20210304. 2. 数据类型与底层数据结构

数据类型与底层数据结构

Redis 数据类型和应用场景

Redis 是一个 Key-Value 的存储系统，使用 ANSI C 语言编写。

key 的类型是字符串。

value 的数据类型有：

• 常用的：string 字符串类型、list 列表类型、set 集合类型、sortedset（zset）有序集合类型、hash 类型。
• 不常见的：bitmap 位图类型、geo 地理位置类型、HyperLogLog 基数统计
• Redis 5.0 新增一种：stream 类型

注意：Redis 中命令忽略大小写，（set SET），key 是不忽略大小写的 （NAME name）

Redis 的 Key 的设计

1. 用 : 分割
2. 把表名转换为 key 前缀，例如： user:
3. 第二段放置主键值
4. 第三段放置列名

比如：用户表 user ， 转换为 Redis 的 key-value 存储

userid	username	password	email
9	zhangf	111111	zhangf@lagou.com

username 的 key： user:9:username

{userid:9, username:zhangf}

email 的 key：user:9:email

• 表意明确：看 key 知道意思

• 不易被覆盖

string 字符串类型

Redis 的 String 能表达 3 种值的类型：字符串、整数、浮点数，100.01 是个六位的字符串

常见操作命令如下表：

命令	示例	描述
set	set key value	赋值
get	get key	取值
getset	getset key value	取值并赋值
setnx	setnx key value	当 value 不存在时赋值， set key value NX PX 3000 原子操作，px 设置毫秒数
append	append key value	向尾部追加值
strlen	strlen key	获取字符串长度
incr	incr key	递增数字
incrby	incrby key increment	增加指定的整数
decr	decr key	递减数字
decrby	decrby key decrement	减少指定的整数

应用场景：

1. key 和命令是字符串

2. 普通的赋值

3. incr 用于乐观锁

   incr ：递增数字，可用于实现乐观锁 watch（事务）

4. setnx 用于分布式锁

   当 value 不存在时采用赋值，可用于实现分布式锁

举例：

#	setnx

127.0.0.1:6379> setnx name zhangf #如果name不存在赋值
(integer) 1
127.0.0.1:6379> setnx name zhaoyun #再次赋值失败
(integer) 0
127.0.0.1:6379> get name
"zhangf"

#	set

127.0.0.1:6379> set age 18 NX PX 10000 #如果不存在赋值 有效期10秒
OK
127.0.0.1:6379> set age 20 NX #赋值失败
(nil)
127.0.0.1:6379> get age #age失效
(nil)
127.0.0.1:6379> set age 30 NX PX 10000 #赋值成功
OK
127.0.0.1:6379> get age
"30"

list 列表类型

• list 列表类型可以存储有序、可重复的元素
• 获取头部或尾部附近的记录是极快的
• list 的元素个数最多为 2^32-1 个（40亿）
• 应用场景：
  • 因为其有序性，可以作为栈或队列使用
  • 可用于各种列表，比如用户列表、商品列表、评论列表等

常见操作命令如下表：

命令名称	命令格式	描述
lpush	lpush key v1 v2 v3 ...	从左侧插入列表
lpop	lpop key	从列表左侧取出
rpush	rpush key v1 v2 v3 ...	从右侧插入列表
rpop	rpop key	从列表右侧取出
lpushx	lpushx key value	将值插入到列表头部
rpushx	rpushx key value	将值插入到列表尾部
blpop	blpop key timeout	从列表左侧取出，当列表为空时阻塞，可以设置最大阻塞时 间，单位为秒
brpop	blpop key timeout	从列表右侧取出，当列表为空时阻塞，可以设置最大阻塞时 间，单位为秒
llen	llen key	获得列表中元素个数
lindex	lindex key index	获得列表中下标为 index 的元素，index 从 0 开始
lrange	lrange key start end	返回列表中指定区间的元素，区间通过 start 和 end 指定
lrem	lrem key count value	删除列表中与 value 相等的元素，当 count > 0 时， lrem 会从列表左边开始删除；当 count < 0 时， lrem 会从列表后边开始删除；当 count = 0 时， lrem 删除所有值为 value 的元素
lset	lset key index value	将列表 index 位置的元素设置成 value 的值
ltrim	ltrim key start end	对列表进行修剪，只保留 start 到 end 区间
rpoplpush	rpoplpush key1 key2	从 key1 列表右侧弹出并插入到 key2 列表左侧
brpoplpush	brpoplpush key1 key2	从 key1 列表右侧弹出并插入到 key2 列表左侧，会阻塞
linsert	linsert key BEFORE/AFTER pivot value	将 value 插入到列表，且位于值 pivot 之前或之后

127.0.0.1:6379> lpush list:1 1 2 3 4 5 3
(integer) 5
127.0.0.1:6379> lrange list:1 0 -1
1) "5"
2) "4"
3) "3"
4) "2"
5) "1"
127.0.0.1:6379> lpop list:1 # 从0开始
"5"
127.0.0.1:6379> rpop list:1
"1"
127.0.0.1:6379> lindex list:1 1
"3"
127.0.0.1:6379> lrange list:1 0 -1
1) "4"
2) "3"
3) "2"
127.0.0.1:6379> lindex list:1 1
"3"
127.0.0.1:6379> rpoplpush list:1 list:2
"2"
127.0.0.1:6379> lrange list:2 0 -1
1) "2"
127.0.0.1:6379> lrange list:1 0 -1
1) "4"
2) "3"

set 集合类型

• Set ：无序、唯一元素
• 集合中最大的成员数为 2^32 - 1
• 应用场景：
  • 适用于不能重复的且不需要顺序的数据结构，比如：关注的用户，还可以通过 spop 进行随机抽奖

常见操作命令如下表：

命令名称	命令格式	描述
sadd	sadd key mem1 mem2 ....	为集合添加新成员
srem	srem key mem1 mem2 ....	删除集合中指定成员
smembers	smembers key	获得集合中所有元素
spop	spop key	返回集合中一个随机元素，并将该元素删除
srandmember	srandmember key	返回集合中一个随机元素，不会删除该元素
scard	scard key	获得集合中元素的数量
sismember	sismember key member	判断元素是否在集合内
sinter	sinter key1 key2 key3	求多集合的交集
sdiff	sdiff key1 key2 key3	求多集合的差集
sunion	sunion key1 key2 key3	求多集合的并集

