Redis 学习记录#
本文档记录 Redis 的核心知识点、常用命令示例、底层原理与实战应用场景。 适合作为学习笔记、复习资料与面试准备。
一、Redis 简介#
Redis(Remote Dictionary Server) 是一个开源的、基于内存的 键值(Key-Value)数据库,用 C 语言编写。
1.1 核心特点#
- 基于内存: 数据存于内存,读写速度极快(10 万+ QPS)
- 支持持久化: RDB 和 AOF 两种方式,防止数据丢失
- 多种数据结构: String、Hash、List、Set、ZSet 等
- 单线程模型: 命令执行是单线程的(网络 IO 多路复用),天然原子性
- 高可用: 支持主从复制、哨兵模式、集群模式
- 丰富功能: 事务、发布订阅、Lua 脚本、过期策略、分布式锁
1.2 为什么这么快?#
- 数据存储在内存中,读写无需磁盘 IO
- 采用单线程模型,避免了多线程上下文切换和锁竞争
- 使用 IO 多路复用(epoll)处理大量并发连接
- 底层数据结构优化(如 SDS、跳表、压缩列表等)
1.3 应用场景#
| 场景 | 说明 |
|---|---|
| 缓存 | 热点数据缓存,减轻数据库压力 |
| 计数器 | 文章阅读量、点赞数(INCR) |
| 排行榜 | ZSet 实现实时排名 |
| 分布式锁 | SET key value NX PX |
| 会话共享 | 存储用户 Session |
| 消息队列 | List / Stream 实现简单队列 |
| 限流 | 计数器 + 过期时间 |
二、安装与连接#
2.1 安装(Windows / Linux)#
# Linux(以 Ubuntu 为例)
sudo apt update
sudo apt install redis-server
# 启动服务
redis-server
# 客户端连接
redis-cli
# 测试
127.0.0.1:6379> ping
PONG
2.2 常用启动配置#
# 指定配置文件启动
redis-server /etc/redis/redis.conf
# 指定端口和密码启动
redis-server --port 6380 --requirepass "123456"
# 客户端连接指定端口和密码
redis-cli -p 6380 -a 123456
2.3 常用基础命令#
PING # 测试连接
SELECT 1 # 切换数据库(默认 0-15 共 16 个库)
DBSIZE # 当前库 key 数量
KEYS * # 查看所有 key(生产环境慎用!)
SCAN 0 MATCH user:* COUNT 100 # 渐进式遍历(推荐)
EXISTS key # 判断 key 是否存在
TYPE key # 查看 key 的类型
DEL key # 删除 key
EXPIRE key 60 # 设置过期时间(秒)
TTL key # 查看剩余过期时间(-1 永不过期,-2 不存在)
PERSIST key # 移除过期时间
FLUSHDB # 清空当前库(慎用)
FLUSHALL # 清空所有库(慎用)
注意: 生产环境禁用
KEYS *,它会阻塞 Redis。应使用SCAN遍历。
三、核心数据类型#
Redis 有 5 种基本数据类型:String、Hash、List、Set、ZSet(有序集合)。
3.1 String(字符串)#
最基础的类型,可以存储字符串、数字、二进制数据。最大 512MB。
# 常用命令
SET name "张三" # 设置值
GET name # 获取值
SETEX code 60 "8888" # 设置值并指定过期时间(秒)
SETNX lock "1" # key 不存在才设置(分布式锁基础)
MSET k1 v1 k2 v2 # 批量设置
MGET k1 k2 # 批量获取
STRLEN name # 字符串长度
APPEND name "老师" # 追加字符串
# 数字操作(原子性)
SET count 0
INCR count # 自增 1
INCRBY count 10 # 增加 10
DECR count # 自减 1
DECRBY count 5 # 减少 5
应用场景: 缓存、计数器、分布式锁、Session 共享。
示例:分布式锁
SET lock:order "user_123" NX PX 30000
# NX:key 不存在才设置成功
# PX 30000:30 秒后自动过期
3.2 Hash(哈希)#
存储键值对集合,类似 Java 中的 Map<String, Map<String, String>>,适合存储对象。
# 常用命令
HSET user:1 name "张三" age 20 # 设置字段
HGET user:1 name # 获取单个字段
HMGET user:1 name age # 获取多个字段
HGETALL user:1 # 获取所有字段和值
HKEYS user:1 # 获取所有字段名
HVALS user:1 # 获取所有字段值
HLEN user:1 # 字段数量
HEXISTS user:1 name # 判断字段是否存在
HDEL user:1 age # 删除字段
HINCRBY user:1 age 1 # 字段自增
应用场景: 存储对象(如用户信息)、购物车。
示例:
HSET cart:1001 item:1 "iPhone" item:2 "MacBook"
