Redis主从复制
概念
主从复制，是指将一台Redis服务器的数据，复制到其他的Redis服务器。前者称为主节点（master/leader）,后者称为从节点（slave/follower）;数据的复制是单向的，只能由主节点到从节点。Master以写为主，Slave以读为主。
默认情况下，每台Redis服务器都是主节点；
且一个主节点可以有多个从节点（或没有从节点），但一个从节点只能由一个主节点。
主从复制的作用
-
数据冗余：主从复制实现了数据的热备份，是持久化之外的一种数据冗余方式。
-
故障恢复：当主节点出现问题时，可以由从节点提供服务，实现快速的故障恢复；实际上是一种服务的冗余。
-
负载均衡：在主从复制的基础上，配置读写分离，可以由主节点提供写服务，由从节点提供读服务（即写Redis数据时应用连接主节点，读Redis数据时应用连接从节点），分担服务器负载；尤其是在写少读多的情况下，通过多个从节点分担读负载，可以极大提高Redis服务器的并发量。
-
高可用（集群）基石：除上述作用外，主从复制还是哨兵和集群能够实施的基础，因此说主从复制是Redis高可用的基础。
一般来说，要将Redis运用于工程项目中，只使用一台Redis是不可能的(宕机)。原因：
-
从结构上，单个Redis服务器会发生单点故障，并且一台服务器需要处理所有的请求负载，压力太大；
-
从容量上，单个Redis服务器内存容量有限，就算一台Redis服务器内存容量为256G.也不能将所有内存用作Redis存储内存。一般来说，单台Redis最大使用内存不应该超过20G;
电商网站上的商品，一般都是一次上传，无数次浏览，也就是"多读少写"，
对于这种场景，我们可以使如下结构：
主从复制，读写分离！80%的情况下都是在进行读操作！减缓服务器的压力！架构中经常使用！一主三从！
只要在公司中，主从复制就是必须使用的，因为在真实的项目中不可能使用单机Redis!
复制原理
Slave启动成功连接到master后会发送一个sync同步命令
Master接到命令，启动后台的存盘进程，同时收集所有接收到的用于修改数据集命令，在后台进程执行完毕之后，master将传送整个文件到slave，并完成一次完全同步。
全量复制：slave服务在接收到数据库文件数据后，将其存盘并加载到内存中。
增量复制：Master继续将新的所有收集到的修改命令依次传给slave，完成同步
但是只要重新连接Master,一次完全同步（全量复制）将被自动执行！我们的数据一定可以在从机中看到！
主从复制（手动）
如果主机断开连接。我们可以使用 SLAVEOF no one 让自己变成主机。其他节点接可以手动连接到最新的这个节点（手动）。如果这个时候原主机79修复了，则需要重新手动修改连接才可以使80变成79的从机。
哨兵模式（自动选举老大的模式）
概述
主从切换技术的方法是：当主服务器宕机后，需要手动把一台从服务器切换为主服务器，这就需要人工干预，费时费力，还会造成一段时间内服务器不可用。因此，更多时候，我们优先考虑哨兵模式。Redis2.8开始正式提供了Sentinel(哨兵模式)架构来解决这个问题。
谋朝篡位的自动版本，能够后台监控主机是否故障，如果故障了根据投票数自动将从库转换为主库。
哨兵模式是一种特殊的模式，首先Redis提供了哨兵的命令，哨兵是一个独立的进程，作为进程，它独立运行。其原理是哨兵通过发送命令，等待Redis服务器响应，从而监控运行的多个Redis实例。
哨兵的两个作用
-
通过发送命令，让Redis服务器返回监控其运行状态，包括主服务器和从服务器。
-
当哨兵检测到master宕机，会自动将slave切换成master,然后通过发布订阅模式通知其他的从服务器，修改配置文件，让它们切换主机。
然而一个哨兵进程对Redis服务进行监控，可能会出现问题，为此，我们可以使用多个哨兵进行监控。各个哨兵之间还会进行监控，这样就形成了多哨兵模式。
假设主服务器宕机，哨兵1先先检测到这个结果，系统斌不会马上进行failover过程，仅仅是哨兵1主观的认为服务器不可用，这个现象称为主观下线 。当后面的哨兵也检测到主服务器不可用，并数量达到一定值时，那么哨兵之间就会进行一次投票，投票的结果由一个哨兵发起，进行failover(故障转移)操作。切换成功后，就会通过发布订阅模式，让你各个哨兵把自己监控的从服务器实现切换成主机，这个过程称为客观下线。
哨兵模式的优缺点
优点：
1.哨兵集群，基于主从复制模式，所有的主从配置的优点，它全有
2.主从可以切换，故障可以转移，系统的可用性就会更好
3.哨兵模式就是主从模式的升级，手动到自动
缺点：
1.Redis不好在线扩容，集群容量一旦到达上限，在线扩容就十分困难
2.实现哨兵模式的配置其实是很麻烦的，有很多选择。
Redis缓存穿透和雪崩(考试面试高频，工作常用)
Redis的使用，极大提升了应用程序的性能和效率，特别是数据查询方面。但同时，他也带了来一些问题。其中，最要害的问题，就是数据一致性问题，从严格意义上来讲，这个问题无解。如果对数据一致性要求很高，那么就不能使用缓存。
