Redis 7\.x实战：缓存设计与分布式锁实现

摘要：Redis作为高性能的键值对数据库，凭借其高速读写、支持多种数据结构、可持久化等特性，已成为企业级项目中缓存、分布式锁、消息队列等场景的首选工具。本文基于Redis 7.x，结合电商、微服务等实战场景，详细讲解Redis核心数据结构、缓存设计模式、缓存问题解决（缓存穿透、缓存击穿、缓存雪崩）、分布式锁实现、持久化配置等核心知识点，附完整命令与代码案例，帮助后端开发者、运维工程师快速掌握Redis实战技巧，提升系统性能与稳定性，适合Redis入门与进阶学习。

一、前言：Redis的核心价值与应用场景

Redis 7.x相比之前版本，带来了诸多优化：支持多线程IO，提升读写性能；新增Redis Functions（函数），支持自定义脚本逻辑；优化持久化机制，提升数据安全性；增强集群功能，提升可扩展性。

在企业级项目中，Redis的核心应用场景包括：数据缓存（减轻数据库压力）、分布式锁（解决微服务并发问题）、消息队列（简单的异步通信）、计数器（如点赞数、访问量）、会话存储（如用户登录会话）等。本文聚焦Redis最核心的缓存设计与分布式锁，结合实战场景，解决实际开发中的常见问题。

二、核心基础：Redis 7.x安装与核心数据结构

2.1 Redis 7.x安装（CentOS 8）

bash 复制代码

# 1. 安装依赖
yum install -y gcc gcc-c++ make

# 2. 下载Redis 7.x源码包
wget https://download.redis.io/releases/redis-7.2.4.tar.gz

# 3. 解压源码包
tar -zxvf redis-7.2.4.tar.gz

# 4. 编译安装
cd redis-7.2.4
make
make install PREFIX=/usr/local/redis

# 5. 配置Redis（复制配置文件）
cp redis.conf /usr/local/redis/conf/

# 6. 修改配置文件（/usr/local/redis/conf/redis.conf）
# 允许远程访问（注释bind 127.0.0.1）
# protected-mode no（关闭保护模式）
# daemonize yes（后台运行）
# requirepass 123456（设置密码，可选）

# 7. 启动Redis
/usr/local/redis/bin/redis-server /usr/local/redis/conf/redis.conf

# 8. 连接Redis
/usr/local/redis/bin/redis-cli -h 127.0.0.1 -p 6379 -a 123456

# 9. 验证启动
127.0.0.1:6379> ping
PONG # 启动成功

2.2 Redis核心数据结构（实战必备）

Redis支持5种核心数据结构，每种结构有其特定的应用场景，掌握其用法是Redis实战的基础。

bash 复制代码

# 1. String（字符串）：适用于缓存、计数器、会话存储等场景
# 设置值（key=user:1001, value=JSON字符串）
set user:1001 '{"id":1001,"username":"zhangsan","age":20}'
# 获取值
get user:1001
# 设置过期时间（3600秒）
setex user:1001 3600 '{"id":1001,"username":"zhangsan","age":20}'
# 自增（计数器）
incr like:1001 # 点赞数+1
# 自减
decr like:1001 # 点赞数-1

# 2. Hash（哈希）：适用于存储对象（如用户信息、商品信息）
# 设置哈希值（key=user:1001，字段=username，值=zhangsan）
hset user:1001 username zhangsan age 20
# 获取单个字段值
hget user:1001 username
# 获取所有字段值
hgetall user:1001
# 删除字段
hdel user:1001 age

# 3. List（列表）：适用于消息队列、最新消息列表等场景
# 从左侧插入
lpush message:1001 "hello" "world"
# 从右侧插入
rpush message:1001 "redis"
# 获取列表所有元素
lrange message:1001 0 -1
# 从左侧弹出
lpop message:1001
# 从右侧弹出
rpop message:1001

# 4. Set（集合）：适用于去重、交集、并集等场景（如好友列表、标签）
# 添加元素
sadd tag:1001 java python go
# 获取所有元素
smembers tag:1001
# 判断元素是否存在
sismember tag:1001 java
# 求两个集合的交集（好友共同关注）
sinter tag:1001 tag:1002
# 删除元素
srem tag:1001 go

# 5. Sorted Set（有序集合）：适用于排行榜、优先级队列等场景
# 添加元素（score=分数，用于排序）
zadd rank:1001 90 zhangsan 85 lisi 95 wangwu
# 获取有序集合（升序）
zrange rank:1001 0 -1 withscores
# 获取有序集合（降序）
zrevrange rank:1001 0 -1 withscores
# 获取元素分数
zscore rank:1001 zhangsan
# 删除元素
zrem rank:1001 lisi

