做程序開發的你如果經常用Redis，這些問題肯定會遇到

分布式緩存Redis是一種支持Key-Value等多種數據結構的存儲系統。可用于緩存、事件發布或訂閱、高速隊列等多種場景。Redis使用ANSI C語言編寫，提供字符串（String）、哈希（Hash）、列表（List）、集合結構（Set、Sorted Set）、流（Stream）等數據類型的直接存取。數據讀寫基于內存，同時可持久化到磁盤。

在我們做開發的過程中經常會用到Redis，小編在這里就Redis談談，我們使用過程中經常會遇到的幾個問題吧。

一、Redis 的過期策略以及內存淘汰機制
這個問題相當重要，到底 Redis 有沒用到家，這個問題就可以看出來。

比如你 Redis 只能存 5G 數據，可是你寫了 10G，那會刪 5G 的數據。怎么刪的，這個問題思考過么？

還有，你的數據已經設置了過期時間，但是時間到了，內存占用率還是比較高，有思考過原因么?

回答：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監視 Key，過期則自動刪除。雖然內存及時釋放，但是十分消耗 CPU 資源。

在大并發請求下，CPU 要將時間應用在處理請求，而不是刪除 Key，因此沒有采用這一策略。

定期刪除+惰性刪除是如何工作

定期刪除，Redis 默認每個 100ms 檢查，是否有過期的 Key，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(如果每隔 100ms，全部 Key 進行檢查，Redis 豈不是卡死)。

因此，如果只采用定期刪除策略，會導致很多 Key 到時間沒有刪除。于是，惰性刪除派上用場。

也就是說在你獲取某個 Key 的時候，Redis 會檢查一下，這個 Key 如果設置了過期時間，那么是否過期了？如果過期了此時就會刪除。

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 Key。然后你也沒即時去請求 Key，也就是說惰性刪除也沒生效。這樣，Redis的內存會越來越高。那么就應該采用內存淘汰機制。

在 redis.conf 中有一行配置：
# maxmemory-policy volatile-lru
該配置就是配內存淘汰策略的(什么，你沒配過？好好反省一下自己)：

◆noeviction：當內存不足以容納新寫入數據時，新寫入操作會報錯。應該沒人用吧。

◆allkeys-lru：當內存不足以容納新寫入數據時，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。

◆allkeys-random：當內存不足以容納新寫入數據時，在鍵空間中，隨機移除某個 Key。應該也沒人用吧，你不刪最少使用 Key，去隨機刪。

◆volatile-lru：當內存不足以容納新寫入數據時，在設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：當內存不足以容納新寫入數據時，在設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：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，有更早過期時間的 Key 優先移除。不推薦。

PS：如果沒有設置 expire 的 Key，不滿足先決條件(prerequisites)；那么 volatile-lru，volatile-random 和 volatile-ttl 策略的行為，和 noeviction(不刪除) 基本上一致。

?

二、Redis 和數據庫雙寫一致性問題
一致性問題是分布式常見問題，還可以再分為最終一致性和強一致性。數據庫和緩存雙寫，就必然會存在不一致的問題。

答這個問題，先明白一個前提。就是如果對數據有強一致性要求，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，只能說降低不一致發生的概率，無法完全避免。因此，有強一致性要求的數據，不能放緩存。

回答：首先，采取正確更新策略，先更新數據庫，再刪緩存。其次，因為可能存在刪除緩存失敗的問題，提供一個補償措施即可，例如利用消息隊列。

?

三、如何應對緩存穿透和緩存雪崩問題
這兩個問題，說句實在話，一般中小型傳統軟件企業，很難碰到這個問題。如果有大并發的項目，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***故意去請求緩存中不存在的數據，導致所有的請求都懟到數據庫上，從而數據庫連接異常。

緩存穿透解決方案：

◆利用互斥鎖，緩存失效的時候，先去獲得鎖，得到鎖了，再去請求數據庫。沒得到鎖，則休眠一段時間重試。

◆采用異步更新策略，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據庫，更新緩存。需要做緩存預熱(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，結果請求都懟到數據庫上，從而導致數據庫連接異常。

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。

◆使用互斥鎖，但是該方案吞吐量明顯下降了。

◆雙緩存。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 不設失效時間。自己做緩存預熱操作。

然后細分以下幾個小點：從緩存 A 讀數據庫，有則直接返回；A 沒有數據，直接從 B 讀數據，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。

?

四、如何解決 Redis 的并發競爭 Key 問題
這個問題大致就是，同時有多個子系統去 Set 一個 Key。這個時候大家思考過要注意什么呢？

需要說明一下，我提前百度了一下，發現答案基本都是推薦用 Redis 事務機制。

我并不推薦使用 Redis 的事務機制。因為我們的生產環境，基本都是 Redis 集群環境，做了數據分片操作。

你一個事務中有涉及到多個 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 的事務機制，十分雞肋。

如果對這個 Key 操作，不要求順序

這種情況下，準備一個分布式鎖，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，要求順序

假設有一個 key1，系統 A 需要將 key1 設置為 valueA，系統 B 需要將 key1 設置為 valueB，系統 C 需要將 key1 設置為 valueC。

期望按照 key1 的 value 值按照 valueA > valueB > valueC 的順序變化。這種時候我們在數據寫入數據庫的時候，需要保存一個時間戳。

假設時間戳如下：

系統A key 1 {valueA 3:00}
系統B key 1 {valueB 3:05}
系統C key 1 {valueC 3:10}

那么，假設這會系統 B 先搶到鎖，將 key1 設置為{valueB 3:05}。接下來系統 A 搶到鎖，發現自己的 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，比如利用隊列，將 set 方法變成串行訪問也可以。總之，靈活變通。

總結
本文對 Redis 的常見問題做了一個總結。大部分是自己在工作中遇到，以及與別人交流的時候，愛問的一些問題。希望能幫到你哦。如果有更多這一方面的問題需要深入了解的，可以參考華為云幫助中心。