另外一些典型问题就是，缓存穿透，缓存雪崩和缓存击穿。目前，业界也都有比较流行的解决方案。
缓存穿透（查不到导致）
概念：
用户想要查询一个数据，发现redis内存数据库中没有，也就是缓存没有命中，于是向持久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求看持久层数据库。这会给持久层数据库造成很大的压力，这个时候就相当于出现了缓存穿透。
解决方案：
方案1：布隆过滤器
布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力；
方案2：缓存空对象
当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后在访问这个数据将会从缓存中获取，保护后端数据源
但是这种方法会存在两个问题：
1.如果空值能被缓存起来，就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键；
2.即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口不一致，对于需要保持一致性的业务会有影响。
缓存击穿（量太大，缓存过期！）
概述：
是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就想在一个屏幕上凿开了一个洞。
当某个key在过期的瞬间，大量的请求并发访问，这类数据一般是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且回写缓存，会导致数据库瞬间压力过大。
解决方案：
方案1：设置热点数据永不过期
从缓存层面来看，没有设置过期时间，不会出现热点key过期后产生的问题。
方案2：加互斥锁
分布式锁：使用分布式锁，保证对每个key同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可，这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。
缓存雪崩
概念：
是指在某一个时间段，缓存集中过期失效。Redis宕机！
产生雪崩的原因之一：比如在写文本的时候，马上就要双十二凌晨，很快就会引来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么凌晨一点时候，这批商品缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。于是所有的请求都会达到存储层，存储层的调用量暴增，造成存储层也会挂掉的情况。
其实集中过期，倒不是非诚致命。比较致命的缓存雪崩，是缓存服务器某个节点宕机或者断网。因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，这个时候数据库，也是可以顶住压力的。无非就是对数据库产生周期性的压力而言。而缓存服务节点的宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间就把数据库压垮了。
双十一：停掉一些服务，（保证主要的服务可用！）
解决方案：
方案1：Redis高可用
既然Redis有可能挂掉，我多增设几台Redis,这样一台挂掉之后其他的还可以继续工作，其实就是搭建集群（异地多活！）
方案2：限流降级
在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如某个key只允许一个线程查询数据和写缓存，其他线程等待。或停掉一些服务。
方案2：数据预热
数据加热：正式部署之前，我先把可能的数据先预先访问一遍，这边部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀。
补充
1. 缓存数据库 Memcache 和 Redis 对比
2.Redis 分布式存储方案
1.主从模式（Master/Salve）,一主多从，故障需要手动切换
优点：读写分离，同步非阻塞服务，负载均衡
缺点：容错性差，数据一致性差，在线扩容难
2.哨兵模式（Sentinel）,有哨兵，一主多从，节点故障自动选择新的主节点
优点：自动故障转移，监控与通知，简化运维管理
缺点：部署复杂，网络通信频繁，在线扩容困难
3.集群模式（Redis Cluster）,分节点对等集群
优点：无中心架构，可用性好，伸缩性好
缺点：配置复杂，数据一致性差，客户端实现复杂
3.Redis 集群切片方式
4.Redis 数据分片方案
普通哈希分片，使用key进行哈希运算后除以节点数量取余数，节点新增或者删除时，所有key的哈希值都需要重新计算，导致大部分数据都需要迁移
****一致性哈希分片：用于解决节点变动数据迁移问题，****通过设计一种环形结构，让数据尽可能保留在原节点上行，并在节点变动时迁移少量数据。
5. Redis 数据淘汰算法
针对淘汰范围，加上惰性淘汰和定时淘汰
6.Redis 持久化