HINCRBY cart:1001 count:1 1 # 商品数量 +1
3.3 List(列表)#
有序、可重复的字符串列表,底层是双向链表(快速列表 quicklist)。
# 常用命令
LPUSH list a b c # 左侧插入(c 在头)
RPUSH list d e # 右侧插入
LRANGE list 0 -1 # 查看全部元素
LPOP list # 左侧弹出
RPOP list # 右侧弹出
LLEN list # 列表长度
LINDEX list 0 # 按索引获取
LREM list 1 a # 删除 1 个值为 a 的元素
LTRIM list 0 9 # 保留 0-9 索引范围
应用场景: 消息队列、最新列表、栈/队列。
示例:简单的消息队列
# 生产者
LPUSH queue "task1"
# 消费者(阻塞式获取,timeout 5 秒)
BRPOP queue 5
3.4 Set(集合)#
无序、不可重复的字符串集合,支持交集、并集、差集运算。
# 常用命令
SADD tag java python go # 添加元素
SMEMBERS tag # 查看所有成员
SISMEMBER tag java # 判断是否包含
SCARD tag # 元素数量
SREM tag python # 删除元素
SPOP tag # 随机弹出一个元素
# 集合运算
SINTER set1 set2 # 交集
SUNION set1 set2 # 并集
SDIFF set1 set2 # 差集
应用场景: 标签、共同好友、抽奖、去重。
示例:共同好友
SADD user:1:friends "2" "3" "4"
SADD user:2:friends "3" "4" "5"
SINTER user:1:friends user:2:friends # 共同好友:3, 4
3.5 ZSet(有序集合)#
集合元素唯一,每个元素关联一个 score(分值),按 score 排序。底层是跳表 + 哈希表。
# 常用命令
ZADD rank 100 "张三" 200 "李四" 150 "王五" # 添加元素和分值
ZRANGE rank 0 -1 WITHSCORES # 按分值升序
ZREVRANGE rank 0 -1 WITHSCORES # 按分值降序
ZSCORE rank "张三" # 查看某元素分值
ZINCRBY rank 10 "张三" # 分值增加
ZRANK rank "张三" # 升序排名(从 0 开始)
ZREVRANK rank "张三" # 降序排名
ZCARD rank # 元素数量
ZCOUNT rank 100 200 # 分值区间内数量
ZREM rank "王五" # 删除元素
应用场景: 排行榜、延时队列、带权重的任务调度。
示例:实时排行榜
# 玩家得分
ZADD game:rank 9500 "player1" 8800 "player2" 9200 "player3"
# 前 10 名
ZREVRANGE game:rank 0 9 WITHSCORES
# 查看某玩家排名(从 0 开始)
ZREVRANK game:rank "player2"
3.6 数据结构对比总结#
| 类型 | 结构 | 特点 | 典型场景 |
|---|---|---|---|
| String | 字符串 | 简单、原子操作 | 缓存、计数、锁 |
| Hash | 哈希表 | 存储对象、字段级操作 | 用户信息、购物车 |
| List | 双向链表 | 有序、可重复 | 队列、栈、最新列表 |
| Set | 哈希表 | 无序、去重、集合运算 | 标签、共同好友、抽奖 |
| ZSet | 跳表 + 哈希表 | 有序、可排序 | 排行榜、延时队列 |
3.7 高级数据类型#
| 类型 | 说明 | 场景 |
|---|---|---|
| Bitmap | 位操作 | 签到、活跃用户统计 |
| HyperLogLog | 基数统计(误差 0.81%) | UV 统计 |
| GEO | 地理位置 | 附近的人 |
| Stream | 消息流(支持消费组) | 消息队列 |
示例:签到(Bitmap)
SETBIT sign:2024-10:user1 0 1 # 第 1 天签到
SETBIT sign:2024-10:user1 1 1 # 第 2 天签到
BITCOUNT sign:2024-10:user1 # 统计签到天数
示例:UV 统计(HyperLogLog)
PFADD uv:2024-10-01 "user1" "user2"
PFCOUNT uv:2024-10-01 # 统计独立访客数
四、持久化机制#
Redis 是内存数据库,重启会丢失数据,因此需要持久化。
4.1 RDB(Redis Database)#
原理: 定时将内存数据快照保存到磁盘(dump.rdb 文件)。
触发方式:
- 手动:
SAVE(阻塞)、BGSAVE(后台执行,fork 子进程) - 自动:配置
save 900 1(900 秒内至少 1 次修改则触发)
优点:
- 文件紧凑,适合备份
- 恢复速度快
缺点:
- 可能丢失最后一次快照之后的数据
- fork 时占用内存(写时复制)
4.2 AOF(Append Only File)#
原理: 将每个写命令追加到日志文件(appendonly.aof),重启时重放命令恢复数据。
刷盘策略:
| 策略 | 说明 | 安全性 | 性能 |
|---|---|---|---|
