redis 002

基于redis分布式缓存实现

第一：Redis 是什么？

Redis是基于内存、可持久化的日志型、Key-Value数据库 高性能存储系统

第二：出现背景

1.      性能需求, 随着读操作的量的上升需要解决，经历的过程有: 
数据库读写分离(M/S)–>数据库使用多个Slave–>增加Cache (memcache)–>转到Redis

2.      解决写的问题： 
水平拆分，对表的拆分，将有的用户放在这个表，有的用户放在另外一个表；

3.      开发成本需求 
开发需要跟上不断涌入的产品需求 
硬件成本最贵的就是数据库层面的机器，基本上比前端的机器要贵几倍，主要是IO密集型，很耗硬件；

Redis简介

1. 支持5种数据结构

支持strings, hashes, lists, sets, sorted sets 
string是很好的存储方式，用来做计数存储。sets用于建立索引库非常棒；

2.K-V 存储 vs K-V 缓存

新浪微博目前使用的98%都是持久化的应用，2%的是缓存，用到了600+服务器 
Redis中持久化的应用和非持久化的方式不会差别很大： 
非持久化的为8-9万tps，那么持久化在7-8万tps左右； 
当使用持久化时，需要考虑到持久化和写性能的配比，也就是要考虑redis使用的内存大小和硬盘写的速率的比例计算；

3. 社区活跃

Redis目前有3万多行代码, 代码写的精简，有很多巧妙的实现Redis基本原理

Redis基本原理

1. 单实例单进程

Redis使用的是单进程，所以在配置时，一个实例只会用到一个CPU； 在配置时，如果需要让CPU使用率最大化，可以配置Redis实例数对应CPU数,Redis实例数对应端口数(8核Cpu, 8个实例, 8个端口), 以提高并发: 
单机测试时, 单条数据在200字节, 测试的结果为8~9万tps；

2.Replication

过程:数据写到master–>master存储到slave的rdb中–>slave加载rdb到内存。 
存储点(save point): 当网络中断了, 连上之后, 继续传. 
Master-slave下第一次同步是全传，后面是增量同步；、

3. 数据一致性

长期运行后多个结点之间存在不一致的可能性； 
开发两个工具程序： 
1.对于数据量大的数据，会周期性的全量检查； 
2.实时的检查增量数据，是否具有一致性；

对于主库未及时同步从库导致的不一致，称之为延时问题； 
对于一致性要求不是那么严格的场景，我们只需要要保证最终一致性即可； 
对于延时问题，需要根据业务场景特点分析，从应用层面增加策略来解决这个问题； 
例如： 
1.新注册的用户，必须先查询主库； 
2.注册成功之后，需要等待3s之后跳转，后台此时就是在做数据同步。

第四：分布式缓存的架构设计

1.架构设计

由于redis是单点，项目中需要使用，必须自己实现分布式。基本架构图如下所示：

 

【应用场景】

1.  在我们小网站上用了redis，主要替换一个原来mysql高并发读写的表、和用队列替换了一个经常需要批量写和大量读的表，效率快了很多，数据服务器的高峰cpu负载从百分二三十降到了百分五左右。。

2. 我们在用，性能比Memcache不差，主要用来做订单队列和缓存，完全可以替换掉Memcache