127.0.0.1:6379> sadd set:1 a b c d
(integer) 4
127.0.0.1:6379> smembers set:1
1) "d"
2) "b"
3) "a"
4) "c"
127.0.0.1:6379> srandmember set:1
"c"
127.0.0.1:6379> srandmember set:1
"b"
127.0.0.1:6379> sadd set:2 b c r f
(integer) 4
127.0.0.1:6379> sinter set:1 set:2
1) "b"
2) "c"
127.0.0.1:6379> spop set:1
"d"
127.0.0.1:6379> smembers set:1
1) "b"
2) "a"
3) "c

sortedset 有序集合类型

• SortedSet （ ZSet ） 有序集合： 元素本身是无序不重复的
• 每个元素关联一个分数（ score ）
• 可按分数排序，分数可重复
• 应用场景：
  • 由于可以按照分值排序，所以适用于各种 排行榜。比如：点击排行榜、销量排行榜、关注排行榜等

常见操作命令如下表：

命令名称	命令格式	描述
zadd	zadd key score1 member1 score2 member2 ...	为有序集合添加新成员
zrem	zrem key mem1 mem2 ....	删除有序集合中指定成员
zcard	zcard key	获得有序集合中的元素数量
zcount	zcount key min max	返回集合中 score 值在 [min, max] 区间 的元素数量
zincrby	zincrby key increment member	在集合的 member 分值上加 increment
zscore	zscore key member	获得集合中 member 的分值
zrank	zrank key member	获得集合中 member 的排名（按分值 从小到大）
zrevrank	zrevrank key member	获得集合中 member 的排名（按分值从大到小）
zrange	zrange key start end	获得集合中指定区间成员，按分数递增排序
zrevrange	zrevrange key start end	获得集合中指定区间成员，按分数递减排序

127.0.0.1:6379> zadd hit:1 100 item1 20 item2 45 item3
(integer) 3
127.0.0.1:6379> zcard hit:1
(integer) 3
127.0.0.1:6379> zscore hit:1 item3
"45"
127.0.0.1:6379> zrevrange hit:1 0 -1
1) "item1"
2) "item3"
3) "item2"

hash 类型（散列表）

• Redis hash 是一个 string 类型的 field 和 value 的映射表，它提供了字段和字段值的映射
• 每个 hash 可以存储 2^32 - 1 键值对（40多亿）
• 应用场景：对象的存储，表数据的映射

常见操作命令如下表：

命令名称	命令格式	描述
hset	hset key field value	赋值，不区别新增或修改
hmset	hmset key field1 value1 field2 value2	批量赋值
hsetnx	hsetnx key field value	赋值，如果 filed 存在则不操作
hexists	hexists key filed	查看某个 field 是否存在
hget	hget key field	获取一个字段值
hmget	hmget key field1 field2 ...	获取多个字段值
hgetall	hgetall key	获取所有字段值
hdel	hdel key field1 field2...	删除指定字段
hincrby	hincrby key field increment	指定字段自增 increment
hlen	hlen key	获得字段数量

127.0.0.1:6379> hmset user:001 username zhangfei password 111 age 23 sex M
OK
127.0.0.1:6379> hgetall user:001
1) "username"
2) "zhangfei"
3) "password"
4) "111"
5) "age"
6) "23"
7) "sex"
8) "M"
127.0.0.1:6379> hget user:001 username
"zhangfei"
127.0.0.1:6379> hincrby user:001 age 1
(integer) 24
127.0.0.1:6379> hlen user:001
(integer) 4

bitmap 位图类型

• bitmap 是进行位操作的
• 通过一个 bit 位来表示某个元素对应的值或者状态，其中的 key 就是对应元素本身
• bitmap 本身会极大的节省储存空间
• 应用场景：
  1. 用户每月签到，用户 id 为 key， 日期作为偏移量 1 表示签到
  2. 统计活跃用户， 日期为 key ，用户 id 为偏移量 1 表示活跃
  3. 查询用户在线状态， 日期为 key ，用户 id 为偏移量 1 表示在线

常见操作命令如下表：

命令名 称	命令格式	描述
setbit	setbit key offset value	设置 key 在 offset 处的 bit 值（只能是 0 或者 1 ）
getbit	getbit key offset	获得 key 在 offset 处的 bit 值
bitcount	bitcount key	获得 key 的 bit 位为 1 的个数
bitpos	bitpos key value	返回第一个被设置为 bit 值的索引值
bitop	bitop and[or/xor/not] destkey key [key …]	对多个 key 进行逻辑运算后存入 destkey 中

127.0.0.1:6379> setbit user:sign:1000 20200101 1 #id为1000的用户20200101签到
(integer) 0
127.0.0.1:6379> setbit user:sign:1000 20200103 1 #id为1000的用户20200103签到
(integer) 0
127.0.0.1:6379> getbit user:sign:1000 20200101 #获得id为1000的用户20200101签到状态，1 表示签到
(integer) 1
127.0.0.1:6379> getbit user:sign:1000 20200102 #获得id为1000的用户20200102签到状态，0 表示未签到
(integer) 0
127.0.0.1:6379> bitcount user:sign:1000 # 获得id为1000的用户签到次数
(integer) 2
127.0.0.1:6379> bitpos user:sign:1000 1 #id为1000的用户第一次签到的日期
(integer) 20200101
127.0.0.1:6379> setbit 20200201 1000 1 #20200201的1000号用户上线
(integer) 0
127.0.0.1:6379> setbit 20200202 1001 1 #20200202的1000号用户上线
(integer) 0
127.0.0.1:6379> setbit 20200201 1002 1 #20200201的1002号用户上线
(integer) 0
127.0.0.1:6379> bitcount 20200201 #20200201的上线用户有2个
(integer) 2
127.0.0.1:6379> bitop or desk1 20200201 20200202 #合并20200201的用户和20200202上线了的用户
(integer) 126
127.0.0.1:6379> bitcount desk1 #统计20200201和20200202都上线的用户个数
(integer) 3

geo 地理位置类型

• geo 是 Redis 用来处理位置信息的。
• 在 Redis3.2 中正式使用。
• 主要是利用了 Z 阶曲线、 Base32 编码和 geohash 算法
• 应用场景：
  1. 记录地理位置
  2. 计算距离
  3. 查找 "附近的人"