appendfsync always | 每条命令都刷盘 | 最高 | 最低 |
appendfsync everysec | 每秒刷盘(默认) | 较高 | 较高 |
appendfsync no | 由操作系统决定 | 最低 | 最高 |
优点:
- 数据丢失少(最多 1 秒)
- 日志可读,可修复
缺点:
- 文件体积大
- 恢复速度慢
4.3 混合持久化(Redis 4.0+)#
- 结合 RDB + AOF:AOF 文件开头是 RDB 格式快照,后续是 AOF 增量命令
- 配置:
aof-use-rdb-preamble yes(默认开启) - 兼顾恢复速度与数据完整性
4.4 对比#
| 对比项 | RDB | AOF |
|---|---|---|
| 数据丢失 | 可能丢失较多 | 最多 1 秒(everysec) |
| 文件大小 | 小 | 大 |
| 恢复速度 | 快 | 慢 |
| 性能影响 | fork 时较大 | 写操作有额外开销 |
实践建议: 一般同时开启 RDB 和 AOF,用 RDB 做备份,用 AOF 保证数据安全。
五、过期策略与内存淘汰#
5.1 过期删除策略#
Redis 采用惰性删除 + 定期删除结合:
- 惰性删除: 访问 key 时才检查是否过期,过期则删除
- 定期删除: 每隔一段时间随机抽查一部分 key,删除过期的
为什么不立即删除?因为立即删除需要遍历所有 key,开销太大。
5.2 内存淘汰策略(maxmemory-policy)#
当内存达到 maxmemory 限制时,按策略淘汰 key:
| 策略 | 说明 |
|---|---|
noeviction | 不淘汰,写入报错(默认) |
allkeys-lru | 所有 key 中淘汰最近最少使用的 |
allkeys-lfu | 所有 key 中淘汰使用频率最低的 |
volatile-lru | 设置了过期时间的 key 中淘汰 LRU |
volatile-lfu | 设置了过期时间的 key 中淘汰 LFU |
allkeys-random | 随机淘汰 |
volatile-ttl | 优先淘汰即将过期的 |
常用: 缓存场景推荐
allkeys-lru;有持久化数据时用volatile-lru。
六、事务与 Lua 脚本#
6.1 事务(MULTI/EXEC)#
MULTI # 开启事务
SET name "张三"
INCR count
EXEC # 执行(DISCARD 取消)
特点:
- 命令按顺序执行,期间不会插入其他客户端命令
- 不支持回滚:某条命令失败,其他命令仍会执行
- 适合批量执行,但不是严格意义上的原子性事务
6.2 Lua 脚本#
Lua 脚本在 Redis 中原子执行,适合"读取-判断-写入"的复杂逻辑。
-- 分布式锁释放脚本(判断是自己的锁才删除)
if redis.call('get', KEYS[1]) == ARGV[1] then
return redis.call('del', KEYS[1])
else
return 0
end
EVAL "return redis.call('set', KEYS[1], ARGV[1])" 1 mykey myvalue
优势: 原子性、减少网络往返、实现复杂逻辑。
七、高可用与集群#
7.1 主从复制(Replication)#
- 主节点(Master)写,从节点(Slave)读
- 从节点通过
SLAVEOF配置主节点 - 支持读写分离、数据备份
SLAVEOF 127.0.0.1 6379 # 让当前节点成为 6379 的从节点
INFO replication # 查看复制状态
缺点: 主节点宕机后需要手动切换。
7.2 哨兵模式(Sentinel)#
- 监控主从节点状态
- 主节点故障时自动故障转移(选举新主)
- 客户端通过哨兵获取当前主节点地址
配置示例(sentinel.conf):
sentinel monitor mymaster 127.0.0.1 6379 2
sentinel down-after-milliseconds mymaster 30000
sentinel failover-timeout mymaster 180000
7.3 集群模式(Cluster)#
- 数据分片(16384 个哈希槽)
- 每个节点负责一部分槽位
- 支持在线扩容、高并发
- 至少 6 个节点(3 主 3 从)
redis-cli --cluster create \
127.0.0.1:7000 127.0.0.1:7001 127.0.0.1:7002 \
127.0.0.1:7003 127.0.0.1:7004 127.0.0.1:7005 \
--cluster-replicas 1
7.4 三种模式对比#
| 模式 | 优点 | 缺点 |
|---|---|---|
| 主从复制 | 读写分离、备份 | 无自动故障转移 |
| 哨兵模式 | 自动故障转移 | 数据量受单机内存限制 |
| 集群模式 | 数据分片、高并发 | 部署复杂,多 key 操作受限 |
八、缓存三大问题#
8.1 缓存穿透(Cache Penetration)#
问题: 查询一个不存在的数据,缓存不命中,请求直达数据库,导致数据库压力过大。
解决方案:
- 缓存空值: 查不到也缓存一个空值,设置较短过期时间
- 布隆过滤器: 用布隆过滤器拦截不存在的 key
# 缓存空值示例
SET user:999 "" EX 60 # 不存在的用户缓存空字符串,60 秒过期
