知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 00 - Redis 概述:从“缓存”到实时数据基础设施 > Redis 不只是“把热点数据放进内存”。在生产系统中,它常被用于缓存加速、会话管理、限流、排行榜、延迟任务、分布式协调与实时消息分发。正确的选型与治理,决定它是业务性能的放大器,还是一次故障的放大器。 ## 先给结论 Redis 是一个以**内存存储**为主、支持多种数据结构、可选持久化与分布式高可用能力的开源数据平台。它最擅长处理高并发、低延迟、访问模式明确的读写场景;它通常不应替代关系型数据库作为核心事实来源。 在商业系统中,推荐把 Redis 视为: - **性能层**:为数据库与下游服务削峰、减压、降低响应时间; - **实时状态层**:承载会话、计数、排名、短生命周期状态; - **协调能力层**:实现限流、幂等、防重、轻量级队列与分布式锁; - **需要治理的基础设施**:容量、过期、热点、高可用、数据一致性均必须被设计与监控。 ## 业务背景:为什么系统需要 Redis 典型在线业务的主链路往往是:  当访问量增长时,关系型数据库和外部服务通常首先承受压力:磁盘 I/O、锁竞争、连接数、复杂查询与网络调用都会推高延迟。即使单次查询只有几十毫秒,在高并发下也会迅速耗尽连接池和计算资源。 Redis 将高频、可复用或短生命周期的数据放入内存,使大量请求在到达数据库前被命中并快速返回:  这里的核心价值不是“永远不访问数据库”,而是把数据库留给必须执行的事务、复杂查询和权威写入,让系统在峰值流量下仍然可预测。 ## Redis 到底解决什么问题 | 业务诉求 | Redis 能力 | 常见用法 | 关键约束 | |---|---|---|---| | 降低读延迟与数据库压力 | 内存读写、TTL | 商品详情、配置、字典数据缓存 | 需处理缓存一致性与失效 | | 保存短期状态 | String / Hash + 过期 | 登录会话、验证码、临时令牌 | 必须设置合理 TTL | | 原子计数与限流 | INCR、Lua | 点赞数、接口限流、库存预扣 | 设计原子边界与降级策略 | | 有序排序与实时榜单 | ZSet | 积分榜、热度榜、延迟优先级 | 控制成员规模与查询范围 | | 消息与事件分发 | Stream、Pub/Sub、List | 异步通知、轻量任务流 | 明确消费确认和积压处理 | | 跨实例协调 | SET NX EX、Lua | 幂等、防重、短时互斥 | 锁不是事务;要防误删与超时 | ## 为什么 Redis 快 Redis 的高性能来自一组工程设计的组合,而不是单一的“数据在内存中”。 1. **以内存为主存储**:避免常规磁盘随机 I/O 成为读写主路径。 2. **高效数据结构与紧凑编码**:String、Hash、List、Set、ZSet 会依据数据规模选择合适编码,兼顾操作效率与内存占用。 3. **事件驱动网络模型**:利用 I/O 多路复用处理大量连接;命令执行路径保持简单、短小。 4. **单线程执行命令的确定性**:大多数命令在单线程中顺序执行,避免共享数据结构上的锁竞争;Redis 6 起可用多线程处理部分网络 I/O,但命令执行并非并行化。 5. **协议与命令设计轻量**:RESP 协议简单,常用操作可在常数或对数复杂度内完成。 > “Redis 单线程所以一定快”是不完整的说法。慢命令、大 Key、全量返回、高网络负载、持久化 fork、内存换页和客户端阻塞,都会让 Redis 变慢。 ## Redis 的核心优势 ### 低延迟与高吞吐 适合对响应时间敏感的读多写少场景,例如商品详情、用户画像、配置读取。实际性能受数据大小、命令复杂度、网络、实例规格和持久化策略共同影响;容量规划时应基于压测数据,而不是只看理论 QPS。 ### 丰富的数据模型 Redis 提供 String、Hash、List、Set、ZSet、Stream、Bitmap、HyperLogLog、Geo 等结构。