常见操作命令如下表：

命令名称	命令格式	描述
geoadd	geoadd key 经度 纬度 成员名称1 经度1 纬度1 成 员名称2 经度2 纬度 2 ...	添加地理坐标
geohash	geohash key 成员名称1 成员名称2...	返回标准的 geohash 串
geopos	geopos key 成员名称1 成员名称2...	返回成员经纬度
geodist	geodist key 成员1 成员2 单位	计算成员间距离
georadiusbymember	georadiusbymember key 成员 值单位 count 数 asc[desc]	根据成员查找附近的成员

127.0.0.1:6379> geoadd user:addr 116.31 40.05 zhangf 116.38 39.88 zhaoyun 116.47 40.00 diaochan #添加用户地址 zhangf、zhaoyun、diaochan的经纬度
(integer) 3
127.0.0.1:6379> geohash user:addr zhangf diaochan #获得zhangf和diaochan的geohash码
1) "wx4eydyk5m0"
2) "wx4gd3fbgs0"
127.0.0.1:6379> geopos user:addr zhaoyun #获得zhaoyun的经纬度
1) 1) "116.38000041246414185"
   2) "39.88000114172373145"
127.0.0.1:6379> geodist user:addr zhangf diaochan #计算zhangf到diaochan的距离,单位是m
"14718.6972"
127.0.0.1:6379> geodist user:addr zhangf diaochan km #计算zhangf到diaochan的距离,单位是km
"14.7187"
127.0.0.1:6379> geodist user:addr zhangf zhaoyun km
"19.8276"
127.0.0.1:6379> georadiusbymember user:addr zhangf 20 km withcoord withdist count 3 asc
# 获得距离zhangf20km以内的按由近到远的顺序排出前三名的成员名称、距离及经纬度
#withcoord ： 获得经纬度 withdist：获得距离 withhash：获得geohash码
1) 1) "zhangf"
   2) "0.0000"
   3) 1) "116.31000012159347534"
      2) "40.04999982043828055"
2) 1) "diaochan"
   2) "14.7187"
   3) 1) "116.46999925374984741"
      2) "39.99999991084916218"
3) 1) "zhaoyun"
   2) "19.8276"
   3) 1) "116.38000041246414185"
      2) "39.88000114172373145"

Z 阶曲线

在 x 轴和 y 轴上将十进制数转化为二进制数，采用 x 轴和 y 轴对应的二进制数依次交叉后得到一个六位数编码。把数字从小到大依次连起来的曲线称为 Z 阶曲线， Z 阶曲线是把多维转换成一维的一种方法。

Base32 编码

• Base32 这种数据编码机制，主要 用来把二进制数据编码成可见的字符串，其编码规则是：任意给定一个二进制数据，以 5 个位（ bit ）为一组进行切分（ base64 以 6 个位（ bit ）为一组），对切分而成的每个组进行编码得到 1 个可见字符。
• Base32 编码表字符集中的字符总数为 32 个（ 0-9 、 b-z 去掉 a 、 i 、 l 、 o ），这也是 Base32 名字的由来。

geohash 算法

Gustavo 在 2008 年 2 月上线了 geohash.org 网站。 Geohash 是一种地理位置信息编码方法。 经过 geohash 映射后，地球上任意位置的经纬度坐标可以表示成一个较短的字符串。可以方便的存储在数据库中，附在邮件上，以及方便的使用在其他服务中。以北京的坐标举例，[39.928167, 116.389550] 可以转换成 wx4g0s8q3jf9 。

Redis 中经纬度使用 52 位的整数进行编码，放进 zset 中， zset 的 value 元素是 key ， score 是 GeoHash 的 52 位整数值。在使用 Redis 进行 Geo 查询时，其内部对应的操作其实只是 zset （ skiplist ）的操作。通过 zset 的 score 进行排序就可以得到坐标附近的其它元素，通过将 score 还原成坐标值就可以得到元素的原始坐标。

stream 数据流类型

stream 是 Redis5.0 后新增的数据结构，用于可持久化的消息队列。

几乎满足了消息队列具备的全部内容，包括：

• 消息 ID 的序列化生成
• 消息遍历
• 消息的阻塞和非阻塞读取
• 消息的分组消费
• 未完成消息的处理
• 消息队列监控

每个 Stream 都有唯一的名称，它就是 Redis 的 key ，首次使用 xadd 指令追加消息时自动创建。

常见操作命令如下表：

命令名称	命令格式	描述
xadd	xadd key id <*> field1 value1....	将指定消息数据追加到指定队列（ key ）中，* 表示最新生成的 id （当前时间 + 序列号）
xread	xread [COUNT count] [BLOCK milliseconds] STREAMS key [key ...] ID [ID ...]	从消息队列中读取消息 COUNT：读取条数 BLOCK：阻塞读（默认不阻塞） key：队列 名称 ID：消息id
xrange	xrange key start end [COUNT]	读取队列中给定 ID 范围的消息 COUNT：返 回消息条数（消息 id 从小到大）
xrevrange	xrevrange key start end [COUNT]	读取队列中给定 ID 范围的消息 COUNT：返 回消息条数（消息 id 从大到小）
xdel	xdel key id	删除队列的消息
xgroup	xgroup create key groupname id	创建一个新的消费组
xgroup	xgroup destory key groupname	删除指定消费组
xgroup	xgroup delconsumer key groupname cname	删除指定消费组中的某个消费者
xgroup	xgroup setid key id	修改指定消息的最大 id
xreadgroup	xreadgroup group groupname consumer COUNT streams key	从队列中的消费组中创建消费者并消费数据 （consumer 不存在则创建）

