Redis核心原理

⚙️ ​​一、单线程模型与高并发处理​​

1. ​​单线程架构​​Redis 的核心命令处理采用单线程（主线程），避免多线程锁竞争与上下文切换开销。其高性能依赖两点：
   • ​​纯内存操作​​：数据读写直接在 RAM 完成，速度达微秒级。
   • ​​I/O 多路复用​​：通过 epoll（Linux）等机制监听大量 Socket 事件，事件就绪后由事件分派器调用对应处理器（如命令请求、回复处理器）。
   • ​​多线程扩展（Redis 6.0+）​​：网络 I/O 解析由多线程处理，但命令执行仍为单线程，保持原子性。
2. ​​性能瓶颈​​单线程模型下，​​耗时命令​​（如 KEYS *、SORT）或​​大 Key 操作​​会阻塞后续请求，需避免使用复杂命令。

---

🧠 ​​二、高效数据结构与底层编码​​

Redis 的每种数据类型针对场景优化底层结构，并动态切换编码以平衡性能与内存：

​​数据类型​​	​​底层结构​​	​​编码优化策略​​	​​典型场景​​
String	SDS（简单动态字符串）	int（整数）、embstr（≤44字节）、raw（大字符串）	计数器、缓存
Hash	ziplist / dict	ziplist（小字段）、hashtable（大字段）	对象属性存储
List	quicklist（ziplist 链表）	统一 quicklist，避免 ziplist 连锁更新问题	消息队列
Set	intset / dict	intset（整数集合）、hashtable（非整数）	去重、交集运算
Sorted Set	ziplist / skiplist + dict	ziplist（小数据）、skiplist（大数据，O(logN) 查询）	排行榜、延时任务

​​关键优化技术​​：

• ​​SDS 动态字符串​​：预分配空间（翻倍或 +1MB）、惰性释放，减少内存重分配。
• ​​跳跃表（skiplist）​​：多层索引加速范围查询，兼顾插入与删除效率。
• ​​压缩列表（ziplist）​​：连续内存存储小数据，节省空间但修改效率低（Redis 7.0 由 listpack 替代）。

---

💾 ​​三、持久化机制与数据安全​​

Redis 提供两种持久化方式，平衡性能与可靠性：

​​机制​​	​​原理​​	​​优点​​	​​缺点​​
RDB	定时内存快照（二进制 .rdb 文件）	恢复快、文件紧凑	可能丢失最后一次快照数据
AOF	追加写操作日志（文本 .aof 文件）	数据安全（支持秒级同步）	文件大、恢复慢
​​混合持久化​​	RDB + 增量 AOF（Redis 4.0+）	快速恢复 + 低丢失风险	需 Redis 4.0 以上

​​运维建议​​：

• 高可靠性场景：启用 appendfsync everysec（每秒刷盘）。
• 灾难恢复：定期备份 RDB 到异地，并测试恢复流程。

---

🌐 ​​四、高可用与分布式架构​​

1. ​​主从复制​​
   • ​​异步复制​​：主节点（master）处理写操作，增量数据通过 AOF 缓冲区同步到从节点（slave）。
   • ​​断点续传​​：基于 repl_backlog_buffer实现部分同步，避免全量复制。
2. ​​哨兵（Sentinel）​​监控主节点状态，自动故障转移（failover）并切换新主节点，保障高可用（非分片）。
3. ​​集群（Cluster）​​
   • ​​数据分片​​：16384 个哈希槽（slots）分散到多节点，通过 CRC16(key) 计算槽位。
   • ​​去中心化​​：节点间通过 Gossip 协议同步状态，无需代理。
   • ​​故障转移​​：主节点宕机时，从节点自动升级为主节点。

---

🧰 ​​五、内存管理与性能优化​​

1. ​​内存分配​​
   • 默认使用 jemalloc分配器，减少碎片。
   • 惰性删除：过期键在查询时清理，定期删除则每秒扫描部分键。
2. ​​淘汰策略​​内存达上限时，按策略删除数据：
   • volatile-lru：淘汰最近最少使用的过期键。
   • allkeys-lfu：淘汰最不经常使用的任意键。
3. ​​碎片整理​​Redis 4.0+ 支持自动碎片回收（activedefrag），合并空闲内存块。

---

⚠️ ​​六、典型问题与规避方案​​

1. ​​缓存穿透​​
   • ​​现象​​：频繁查询不存在的数据（如恶意攻击）。
   • ​​方案​​：布隆过滤器（BF.EXISTS）拦截非法 Key，或缓存空值。
2. ​​缓存雪崩​​
   • ​​现象​​：大量 Key 同时过期，请求穿透至数据库。
   • ​​方案​​：设置随机过期时间，或采用 Redis Cluster 分散压力。
3. ​​热 Key 问题​​
   • ​​现象​​：单 Key 访问量过高（如明星热搜）。
   • ​​方案​​：本地缓存 + Redis 分片（如 hotkey:{1,2}）