8.2 缓存击穿(Cache Breakdown)#
问题: 某个热点 key 过期的瞬间,大量请求同时打到数据库。
解决方案:
- 互斥锁: 只让一个请求去查数据库,其他等待
- 逻辑过期: 不设置真正的过期时间,用字段标记过期,异步更新
8.3 缓存雪崩(Cache Avalanche)#
问题: 大量 key 同时过期,或 Redis 宕机,导致所有请求打到数据库。
解决方案:
- 过期时间加随机值: 避免同时过期
- Redis 高可用: 主从 + 哨兵 / 集群
- 服务降级、限流、熔断
8.4 三者对比#
| 问题 | 核心原因 | 典型解决 |
|---|---|---|
| 穿透 | 查不存在的数据 | 缓存空值、布隆过滤器 |
| 击穿 | 热点 key 过期 | 互斥锁、逻辑过期 |
| 雪崩 | 大量 key 同时过期/宕机 | 随机过期时间、高可用 |
九、实战示例(Java + Spring Boot)#
9.1 引入依赖#
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
9.2 配置文件(application.yml)#
spring:
redis:
host: 127.0.0.1
port: 6379
password: "123456"
database: 0
timeout: 3000ms
lettuce:
pool:
max-active: 8
max-idle: 8
min-idle: 0
9.3 RedisTemplate 示例#
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import java.util.concurrent.TimeUnit;
@Service
public class RedisService {
@Autowired
private StringRedisTemplate redisTemplate;
/** 缓存字符串 */
public void set(String key, String value, long timeout, TimeUnit unit) {
redisTemplate.opsForValue().set(key, value, timeout, unit);
}
/** 获取字符串 */
public String get(String key) {
return redisTemplate.opsForValue().get(key);
}
/** 计数器自增 */
public Long incr(String key) {
return redisTemplate.opsForValue().increment(key);
}
/** 分布式锁:SET NX PX */
public boolean tryLock(String key, String value, long timeoutSeconds) {
Boolean success = redisTemplate.opsForValue()
.setIfAbsent(key, value, timeoutSeconds, TimeUnit.SECONDS);
return Boolean.TRUE.equals(success);
}
/** 释放锁 */
public void unlock(String key) {
redisTemplate.delete(key);
}
}
9.4 缓存使用示例#
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
@Service
public class UserService {
@Autowired
private RedisService redisService;
@Autowired
private UserMapper userMapper;
public User getUserById(Long id) {
String key = "user:" + id;
// 1. 先查缓存
String cached = redisService.get(key);
if (cached != null) {
return parse(cached); // 反序列化为对象
}
// 2. 缓存未命中,查数据库
User user = userMapper.selectById(id);
// 3. 写回缓存(注意随机过期时间,防止雪崩)
if (user != null) {
long ttl = 3600 + (long) (Math.random() * 600); // 1 小时 ± 10 分钟
redisService.set(key, toJson(user), ttl, TimeUnit.SECONDS);
}
return user;
}
private User parse(String json) {
// JSON 反序列化(如 Jackson)
return null;
}
private String toJson(User user) {
// JSON 序列化
return "";
}
}
9.5 分布式锁完整示例(Lua 脚本释放)#
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.stereotype.Component;