127.0.0.1:6379> xadd topic:001 * name zhangfei age 23
"1591151905088-0"
127.0.0.1:6379> xadd topic:001 * name zhaoyun age 24 name diaochan age 16
"1591151912113-0"
127.0.0.1:6379> xrange topic:001 - +
1) 1) "1591151905088-0"
   2) 1) "name"
      2) "zhangfei"
      3) "age"
      4) "23"
2) 1) "1591151912113-0"
   2) 1) "name"
      2) "zhaoyun"
      3) "age"
      4) "24"
      5) "name"
      6) "diaochan"
      7) "age"
      8) "16"
127.0.0.1:6379> xread COUNT 1 streams topic:001 0
1) 1) "topic:001"
   2) 1) 1) "1591151905088-0"
         2) 1) "name"
            2) "zhangfei"
            3) "age"
            4) "23"
#创建的group1
127.0.0.1:6379> xgroup create topic:001 group1 0
OK
# 创建cus1加入到group1 消费 没有被消费过的消息 消费第一条
127.0.0.1:6379> xreadgroup group group1 cus1 count 1 streams topic:001 >
1) 1) "topic:001"
   2) 1) 1) "1591151905088-0"
         2) 1) "name"
         2) "zhangfei"
         3) "age"
         4) "23"
#继续消费 第二条
127.0.0.1:6379> xreadgroup group group1 cus1 count 1 streams topic:001 >
1) 1) "topic:001"
   2) 1) 1) "1591151912113-0"
         2) 1) "name"
            2) "zhaoyun"
            3) "age"
            4) "24"
            5) "name"
            6) "diaochan"
            7) "age"
            8) "16"
#没有可消费
127.0.0.1:6379> xreadgroup group group1 cus1 count 1 streams topic:001 >
(nil)

底层数据结构

Redis 作为 Key-Value 存储系统，数据结构如下：

• Redis 没有表的概念， Redis 实例所对应的 db 以编号区分， db 本身就是 key 的命名空间。
• 比如：user:1000 作为 key 值，表示在 user 这个命名空间下 id 为 1000 的元素，类似于 user 表的 id = 1000 的行

RedisDB 结构

• Redis 中存在 数据库 的概念，该结构由 redis.h 中的 redisDb 定义。
• 当 Redis 服务器初始化时，会预先分配 16 个数据库
• 所有数据库保存到结构 redisServer 的一个成员 redisServer.db 数组中
• redisClient 中存在一个名叫 db 的指针指向当前使用的数据库

RedisDB 结构体源码：

typedef struct redisDb {
    int id; 		//id是数据库序号，为0-15（默认Redis有16个数据库）
    long avg_ttl; 	//存储的数据库对象的平均ttl（time to live），用于统计
    dict *dict; 	//存储数据库所有的key-value
    dict *expires; 	//存储key的过期时间
    dict *blocking_keys;	//blpop ，存储阻塞key和客户端对象
    dict *ready_keys;		//阻塞后 push 响应阻塞客户端，存储阻塞后push的key和客户端对象
    dict *watched_keys;		//存储watch监控的的key和客户端对象
} redisDb;

RedisObject 结构

• 其 Value 是一个对象，包含字符串对象，列表对象，哈希对象，集合对象和有序集合对象

typedef struct redisObject {
    unsigned type:4;		//类型，五种对象类型：REDIS_STRING （字符串）、 REDIS_LIST （列表）、 REDIS_HASH （哈希）、 REDIS_SET （集合）、 REDIS_ZSET （有序集合）。
    unsigned encoding:4;	//对象的内部编码
    void *ptr;				//指向底层实现数据结构的指针，指向具体的数据
    //...
    int refcount;			//引用计数，主要在于对象的引用计数和内存回收
    //...
    unsigned lru:LRU_BITS; 	//LRU_BITS为24bit，记录对象最后一次被命令程序访问的时间，高16位存储一个分钟数级别的时间戳，低8位存储访问计数（lfu ： 最近访问次数）
    //...
}robj;

# 执行 type 命令时，便是通过读取 RedisObject 的 type 字段获得对象的类型
127.0.0.1:6379> type a1
string

# 通过 object encoding 命令，可以查看对象采用的编码方式
127.0.0.1:6379> object encoding a1
"int"

7 种 type

字符串对象

• C语言： 字符数组 ""
• Redis 使用 SDS （ Simple Dynamic String ） 存储字符串和整型数据。

struct sdshdr{
    //记录buf数组中已使用字节的数量
    int len;
    //记录 buf 数组中未使用字节的数量
    int free;
    //字符数组，用于保存字符串，buf[] 的长度=len+free+1
    char buf[];
}

SDS 的优势：

1. SDS 在 C 字符串的基础上加入了 free 和 len 字段，获取字符串长度：SDS 是 O(1)，C 字符串是
   O(n)。buf 数组的长度=free+len+1
2. SDS 由于记录了长度，在可能造成缓冲区溢出时会自动重新分配内存，杜绝了缓冲区溢出。
3. 可以存取二进制数据，以字符串长度 len 来作为结束标识

• C： ，空字符串，二进制数据包括空字符串，所以没有办法存取二进制数据
• SDS ： 非二进制
• 二进制： 字符串长度，可以存二进制数据

使用场景： SDS 的主要应用在：存储字符串和整型数据、存储 key 、 AOF 缓冲区和用户输入缓冲。

跳跃表（重点）

• 跳跃表是有序集合（sorted-set）的底层实现，效率高，实现简单。
• 跳跃表的基本思想：将有序链表中的部分节点分层，每一层都是一个有序链表。
• 跳跃表的优势：
  • 可以快速查找到需要的节点
  • 可以在 O(1) 的时间复杂度下，快速获得跳跃表的头节点、尾结点、长度和高度。
• 应用场景：有序集合的实现

查找

在查找时优先从最高层开始向后查找，当到达某个节点时，如果 next 节点值大于要查找的值或 next 指针指向 null ，则从当前节点下降一层继续向后查找。

举例：查找元素 9，按道理我们需要从头结点开始遍历，一共遍历 8 个结点才能找到元素 9

第一次分层：遍历 5 次找到元素 9（红色的线为查找路径）

第二次分层：遍历 4 次找到元素 9

第三层分层：遍历 4 次找到元素 9

这种数据结构，就是跳跃表，它具有二分查找的功能。

插入

上面例子中，9 个结点，一共 4 层，是理想的跳跃表。

通过抛硬币（概率 1/2）的方式来决定新插入结点跨越的层数：

• 正面：插入上层
• 背面：不插入

达到 1/2 概率（计算次数）

删除

找到指定元素并删除每层的该元素即可

跳跃表特点：

• 每层都是一个有序链表
• 查找次数近似于层数（1/2）
• 底层包含所有元素
• 空间复杂度 O(n) 扩充了一倍

Redis 跳跃表的实现

//跳跃表节点
typedef struct zskiplistNode {
    sds ele; // 存储字符串类型数据，redis3.0版本中使用robj类型表示，但是在redis4.0.1中直接使用sds类型表示
    double score;	// 存储排序的分值
    struct zskiplistNode *backward; //后退指针，指向当前节点最底层的前一个节点
    
