Q:Redis三剑客(缓存穿透，缓存击穿，缓存雪崩)
1.缓存穿透
缓存穿透：是指用户查询的数据，在数据库和Redis中都没有记录，然后就会一直查询数据库，增加对数据库的访问压力。
解决方案
- 缓存空对象：代码维护较简单，但是效果不好。
- 布隆过滤器：代码维护复杂，效果很好
扩展：什么是布隆过滤器？
布隆过滤器是一个很长的二进制向量和一系列随机映射函数
布隆过滤器的优点：
- 时间复杂度低，增加和查询元素的时间复杂为O(N)，（N为哈希函数的个数，通常情况比较小）
- 保密性强，布隆过滤器不存储元素本身
- 存储空间小，如果允许存在一定的误判，布隆过滤器是非常节省空间的（相比其他数据结构如Set集合）
布隆过滤器的缺点：
- 有点一定的误判率，但是可以通过调整参数来降低
- 无法获取元素本身
- 很难删除元素
2.缓存击穿
缓存击穿：就是热点数据在高并发的时候，数据到期，此时大量的访问同时访问数据库，导致数据库的压力剧增
解决方案
- 热点数据提前预热
- 设置热点数据永远不过期。
- 加锁 , 限流
3.缓存雪崩
缓存雪崩：既多个热点数据的缓存在同一时期失效，导致大量的用户访问到数据库，造成数据库压力飙升
解决方案
- 在缓存数据的Key设置随机值，使缓存不会同时失效
- 可以设置熔断机制，既当用户的流量达到一定阈值时，对后来请求到数据库的用户直接返回系统繁忙，防止过多的数据直接访问数据库
Q:Redis的数据持久化策略有哪些 ?
- RDB 持久化(全量)，是指在指定的时间间隔内将内存中的数据集快照写入磁盘。
- AOF持久化(增量)，以日志的形式记录服务器所处理的每一个写、删除操作
Q:Redis常用的数据类型
基础数据类型
- String：比如存储商品库存、万能的就可以用string结构
- Hash：像我过去存储一些对象结构，比如购物车这种，也用过hash
- List： 一些列表的场景，比如用户浏览历史，我之前都是用的list
- Set： 而对于一些高并发的点赞、收藏，我之前的技术方案用的是set
- ZSet：一些需要排行的场景，我们可以用zset，因为他的底层是压缩列表、跳表和哈希表
高级数据类型
- bitmap ：用来签到的
- hyperloglog：做网站点击、访问量统计的
- geo ：用来做地理坐标检索的
Q:Redis的数据过期策略
1.定期删除
操作：每隔一段时间抽取一批 key 执行删除过期 key 操作。并且，Redis 底层会通过限制删除操作执行的时长和频率来减少删除操作对 CPU 时间的影响。
优缺点
- 优点：主动清理部分过期键，减少内存占用，且通过随机抽样和比例控制，避免频繁全量扫描导致的 CPU 消耗过高。
- 缺点：可能存在 “漏网之鱼”—— 部分过期键未被抽查到，会继续占用内存。
扩展
默认情况下 Redis 定期检查的频率是每秒扫描 10 次，用于定期清除过期键。当然此值还可以通过配置文件进行设置，在 redis.conf 中修改配置“hz”即可，默认的值为hz 10定期删除的扫描并不是遍历所有的键值对，这样的话比较费时且太消耗系统资源。Redis 服务器采用的是随机抽取形式，每次从过期字典中，取出 20 个键进行过期检测，过期字典中存储的是所有设置了过期时间的键值对。如果这批随机检查的数据中有 25% 的比例过期，那么会再抽取 20 个随机键值进行检测和删除，并且会循环执行这个流程，直到抽取的这批数据中过期键值小于 25%，此次检测才算完成Redis 服务器为了保证过期删除策略不会导致线程卡死，会给过期扫描增加了最大执行时间为 25ms
2.惰性删除
操作：只会在取出 key 的时候才对数据进行过期检查。这样对 CPU 最友好，但是可能会造成太多过期 key 没有被删除。
优缺点：
- 优点：只在访问时校验，无需额外 CPU 资源监控过期键，避免了对未被访问的过期键的无效处理。
- 缺点：若过期键长期未被访问，会一直占用内存（例如一个过期的冷数据键，始终无人访问，就会成为 “内存僵尸”）。
3.内存淘汰机制
操作：当 Redis 内存使用达到配置的maxmemory阈值时，即使存在未过期的键或未被清理的过期键，也会触发内存淘汰机制，删除部分键以释放内存。
