My Blog

Appearance

Redis 介绍 ​

Redis 是一种高性能的内存数据库，通常被用作缓存、消息队列、会话存储以击实时数据处理。

它解决项目中的缓存问题

Redis 特点 ​

1.数据存储在内存中

  • 读写速度非常快，通常可达到每秒几十万次操作。
  • 适合需要高并发、低延迟的场景。

2.支持多种数据结构

  • String
  • Hash
  • List
  • Set
  • Sorted Set
  • Stream
  • Bitmap、HyperLogLog 等

3.支持持久化

  • 虽然主要使用内存，但可以将数据保存到磁盘。
  • 即使服务器重启，液能恢复数据。

4.支持发布订阅（Pub/Sub）

  • 可一世先简单的消息队列功能。

5.支持分布式部署

  • Redis Cluster 提供数据分片和高可用能力

Redis 常见用途 ​

1.缓存（最常见）

数据库查询结果先放入Redis：

用户请求
    ↓
Redis缓存
    ↓ (没有命中)
MySQL数据库

这样可以减少数据库压力，提高系统响应速度。

2.用户登陆状态（Session）

存储用户登录信息：

SET session:abc123 "user1001"
EXPIRE session:abc123 3600

表示登录状态 1 小时后自动过期。

3.计数器

统计网站访问量：

INCR page:view

每访问一次自动加 1。

4.消息队列

生产者：

bash
LPUSH task_queue "任务1"

消费者：

bash
RPOP task_queue

Redis 与 MySQL 的区别 ​

对比项RedisMySQL
存储位置内存为主磁盘为主
速度非常快（微秒级）较慢（毫秒级）
数据结构丰富关系型表
查询能力简单 Key-Value复杂 SQL
数据量受内存限制可存储海量数据
主要用途缓存、实时数据核心业务数据
  • MySQL = 仓库（容量大，但取货较慢）
  • Redis = 柜台（容量小，但取货极快）

主要内容 ​

  • 数据类型
  • 命令
  • 配置
  • 持久化
  • 管道
  • 事务
  • 分布式锁
  • 主从复制
  • 哨兵模式
  • 集群
  • 客户端
  • 应用场景
Redis基础命令
    ↓
Spring Boot整合Redis
    ↓
缓存设计（穿透/击穿/雪崩）
    ↓
Redis分布式锁
    ↓
Redis原理（RDB/AOF）
    ↓
Redis集群

数据库架构发展 ​

传统数据库的扩展性差（需要复杂的技术来实现），大数据下IO压力大（硬盘读写缓慢），表结构更改困难

发展流程：

  • 单库：最初的数据读写由单个数据库完成
    • 随着访问量增加而出现性能问题
  • 缓存：数据访问量过高后，发展为将数据缓存到内存中，提高访问速度（内存读写远快于硬盘）
    • 通过缓存，缓解数据库的压力，优化数据结构和索引
  • 读写分离：访问量进一步增长，缓存也无法解决时，开始以读写分离的方式解决
    • 数据写入压力增加，主从复制和读写的方案进入视野
  • 分库分表：访问量再次增长，开始再次分割数据库
    • 主库的写压力过高，开始使用InnoDB引擎，以及分库技术

单库架构和主从设计 ​

单库架构三个阶段：

单服务器阶段所有的业务数据都存放在一个数据库中

分布式部署阶段，通过负载均衡流量分散到多台服务器上，但依旧访问一个数据库（这里之解决了服务器压力）

引入缓存，缓解数据库读写压力（在数据库前设置缓存处理，读压力变小）

主从设计:

进一步利用数据库的读写分离，在写入数据时，访问 主数据库（Master），主数据库通过主从复制机制将数据更新同步到 从数据库（Slave），这样当服务器读取数据时，就可以通过 从数据 库获得数据。

主从设计的方式 ​

垂直拆分：

为了各个业务模块相互不受影响，我们把应用层进行垂直拆分，即：把商品模块、订单模块、用户模块进行拆分，都单独作为一个应用系统，分别构建读写独立的数据库服务器，这样，当某个业务模块出现故障时，其他业务模块不受影响。

垂直拆分

水平拆分：

MyCat 作为数据库中间件，可以帮助我们解决多个数据库不好管理的问题。只需要统一连接 MyCat 对外提供一个地址，而 MyCat 则帮这些项目练习所有后端的 MySQL 数据库。

alt text

Nosql 分类 ​

  • k-v：Memcache/Redis
    • 支持快速查找，常用于缓存
  • 列族：Hbase
    • 按列存储，方便结构化和压缩
  • 文档：MongoDB
    • 用类似json的格式存储，可以对某些字段建立索引
  • 图：Neo4j
    • 图形关系的解决方案
  • ...

CAP 定理 ​

一致性（Consistency）所有节点在同一时间具有相同的数据 可用性（Availability）保证每个请求不管成功或失败都有响应 分区容忍（Partition tolerance）系统中任意信息的丢失或失败不会影响系统的继续运作

CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容忍这三个需求，最多只能同时较好的满足两个

CA - 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大。 CP - 满足一致性，分区容忍性的系统，通常性能不是特别高 AP - 满足可用性和分区容忍性的系统，通常可能对一致性要求低一些