    /*
     *	层，柔性数组，随机生成1-64的值
     */
    struct zskiplistLevel {
        struct zskiplistNode *forward; //指向本层下一个节点
        unsigned int span; //本层下个节点到本节点的元素个数
    } level[];
} zskiplistNode;


//链表
typedef struct zskiplist{
    //表头节点和表尾节点
    structz skiplistNode *header, *tail;
    //表中节点的数量
    unsigned long length;
    //表中层数最大的节点的层数
    int level;
}zskiplist;

完整的跳跃表结构体：

字典（重点+难点）

• 字典 dict 又称散列表（hash），是用来存储键值对的一种数据结构。
• Redis 整个数据库是用字典来存储的。（K-V 结构）
• 对 Redis 进行 CURD 操作其实就是对字典中的数据进行 CURD 操作。

数组

数组：用来存储数据的容器，采用 头指针 + 偏移量 的方式能够以 O(1) 的时间复杂度定位到数据所在的内存地址。

支撑了 Redis 海量存储 和 高效

Hash函数

Hash（散列），作用是把任意长度的输入通过散列算法转换成固定类型、固定长度的散列值。

hash 函数可以把 Redis 里的 key ：包括字符串、整数、浮点数等，统一转换成整数。

数组下标= hash(key) % 数组容量（ hash 值 % 数组容量 得到的余数）

Hash冲突

• 不同的 key 经过计算后出现数组下标一致，称为 Hash 冲突。
• 采用单链表在相同的下标位置处存储原始 key 和 value
• 当根据 key 找 value 时，找到数组下标，遍历单链表可以找出 key 相同的 value

Redis 字典的实现

Redis 字典实现包括：字典（ dict ）、 Hash 表（ dictht ）、 Hash 表节点（ dictEntry ）。

Hash 表

typedef struct dictht {
    dictEntry **table; 		// 哈希表数组
    unsigned long size; 	// 哈希表数组的大小
    unsigned long sizemask; // 用于映射位置的掩码，值永远等于(size-1)
    unsigned long used; 	// 哈希表已有节点的数量,包含next单链表数据
} dictht;

• hash 表的数组初始容量为 4，随着 k-v 存储量的增加需要对 hash 表数组进行扩容，新扩容量为当前量的一倍，即 4,8,16,32
• 索引值=Hash 值&掩码值（Hash 值与 Hash 表容量取余）

Hash 表节点

typedef struct dictEntry {
    void *key; 		// key字段存储的是键值对中的键
    union { 		// 值v的类型可以是以下4种类型
        void *val;
        uint64_t u64;
        int64_t s64;
        double d;
    } v;		// v字段是个联合体，存储的是键值对中的值
    struct dictEntry *next; // 指向下一个哈希表节点，形成单向链表 解决hash冲突
} dictEntry;

dict 字典

typedef struct dict {
    dictType *type; 	// 该字典对应的特定操作函数
    void *privdata; 	// 上述类型函数对应的可选参数
    dictht ht[2]; 		// 两张哈希表，存储键值对数据，ht[0]为原生哈希表，ht[1]为 rehash 哈希表
    long rehashidx; 	// rehash标识 当等于-1时表示没有在rehash，否则表示正在进行rehash操作，存储的值表示 hash表 ht[0]的rehash进行到哪个索引值(数组下标)
    int iterators; 		// 当前运行的迭代器数量
} dict;

type 字段，指向 dictType 结构体，里边包括了对该字典操作的函数指针

typedef struct dictType {
    // 计算哈希值的函数
    unsigned int (*hashFunction)(const void *key);
    // 复制键的函数
    void *(*keyDup)(void *privdata, const void *key);
    // 复制值的函数
    void *(*valDup)(void *privdata, const void *obj);
    // 比较键的函数
    int (*keyCompare)(void *privdata, const void *key1, const void *key2);
    // 销毁键的函数
    void (*keyDestructor)(void *privdata, void *key);
    // 销毁值的函数
    void (*valDestructor)(void *privdata, void *obj);
} dictType;

Redis 字典除了主数据库的 K-V 数据存储以外，还可以用于：散列表对象、哨兵模式中的主从节点管理等在不同的应用中，字典的形态都可能不同， dictType 是为了实现各种形态的字典而抽象出来的操作函数（多态）。

完整的 Redis 字典数据结构：

字典扩容

字典达到存储上限，需要 rehash（扩容）

扩容流程：

说明：

1. 初次申请默认容量为 4 个 dictEntry，非初次申请为当前 hash 表容量的一倍。
2. rehashidx=0 表示要进行 rehash 操作。
3. 新增加的数据在新的 hash 表 h[1]
4. 修改、删除、查询在老 hash 表 h[0]、新 hash 表 h[1] 中（rehash 中）
5. 将老的 hash 表 h[0] 的数据重新计算索引值后全部迁移到新的 hash 表 h[1] 中，这个过程称为 rehash。

渐进式 rehash

当数据量巨大时rehash的过程是非常缓慢的，所以需要进行优化。

• 服务器忙，则只对一个节点进行 rehash
• 服务器闲，可批量 rehash （100 节点）

应用场景：

1. 主数据库的 K-V 数据存储
2. 散列表对象（hash）
3. 哨兵模式中的主从节点管理

压缩列表

压缩列表（ziplist）是由一系列特殊编码的连续内存块组成的顺序型数据结构，是一个字节数组，可以包含多个节点（entry）。每个节点可以保存一个字节数组或一个整数。

应用场景：

• sorted-set 和 hash 元素个数少且是小整数或短字符串（直接使用）
• list 用快速链表（ quicklist ）数据结构存储，而快速链表是双向列表与压缩列表的组合。（间接使用）

压缩列表的数据结构如下：

• zlbytes：压缩列表的字节长度
• zltail：压缩列表尾元素相对于压缩列表起始地址的偏移量
• zllen：压缩列表的元素个数
• entry1 .. entryX : 压缩列表的各个节点
• zlend：压缩列表的结尾，占一个字节，恒为 0xFF（255）

entryX 元素的编码结构：

• previous_entry_length：前一个元素的字节长度
• encoding：表示当前元素的编码
• content：数据内容

ziplist 结构体如下：

typedef struct zlentry {
    unsigned int prevrawlensize; //previous_entry_length字段的长度
    unsigned int prevrawlen; //previous_entry_length字段存储的内容
    unsigned int lensize; //encoding字段的长度
    unsigned int len; //数据内容长度
    unsigned int headersize; //当前元素的首部长度，即previous_entry_length字段长度与 encoding字段长度之和。
    unsigned char encoding; //数据类型
    unsigned char *p; //当前元素首地址
} zlentry;