import java.util.Collections;
import java.util.UUID;
import java.util.concurrent.TimeUnit;
@Component
public class RedisLock {
@Autowired
private StringRedisTemplate redisTemplate;
private static final String UNLOCK_SCRIPT =
"if redis.call('get', KEYS[1]) == ARGV[1] then " +
" return redis.call('del', KEYS[1]) " +
"else return 0 end";
/** 加锁 */
public String lock(String key, long timeoutSeconds) {
String value = UUID.randomUUID().toString(); // 唯一标识,防止误删
Boolean success = redisTemplate.opsForValue()
.setIfAbsent(key, value, timeoutSeconds, TimeUnit.SECONDS);
return Boolean.TRUE.equals(success) ? value : null;
}
/** 解锁:用 Lua 保证判断和删除的原子性 */
public boolean unlock(String key, String value) {
DefaultRedisScript<Long> script =
new DefaultRedisScript<>(UNLOCK_SCRIPT, Long.class);
Long result = redisTemplate.execute(script, Collections.singletonList(key), value);
return result != null && result > 0;
}
}
要点: 加锁时 value 用唯一值,解锁时用 Lua 脚本先判断 value 是否一致,再删除,防止误删别人的锁。
十、常见面试题 & 易错点#
10.1 Redis 为什么是单线程还这么快?#
- 纯内存操作,无磁盘 IO
- 单线程避免上下文切换和锁竞争
- IO 多路复用(epoll)处理并发连接
- 高效的数据结构(SDS、跳表、渐进式 rehash 等)
10.2 Redis 是单线程的吗?#
- 命令执行是单线程的(6.0 前网络 IO 也是单线程)
- Redis 6.0 后引入多线程网络 IO(只处理读写网络,命令执行仍是单线程)
10.3 Redis 和 MySQL 有什么区别?#
| 对比项 | Redis | MySQL |
|---|---|---|
| 存储位置 | 内存 | 磁盘 |
| 速度 | 极快 | 较慢(受磁盘和 SQL 影响) |
| 数据类型 | 灵活(5 种结构) | 表结构 |
| 持久化 | RDB/AOF | 默认持久化 |
| 适用 | 缓存、高并发 | 关系型数据、事务 |
10.4 缓存和数据库如何保证一致性?#
- 先更新数据库,再删除缓存(推荐)
- 缓存设置过期时间作为兜底
- 高一致性场景用延迟双删
- 最终一致即可,无需强一致
10.5 Redis 事务支持回滚吗?#
- 不支持回滚。语法错误会导致事务整体不执行;运行时错误(如类型错误)其他命令仍会执行,失败命令不会回滚。
- 需要原子性复杂逻辑用 Lua 脚本。
10.6 如何实现限流?#
计数器法:
# 1 秒内最多 100 次请求
INCR rate:user:1
EXPIRE rate:user:1 1 # 首次设置过期
配合 Java 判断返回值是否超过阈值。
10.7 Redis 大 key 有什么问题?#
- 删除或读取时阻塞(单线程)
- 网络带宽占用大
- 内存分布不均(集群)
- 建议: 拆分大 key、使用
UNLINK异步删除、合理设置过期时间。
10.8 如何查找 bigkey?#
# 使用 redis-cli --bigkeys 扫描
redis-cli --bigkeys
# 使用 SCAN 遍历 + MEMORY USAGE 判断
MEMORY USAGE key
十一、知识总结#
- Redis 是基于内存的键值数据库,单线程命令执行 + IO 多路复用,性能极高。
- 五种基本数据类型: String、Hash、List、Set、ZSet,分别对应不同场景。
- 高级类型: Bitmap(签到)、HyperLogLog(UV)、GEO(地理位置)、Stream(消息流)。
- 持久化: RDB(快照、恢复快)与 AOF(日志、安全),推荐混合持久化。
- 过期策略: 惰性删除 + 定期删除;内存不足时按
maxmemory-policy淘汰。 - 高可用: 主从复制 → 哨兵 → 集群,逐级增强。
- 缓存三大问题: 穿透(缓存空值/布隆过滤器)、击穿(互斥锁/逻辑过期)、雪崩(随机过期/高可用)。
- 分布式锁:
SET key value NX PX+ Lua 脚本释放,确保原子性和防止误删。 - 一致性: 先更新数据库再删缓存,过期时间兜底,追求最终一致。
学习建议:多动手在
redis-cli中操作命令,结合 Spring Boot 项目中实际使用,并阅读源码理解底层数据结构(SDS、跳表、渐进式 rehash)。