三、实战模块：缓存设计与分布式锁

3.1 模块1：缓存设计模式（实战案例）

缓存设计的核心是"缓存数据库热点数据"，减少数据库访问压力，常用的缓存设计模式包括：Cache-Aside（旁路缓存）、Write-Through（写穿透）、Write-Back（写回），其中Cache-Aside模式最常用。

java 复制代码

// 1. Cache-Aside模式（旁路缓存）：最常用，适用于读多写少场景
// 核心逻辑：查询时先查缓存，缓存没有则查数据库，再将数据存入缓存；更新时先更数据库，再删缓存
import redis.clients.jedis.Jedis;
import com.alibaba.fastjson.JSON;

public class CacheAsideDemo {
    private final Jedis jedis = new Jedis("127.0.0.1", 6379);
    private final UserDao userDao = new UserDao(); // 数据库操作类

    // 1. 查询用户信息（先查缓存，再查数据库）
    public User getUserById(Long userId) {
        String key = "user:" + userId;
        // 1. 先查缓存
        String userJson = jedis.get(key);
        if (userJson != null) {
            // 缓存命中，返回数据
            return JSON.parseObject(userJson, User.class);
        }
        // 2. 缓存未命中，查数据库
        User user = userDao.selectById(userId);
        if (user != null) {
            // 3. 将数据库数据存入缓存（设置过期时间，避免缓存雪崩）
            jedis.setex(key, 3600, JSON.toJSONString(user));
        }
        return user;
    }

    // 2. 更新用户信息（先更数据库，再删缓存）
    public void updateUser(User user) {
        // 1. 更新数据库
        userDao.update(user);
        // 2. 删除缓存（避免缓存与数据库数据不一致）
        String key = "user:" + user.getId();
        jedis.del(key);
    }

    // 3. 删除用户信息（先删数据库，再删缓存）
    public void deleteUser(Long userId) {
        userDao.deleteById(userId);
        String key = "user:" + userId;
        jedis.del(key);
    }
}

// 2. 缓存key设计规范（避免key冲突、便于管理）
// 规范：业务模块:对象:唯一标识[:属性]
// 示例：
// 用户模块：user:1001（用户信息）、user:1001:orders（用户订单）
// 商品模块：product:2001（商品信息）、product:2001:stock（商品库存）
// 缓存过期时间：根据业务场景设置，热点数据可设置1-2小时，非热点数据可设置更久

3.2 模块2：缓存常见问题解决（穿透、击穿、雪崩）

缓存使用过程中，容易出现缓存穿透、缓存击穿、缓存雪崩三个问题，若不解决，会导致数据库压力剧增，甚至系统崩溃，本文提供针对性的解决方案。

java 复制代码

// 1. 缓存穿透：查询不存在的数据，缓存和数据库都没有，导致每次都查数据库
// 解决方案：缓存空值、布隆过滤器（推荐）
// 方案1：缓存空值（简单易实现，适合数据量不大的场景）
public User getUserById(Long userId) {
    String key = "user:" + userId;
    String userJson = jedis.get(key);
    if (userJson != null) {
        // 缓存命中（包括空值）
        return JSON.parseObject(userJson, User.class);
    }
    // 查数据库
    User user = userDao.selectById(userId);
    if (user != null) {
        jedis.setex(key, 3600, JSON.toJSONString(user));
    } else {
        // 缓存空值，设置较短的过期时间（如60秒），避免缓存占用过多空间
        jedis.setex(key, 60, JSON.toJSONString(null));
    }
    return user;
}

// 方案2：布隆过滤器（适合数据量大、查询频繁的场景，提前过滤不存在的key）
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

public class BloomFilterDemo {
    // 初始化布隆过滤器（预计数据量100万，误判率0.01）
    private final BloomFilter<Long> bloomFilter = BloomFilter.create(
            Funnels.longFunnel(),
            1000000,
            0.01
    );

    // 系统启动时，将所有用户ID存入布隆过滤器
    public void initBloomFilter() {
        List<Long> allUserId = userDao.selectAllUserId();
        for (Long userId : allUserId) {
            bloomFilter.put(userId);
        }
    }

    // 查询前先通过布隆过滤器判断key是否存在
    public User getUserById(Long userId) {
        // 布隆过滤器判断不存在，直接返回null，不查缓存和数据库
        if (!bloomFilter.mightContain(userId)) {
            return null;
        }
        // 后续逻辑和Cache-Aside模式一致
        String key = "user:" + userId;
        String userJson = jedis.get(key);
        if (userJson != null) {
            return JSON.parseObject(userJson, User.class);
        }
        User user = userDao.selectById(userId);
        if (user != null) {
            jedis.setex(key,