Redis为什么快

比较重要的原因有下面 4 点：
1、纯内存操作(主要)：它的数据读写操作都发生在内存中，访问速度是纳秒级，而传统数据库读写速度是毫秒级，相差数个数量级。
2、I/O 模型高效：它使用单线程事件循环配合I/O多路复用，让单个线程可同时处理多个网络I/O事件，轻松处理大量并发请求。
3、数据结构有优化：它提供了多种数据类型（如String, Hash, Set等），和高度优化的编码方式，能动态选择最合适的编码，从而平衡性能和空间。
4、通信协议简洁高效：它使用自己设计的RESP协议。实现简单、性能好、客户端和服务端通信的序列化/反序列化开销小，所以整体交互较快。

缓存穿透、击穿、雪崩的区别及解决方案

缓存穿透是查一个不存在的数据，缓存和数据库都没有。解决方案有两个：
第一个是将所有存在的key提前存入布隆过滤器。请求来时用它判断，不存在就直接返回。
第二个是缓存空对象。查询不到的数据也缓存起来，value为null，过期时间设置短一些。

缓存击穿是一个热点 key 刚好过期，大量请求同时打到数据库。解决方案有三个：
第一个是提前预热：比如针对热点数据提前将其存入缓存中，并设置过期时间覆盖活动时间。
第二个是加互斥锁：在缓存失效后，通过设置互斥锁确保只有一个请求去查库并更新缓存。
第三个是让key永不过期。

缓存雪崩是大量 key 同时过期，请求全部落到数据库。解决方案分两种情况：
针对 Redis 服务不可用：
Redis 集群：避免单节点宕机导致整个缓存不可用。
多级缓存：本地缓存 + Redis 缓存，Redis 挂了还能从本地缓存拿数据。
针对大量缓存同时失效：
设置随机失效时间：在固定过期时间上加随机偏移量，避免集体过期。
提前预热：秒杀等场景下，热点数据提前加载到缓存，活动期间不过期。
缓存不过期：一般不推荐，但对于某些变化不频繁的数据，可以考虑使用。

RDB 和 AOF 的区别

RDB 是定期生成的全量快照，文件小，恢复速度快，缺点是两次快照之间如果宕机，这期间的所有数据都会丢失。
AOF 是追加写命令，默认每秒同步一次到磁盘，最多丢失一秒数据，但文件体积大，恢复速度慢。
如果追求性能，但是对数据丢失不敏感，例如缓存场景，可以用 RDB；如果对数据丢失很敏感，例如订单数据，可以用 AOF。默认情况下是RDB，还有一个折中方案是两者都开启，重启恢复优先使用AOF，RDB作为备份对AOF损坏等场景兜底。

Redis 的过期删除策略

Redis有两种过期删除策略：定期删除和惰性删除。
定期删除：每隔100ms随机抽查一批设置了过期时间的key，删除其中过期的。它会根据过期key的比例动态调整执行频率，过期key越多，抽查频率越高。
惰性删除：每次get一个key时，先检查它是否过期，过期就删除，但如果一直没人访问，过期key会占着内存。
两者配合：定期删除主动释放内存，惰性删除分摊CPU开销。如果两者都没删掉，还有内存淘汰策略兜底。

Redis 淘汰策略

Redis 有八种淘汰策略，常用的5个分别是：
allkeys-lru 从所有 key 中淘汰最近最少使用的；
volatile-lru 从设置了过期时间的 key 中淘汰最近最少使用；
allkeys-random 随机淘汰；
volatile-ttl 淘汰即将过期的；
noeviction 不淘汰，内存不足时写操作报错。

Redis 分布式锁如何实现

Redis 分布式锁的核心是 setnx 命令。也就是不存在才set，比如加锁命令：set key value nx ex 30，在java中是调用方法setIfAbsent。要同时要设置合理的过期时间，防止死锁的同时确保任务能执行完毕。解锁时需要防止误删，也就是先判断锁的值是否是自己设置的，再删除，这个操作要用 Lua 脚本保证原子性。如果业务执行时间会超过过期时间，还可以用 Redisson 框架，它已经封装好了看门狗自动续期功能。

为什么设置过期可以防死锁？
分两种情况：第一种是锁无法释放，会导致被锁住的资源无法使用，但是我认为它不是严格意义上的死锁。
第二种是真正的死锁场景，也就是两个线程互相循环等待对方的锁，导致两个线程都无法正常结束，而如果其中一个锁设置了过期时间，那么阻塞一段时间后，锁会自动释放，循环等待就会解除，死锁打开。

项目中 Redis 使用场景示例

用Redis 的SETNX和INCR做接口限流：

private void checkLimit(int limitCount, String key) {
        Long count;
        redisTemplate.opsForValue().setIfAbsent(key, "0", LIMIT_WINDOW_SECONDS, TimeUnit.SECONDS);
        count = redisTemplate.opsForValue().increment(key, 1);
        if (count != null && count > limitCount) {
            throw new ReturnException("接口访问过于频繁，请稍后重试" + key);
        }
    }

Redis 存储签名随机串，防止重放攻击

 //防重放
Boolean absent = stringRedisTemplate.opsForValue().setIfAbsent(RedisConstant.LOGIN_NONCE + nonce, "1", wechatLoginProperties.getNonceExpireSeconds(), TimeUnit.SECONDS);
if (Boolean.FALSE.equals(absent)) {
	throw new ReturnException("请求过于频繁，请稍后重试");
}

用Redis 分别用openid为key存token、用token为key存用户信息，实现单点登录；

String oldToken = stringRedisTemplate.opsForValue().get(RedisConstant.LOGIN_OPENID + memberDTO.getOpenid());
if (StringUtils.isNotBlank(oldToken)) {
//删除旧key
	stringRedisTemplate.delete(RedisConstant.LOGIN_TOKEN + oldToken);
}
//按照id存token，按照token存用户信息
stringRedisTemplate.opsForValue().set(RedisConstant.LOGIN_OPENID + memberDTO.getOpenid(), token, 2, TimeUnit.HOURS);
stringRedisTemplate.opsForValue().set(RedisConstant.LOGIN_TOKEN + token, objectMapper.writeValueAsString(memberDTO), 2, TimeUnit.HOURS);

用 Redis Set 存储有效优惠券 ID，防止缓存穿透。

if (couponDTO.getId() == null) {
    couponMapper.insert(coupon);
} else {
    int rows = couponMapper.updateById(coupon);
    if (rows == 0) {
        throw new ReturnException("优惠券id不存在，更新失败");
    }
    // 删除redis缓存
    redisTemplate.delete(RedisConstant.ALL_COUPON + coupon.getId());
}
// 更新redis优惠券id列表
redisTemplate.opsForSet().add(RedisConstant.COUPON_IDS, String.valueOf(coupon.getId()));
return couponDTO;