整数集合

• 整数集合（ intset ）是一个有序的（整数升序）、存储整数的连续存储结构。
• 当 Redis 集合类型的元素都是整数并且都处在 64 位有符号整数范围内（2^64），使用该结构体存储。
• 应用场景：可以保存类型为 int16_t 、int32_t 或者 int64_t 的整数值，并且保证集合中不会出现重复元素。

127.0.0.1:6379> sadd set:001 1 3 5 6 2
(integer) 5
127.0.0.1:6379> object encoding set:001
"intset"
127.0.0.1:6379> sadd set:004 1 100000000000000000000000000 9999999999
(integer) 3
127.0.0.1:6379> object encoding set:004
"hashtable"

intset 的结构图如下：

typedef struct intset{
    //编码方式
    uint32_t encoding;
    //集合包含的元素数量
    uint32_t length;
    //保存元素的数组
    int8_t contents[];
}intset;

快速列表（重要）

快速列表（ quicklist ）是 Redis 底层重要的数据结构。是列表的底层实现。（在 Redis3.2 之前， Redis 采用双向链表（ adlist ）和压缩列表（ ziplist ）实现。）在 Redis3.2 以后结合 adlist 和 ziplist 的优势，Redis 设计出了 quicklist 。

应用场景：列表（ List ）的底层实现、发布与订阅、慢查询、监视器等功能。

127.0.0.1:6379> lpush list:001 1 2 5 4 3
(integer) 5
127.0.0.1:6379> object encoding list:001
"quicklist"

双向列表（adlist）

双向链表优势：

1. 双向：链表具有前置节点和后置节点的引用，获取这两个节点时间复杂度都为 O(1)。

2. 普通链表（单链表）：节点类保留下一节点的引用。链表类只保留头节点的引用，只能从头节点插入删除

3. 无环：表头节点的 prev 指针和表尾节点的 next 指针都指向 NULL，对链表的访问都是以 NULL 结束。

   环状：头的前一个节点指向尾节点

4. 带链表长度计数器：通过 len 属性获取链表长度的时间复杂度为 O(1)。

5. 多态：链表节点使用 void* 指针来保存节点值，可以保存各种不同类型的值。

快速列表

quicklist 是一个双向链表，链表中的每个节点时一个 ziplist 结构。 quicklist 中的每个节点 ziplist 都能够存储多个数据元素。

quicklist 的结构定义如下：

typedef struct quicklist {
    quicklistNode *head; // 指向quicklist的头部
    quicklistNode *tail; // 指向quicklist的尾部
    unsigned long count; // 列表中所有数据项的个数总和
    unsigned int len; // quicklist节点的个数，即ziplist的个数
    int fill : 16; // ziplist大小限定，由list-max-ziplist-size给定(Redis设定)
    unsigned int compress : 16; // 节点压缩深度设置，由list-compress-depth给定(Redis 设定)
} quicklist;

quicklistNode 的结构定义如下：

typedef struct quicklistNode {
    struct quicklistNode *prev; // 指向上一个ziplist节点
    struct quicklistNode *next; // 指向下一个ziplist节点
    unsigned char *zl; // 数据指针，如果没有被压缩，就指向ziplist结构，反之指向 quicklistLZF结构
    unsigned int sz; // 表示指向ziplist结构的总长度(内存占用长度)
    unsigned int count : 16; // 表示ziplist中的数据项个数
    unsigned int encoding : 2; // 编码方式，1--ziplist，2--quicklistLZF
    unsigned int container : 2; // 预留字段，存放数据的方式，1--NONE，2--ziplist
    unsigned int recompress : 1; // 解压标记，当查看一个被压缩的数据时，需要暂时解压，标记此参数为 1，之后再重新进行压缩
    unsigned int attempted_compress : 1; // 测试相关
    unsigned int extra : 10; // 扩展字段，暂时没用
} quicklistNode;

数据压缩

• quicklist 每个节点的实际数据存储结构为 ziplist ，这种结构的优势在于节省存储空间。为了进一步降低 ziplist 的存储空间，还可以对 ziplist 进行压缩。
• Redis 采用的压缩算法是 LZF。其基本思想是：数据与前面重复的记录重复位置及长度，不重复的记录原始数据。
• 压缩过后的数据可以分成多个片段，每个片段有两个部分：解释字段和数据字段。

quicklistLZF 的结构体如下：

typedef struct quicklistLZF {
    unsigned int sz; // LZF压缩后占用的字节数
    char compressed[]; // 柔性数组，指向数据部分
} quicklistLZF;

流对象

• stream 主要由：消息、生产者、消费者和消费组构成。
• Redis Stream 的底层主要使用了 listpack（紧凑列表）和 Rax 树（基数树）。
• 应用场景：stream 的底层实现

listpack

listpack 表示一个字符串列表的序列化，listpack 可用于存储字符串或整数。用于存储 stream 的消息内容。

结构如下图：

Rax树

Rax 是一个有序字典树 （基数树 Radix Tree ），按照 key 的字典序排列，支持快速地定位、插入和删除操作。

Rax 被用在 Redis Stream 结构里面用于存储消息队列，在 Stream 里面消息 ID 的前缀是时间戳 + 序号，这样的消息可以理解为时间序列消息。使用 Rax 结构 进行存储就可以快速地根据消息 ID 定位到具体的消息，然后继续遍历指定消息之后的所有消息。

10 种 encoding

• encoding 表示对象的内部编码，占 4 位。
• Redis 通过 encoding 属性为对象设置不同的编码
• 对于少的和小的数据，Redis 采用小的和压缩的存储方式，体现 Redis 的灵活性，大大提高了 Redis 的存储量和执行效率

比如 Set 对象：

• intset ： 元素是 64 位以内的整数
• hashtable：元素是 64 位以外的整数

127.0.0.1:6379> sadd set:001 1 3 5 6 2
(integer) 5
127.0.0.1:6379> object encoding set:001
"intset"
127.0.0.1:6379> sadd set:004 1 100000000000000000000000000 9999999999
(integer) 3
127.0.0.1:6379> object encoding set:004
"hashtable"