业务可以直接使用贴近问题域的数据结构,而非把所有需求都序列化为一个大 JSON。 ### 原子操作与脚本能力 单条命令天然原子;Lua 脚本可将“读取—判断—写入”组合为一次原子执行,适合计数、校验、扣减和安全释放锁等场景。脚本必须短小、可预期,避免长时间阻塞事件循环。 ### 过期、淘汰与可控内存 TTL 让短生命周期数据自动失效;`maxmemory` 与淘汰策略让系统在内存逼近上限时有明确行为。没有 TTL、没有容量水位、没有淘汰策略的 Redis,最终往往会以 OOM 或业务抖动的方式暴露问题。 ### 可扩展与高可用 通过主从复制、Sentinel 或 Redis Cluster,可以提升读扩展能力与故障恢复能力。它们通常提供的是高可用和最终一致性的工程折中,不等价于跨节点强一致事务。 ## Redis 不是什么:边界比优势更重要 Redis 并不天然适合所有数据和所有一致性要求。以下场景要谨慎,或需要与数据库、消息队列等组件配合: | 场景 | 为什么不应只依赖 Redis | 推荐做法 | |---|---|---| | 订单、支付、账务等核心事实 | 需要强事务、审计、复杂查询与长期可靠存储 | 关系型数据库作为事实来源,Redis 做缓存或辅助状态 | | 大对象或海量长期数据 | 内存成本高,大 Key 会阻塞与放大复制/持久化压力 | 对象存储、数据库分表或拆分 Key | | 复杂多维检索与关联分析 | Redis 不是通用分析数据库 | 使用搜索引擎、OLAP 或关系型数据库 | | 要求跨机房零数据丢失 | 异步复制与故障切换存在数据窗口 | 明确 RPO/RTO,采用多副本、数据库事务或可靠消息机制 | | 无上限队列或不可控消息堆积 | 内存被持续占用,恢复时间与成本上升 | 使用专业消息队列,或为 Stream 设置消费、截断和监控策略 | 一个实用原则是:**数据库负责正确性与持久事实,Redis 负责速度、短期状态和流量调节。** ## 商业系统中的典型架构 ### 1. 缓存加速:Cache Aside 最常见的模式是旁路缓存(Cache Aside):读路径优先查缓存,未命中时查询数据库并回填;写路径先更新数据库,再删除缓存。  *图:读路径命中即返回,未命中回源回写并设 TTL* ```text 读:应用 → Redis 命中 → 返回 │ └─ 未命中 → 数据库 → 写入 Redis(设置 TTL)→ 返回 写:应用 → 更新数据库 → 删除 Redis 缓存 ``` “更新数据库后删除缓存”通常优于“同时更新缓存”,因为写入后的缓存值、过期时间和并发覆盖问题更容易失控。该模式允许短暂不一致,因此需要根据业务定义可接受的一致性窗口。 ### 2. 流量治理:限流、验证码与幂等 Redis 的原子命令和 Lua 脚本适合做轻量、高频的流量治理: ```text 接口限流:INCR + EXPIRE 或 Lua 令牌桶 / 滑动窗口 验证码:SET verify:{phone} code EX 300 NX 幂等控制:SET idempotency:{requestId} processing NX EX 60 防重复提交:短 TTL 状态 + 业务结果落库 ``` 这些能力应被视为“保护业务”的第一道闸门。必须设置过期时间、唯一值和失败后的兜底逻辑,不能把 Redis 的临时状态当成永久业务记录。 ### 3. 实时业务:排行榜、计数和延迟任务 ZSet 可以按分数排序,适合排行榜;String 的原子自增适合计数;带时间戳 score 的 ZSet 可实现简易延迟任务扫描。 ```bash # 排行榜:分数越高排名越靠前 ZINCRBY leaderboard:daily 10 user:1001 ZREVRANGE leaderboard:daily 0 9 WITHSCORES # 计数器:原子自增并设置过期 INCR api:count:2026-07-30 EXPIRE api:count:2026-07-30 86400 # 延迟任务:score 为执行时间戳 ZADD delay:orders 1760000000 order:1001 ZRANGEBYSCORE delay:orders -inf 1760000000 LIMIT 0 100 ``` 当任务量、投递可靠性或消费语义变复杂时,应评估 Redis Stream 或专业消息队列,而不是无限扩张一个 ZSet。 ## 选型速览:Redis、数据库与消息队列 | 能力 | Redis | 关系型数据库 | 消息队列 | |---|---|---|---| | 毫秒级低延迟热点访问 | 强 | 中等 | 不适用 | | 强事务与复杂查询 | 弱 | 强 | 弱 | | 长期权威数据保存 | 有限,需谨慎 | 强 | 不适用 | | 流量削峰与异步消费 | 有限,需设计 | 弱 | 强 | | 实时计数、排名、临时状态 | 强 | 中等 | 弱 | | 典型定位 | 加速与状态 | 事实来源 | 异步解耦与削峰 | 不要把它们理解为互斥选项。成熟系统通常将三者组合:数据库保存事实、Redis 服务热点和状态、消息队列承接异步事件。 ## 上线前必须回答的六个问题 1. **数据的事实来源是什么?** Redis 宕机或数据丢失后,是否能从数据库或事件流恢复? 2. **每个 Key 的生命周期是什么?** 是否设置 TTL?TTL 是否加入随机抖动以避免集中失效? 3. **允许多长时间的不一致?** 缓存更新、删除失败与回填竞争如何处理? 4. **容量上限与淘汰策略是什么?** `maxmemory`、淘汰策略、内存水位和扩容阈值是否明确? 5. **热点与大 Key 如何发现?** 是否有慢日志、命令统计、Big Key 扫描、热 Key 监控与告警? 6. **故障时业务如何降级?** Redis 不可用时是限流、读旧数据、回源数据库还是快速失败?数据库能承受多少回源流量? ## 常见误区 - **“Redis 很快,所以所有数据都放进去。”** 内存不是免费资源;大 Key 和无 TTL 数据会直接损害稳定性。 - **“加了缓存,数据库就安全了。”** 缓存穿透、击穿、雪崩都可能让流量瞬间回源,需要独立防护。 - **“主从复制等于不会丢数据。”** 异步复制存在延迟,故障切换可能丢失尚未同步的写入。 - **“分布式锁只要 SETNX 就够。”** 锁需要原子设置过期、唯一持有者标识、Lua 校验释放和必要的续期机制。 - **“单线程不能用多核。”** Redis 的命令执行模型与网络 I/O、后台持久化线程、集群分片是不同层面的概念。 ## 建议的学习与落地路线  *图:Redis 十个模块自上而下的递进学习顺序* ```text 00 概述:明确定位、价值与边界 ↓ 01 数据结构:按业务问题选择 String / Hash / List / Set / ZSet ↓ 02 持久化 + 03 内存:理解数据恢复、过期与容量边界 ↓ 04 高可用 + 05 集群:设计副本、故障恢复与扩展 ↓ 06 缓存问题 + 07 分布式锁:解决生产高频风险 ↓ 08 事务 Lua + 09 I/O:掌握原子编排和性能原理 ↓ 10 热 Key / Big Key:建立持续治理能力 ``` ## 本章小结 - Redis 的核心价值是低延迟、高并发和丰富数据结构,但它不是数据库替代品。 - 最常见的生产定位是缓存、短期状态、实时计数/排序和轻量协调。 - Redis 方案必须同时设计数据来源、TTL、容量、淘汰、高可用、一致性和降级。 - 正确使用 Redis 的关键不是“多放数据”,而是让它只承载最适合的访问模式。 ## 思考题 1. 如果商品详情缓存失效,数据库最多只能承受正常流量的两倍,如何设计击穿保护与降级策略? 2. 对订单创建接口,Redis 幂等标记与数据库唯一索引分别解决什么问题?为什么两者通常要同时存在? --- 下一篇:[01 - 数据结构与底层实现](./01-data-structures.md)
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入