

如果對這個 Key 操作，

這種情況下，準備一個，大家去搶鎖，搶到鎖就做 set 操作即可，比較簡單。

如果對這個 Key 操作，

假設(shè)有一個 key1，系統(tǒng) A 需要將 key1 設(shè)置為 valueA，系統(tǒng) B 需要將 key1 設(shè)置為 valueB，系統(tǒng) C 需要將 key1 設(shè)置為 valueC。

期望按照 key1 的 value 值按照 valueA > valueB > valueC 的順序變化。這種時候我們在時間戳。

假設(shè)時間戳如下：

系統(tǒng) A key 1 {valueA 3:00}

系統(tǒng) B key 1 {valueB 3:05}

系統(tǒng) C key 1 {valueC 3:10}

那么，假設(shè)系統(tǒng) B 先搶到鎖，將 key1 設(shè)置為{valueB 3:05}。接下來系統(tǒng) A 搶到鎖，發(fā)現(xiàn)自己的 valueA 的時間戳早于緩存中的時間戳，那就不做 set 操作了，以此類推。其他方法，比如。

看完了這篇文章，相信你對redis分布式如何實現(xiàn)有了一定的了解，想了解更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

分享標題：redis分布式如何實現(xiàn)-創(chuàng)新互聯(lián)
本文URL：http://weahome.cn/article/hijoi.html