String

int、raw、embstr

int

REDIS_ENCODING_INT（int 类型的整数）

127.0.0.1:6379> set n1 123
OK
127.0.0.1:6379> object encoding n1
"int"

embstr

REDIS_ENCODING_EMBSTR（编码的简单动态字符串）

小字符串，长度小于 44 个字节

127.0.0.1:6379> set name:001 zhangfei
OK
127.0.0.1:6379> object encoding name:001
"embstr"

raw

REDIS_ENCODING_RAW （简单动态字符串）

大字符串，长度大于 44 个字节

127.0.0.1:6379> set address:001 asdasdasdasdasdasdsadasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdasdas
OK
127.0.0.1:6379> object encoding address:001
"raw"

list

列表的编码是 quicklist。

REDIS_ENCODING_QUICKLIST（快速列表）

127.0.0.1:6379> lpush list:001 1 2 5 4 3
(integer) 5
127.0.0.1:6379> object encoding list:001
"quicklist"

hash

散列的编码是字典（dict）和压缩列表（ziplist）

dict

REDIS_ENCODING_HT（字典）

当散列表元素的个数比较多或元素不是小整数或短字符串时。

127.0.0.1:6379> hmset user:003
username11111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111 zhangfei password 111 num
2300000000000000000000000000000000000000000000000000
OK
127.0.0.1:6379> object encoding user:003
"hashtable"

ziplist

REDIS_ENCODING_ZIPLIST（压缩列表）

当散列表元素的个数比较少，且元素都是小整数或短字符串时。

127.0.0.1:6379> hmset user:001 username zhangfei password 111 age 23 sex M
OK
127.0.0.1:6379> object encoding user:001
"ziplist"

set

集合的编码是整形集合（intset）和字典（dict）

intset

REDIS_ENCODING_INTSET（整数集合）

当 Redis 集合类型的元素都是整数并且都处在 64 位有符号整数范围内（<18446744073709551616）

127.0.0.1:6379> sadd set:001 1 3 5 6 2
(integer) 5
127.0.0.1:6379> object encoding set:001
"intset"

dict

REDIS_ENCODING_HT（字典）

当 Redis 集合类型的元素都是整数并且都处在 64 位有符号整数范围外（>18446744073709551616）

127.0.0.1:6379> sadd set:004 1 100000000000000000000000000 9999999999
(integer) 3
127.0.0.1:6379> object encoding set:004
"hashtable"

zset

有序集合的编码是压缩列表（ziplist）和跳跃表+字典（skiplist + dict）

ziplist

REDIS_ENCODING_ZIPLIST（压缩列表）

当元素的个数比较少，且元素都是小整数或短字符串时。

127.0.0.1:6379> zadd hit:1 100 item1 20 item2 45 item3
(integer) 3
127.0.0.1:6379> object encoding hit:1
"ziplist"

skiplist + dict

REDIS_ENCODING_SKIPLIST（跳跃表+字典）

当元素的个数比较多或元素不是小整数或短字符串时。

127.0.0.1:6379> zadd hit:2 100
item11111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111 20 item2 45 item3
(integer) 3
127.0.0.1:6379> object encoding hit:2
"skiplist"

缓存过期和淘汰策略

• Redis 性能高：官方数据为 读 - 110000次/s，写 - 81000次/s
• 长期使用，key 会不断增加，Redis 作为缓存使用，物理内存也会满
• 内存与硬盘交换（swap） 虚拟内存 ，频繁 IO 性能急剧下降

maxmemory

不设置的场景：

• Redis 的 key 是固定的，不会增加
• Redis 作为 DB 使用，保证数据的完整性，不能淘汰 ， 可以做集群，横向扩展
• 缓存淘汰策略：禁止驱逐 （默认）

设置的场景：

• Redis 是作为缓存使用，不断增加 key
• maxmemory ： 默认为0，无限制
• 问题：达到物理内存后性能急剧下架，甚至崩溃
• 内存与硬盘交换（swap） 虚拟内存 ，频繁IO 性能急剧下降
• 设置多少合适与业务有关
  • 1 个 Redis 实例，保证系统运行 1 G ，剩下的就都可以设置给 Redis，约为物理内存的3/4
  • slaver ： 需要留出一定的内存

在 redis.conf 中设置：

maxmemory 1024mb

获得 maxmemory 参数的命令：

CONFIG GET maxmemory

• 设置 maxmemory 后，当趋近 maxmemory 时，通过缓存淘汰策略，从内存中删除对象
• 不设置 maxmemory 无最大内存限制，maxmemory-policy noeviction （淘汰策略为禁止驱逐，也就是不淘汰）
• 设置 maxmemory 的情况下，需要配置淘汰策略 maxmemory-policy

expire 数据结构

在 Redis 中可以使用 expire 命令设置一个键的存活时间（ ttl ： time to live ），过了这段时间，该键就会自动被删除。

expire 的使用

expire 命令的使用方法如下： expire key ttl （单位秒）

127.0.0.1:6379> expire name 2 #2秒失效
(integer) 1
127.0.0.1:6379> get name
(nil)
127.0.0.1:6379> set name zhangfei
OK
127.0.0.1:6379> ttl name #永久有效
(integer) -1
127.0.0.1:6379> expire name 30 #30秒失效
(integer) 1
127.0.0.1:6379> ttl name #还有24秒失效
(integer) 24
127.0.0.1:6379> ttl name #失效
(integer) -2

expire 原理

typedef struct redisDb {
    dict *dict; 	// key Value
    dict *expires; 	// key ttl
    dict *blocking_keys;
    dict *ready_keys;
    dict *watched_keys;
    int id;
} redisDb;

• 上面的代码是 Redis 中关于数据库的结构体定义，这个结构体定义中除了 id 以外都是指向字典的指针，其中我们只看 dict 和 expires 。
• dict 用来维护一个 Redis 数据库中包含的所有 key-value 键值对， expires 则用于维护一个 Redis 数据库中设置了失效时间的键（即 key 与失效时间的映射）。
• 当我们使用 expire 命令设置一个 key 的失效时间时， Redis 首先到 dict 这个字典表中查找要设置的 key 是否存在，如果存在就将这个 key 和失效时间添加到 expires 这个字典表。
• 当我们使用 setex 命令向系统插入数据时， Redis 首先将 Key 和 Value 添加到 dict 这个字典表中，然后将 Key 和失效时间添加到 expires 这个字典表中。
• 简单地总结来说就是，设置了失效时间的 key 和具体的失效时间全部都维护在 expires 这个字典表中。

删除策略

• Redis 的数据删除有 定时删除、惰性删除 和 主动删除 三种方式。
• Redis 目前采用 惰性删除+主动删除 的方式。

定时删除

• 在设置键的过期时间的同时，创建一个定时器，让定时器在键的过期时间来临的时候，立即执行对键的删除操作。
• 需要创建定时器，而且消耗 CPU，一般不推荐使用。

惰性删除

• 在 key 被访问时如果发现它已经失效，那么就删除它。
• 调用 expireIfNeeded 函数，该函数的意义是：读取数据之前先检查一下它有没有失效，如果失效了就删除它。

int expireIfNeeded(redisDb *db, robj *key) {
    //获取主键的失效时间 get当前时间-创建时间>ttl
    long long when = getExpire(db,key);
    //假如失效时间为负数，说明该主键未设置失效时间（失效时间默认为-1），直接返回0
    if (when < 0) return 0;
    //假如Redis服务器正在从RDB文件中加载数据，暂时不进行失效主键的删除，直接返回0
    if (server.loading) return 0;
    
    ...
    
    //如果以上条件都不满足，就将主键的失效时间与当前时间进行对比，如果发现指定的主键
    //还未失效就直接返回0
    if (mstime() <= when) return 0;
    //如果发现主键确实已经失效了，那么首先更新关于失效主键的统计个数，然后将该主键失效的信息进行广播，最后将该主键从数据库中删除
    server.stat_expiredkeys++;
    propagateExpire(db,key);
    return dbDelete(db,key);
}

主动删除

在 redis.conf 文件中可以配置主动删除策略，默认是 no-enviction （不删除）

maxmemory-policy allkeys-lru

LRU

LRU （ Least Recently Used ） 最近最少使用，算法根据数据的历史访问记录来进行淘汰数据，其核心思想是：如果数据最近被访问过，那么将来被访问的几率也更高。

最常见的实现是使用一个链表保存缓存数据，详细算法实现如下：

1. 新数据插入到链表头部；
2. 每当缓存命中（即缓存数据被访问），则将数据移到链表头部；
3. 当链表满的时候，将链表尾部的数据丢弃。
4. 在 Java 中可以使用 LinkHashMap （哈希链表）去实现 LRU

让我们以用户信息的需求为例，来演示一下LRU算法的基本思路：

1. 假设我们使用哈希链表来缓存用户信息，目前缓存了 4 个用户，这 4 个用户是按照时间顺序依次从链表右端插入的。
2. 此时，业务方访问用户 5 ，由于哈希链表中没有用户 5 的数据，我们从数据库中读取出来，插入到缓存当中。这时候，链表中最右端是最新访问到的用户 5 ，最左端是最近最少访问的用户 1 。
3. 接下来，业务方访问用户 2 ，哈希链表中存在用户 2 的数据，我们怎么做呢？我们把用户 2 从它的前驱节点和后继节点之间移除，重新插入到链表最右端。这时候，链表中最右端变成了最新访问到的用户 2 ，最左端仍然是最近最少访问的用户 1 。
4. 接下来，业务方请求修改用户 4 的信息。同样道理，我们把用户 4 从原来的位置移动到链表最右侧，并把用户信息的值更新。这时候，链表中最右端是最新访问到的用户 4 ，最左端仍然是最近最少访问的用户 1 。
5. 业务访问用户 6 ，用户 6 在缓存里没有，需要插入到哈希链表。假设这时候缓存容量已经达到上限，必须先删除最近最少访问的数据，那么位于哈希链表最左端的用户 1 就会被删除掉，然后再把用户 6 插入到最右端。

Redis 的 LRU 数据淘汰机制

• 在服务器配置中保存了 LRU 计数器 server.lrulock，会定时（Redis 定时程序 serverCorn()）更新，server.lrulock 的值是根据 server.unixtime 计算出来的。
• 另外，从 struct redisObject 中可以发现，每一个 Redis 对象都会设置相应的 lru。可以想象的是，每一次访问数据的时候，会更新 redisObject.lru。
• LRU 数据淘汰机制是这样的：在数据集中随机挑选几个键值对，取出其中 lru 最大的键值对淘汰。
• 不可能遍历所有 key，用当前时间-最近访问访问，越大则说明访问间隔时间越长

淘汰策略	描述
volatile-lru	从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰
allkeys-lru	从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰

LFU

LFU （ Least frequently used ） 最不经常使用，如果一个数据在最近一段时间内使用次数很少，那么在将来一段时间内被使用的可能性也很小。

• volatile-lfu
• allkeys-lfu

random

• 随机淘汰策略
• volatile-random
  • 从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰
• allkeys-random
  • 从数据集（server.db[i].dict）中任意选择数据淘汰

ttl

• volatile-ttl
  • 从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰
• Redis 数据集数据结构中保存了键值对过期时间的表，即 redisDb.expires。
• TTL 数据淘汰机制：从过期时间的表中随机挑选几个键值对，取出其中 ttl 最小的键值对淘汰。

noenviction

禁止驱逐数据，不删除，Redis 默认淘汰策略

缓存淘汰策略的选择

• allkeys-lru ： 在不确定时一般采用策略。 适合冷热数据交换
• volatile-lru ： 比 allkeys-lru 性能差，因为需要存过期时间
• allkeys-random ： 希望请求符合平均分布（每个元素以相同的概率被访问）
• volatile-ttl ：希望自己控制，可能会有缓存穿透的问题

案例分享：字典库失效

问题场景：

• key-value 业务表存 code ，页面显示的是文字
• 拉勾早期将字典库，设置了 maxmemory，并设置缓存淘汰策略为 allkeys-lru
• 结果造成字典库某些字段失效，缓存击穿 ， DB 压力剧增，差点宕机。

问题分析：

• 字典库 ： Redis 做 DB 使用，要保证数据的完整性
• maxmemory设置较小，采用 allkeys-lru，会对没有经常访问的字典库随机淘汰，当再次访问时会缓存击穿，请求会打到 DB 上

解决方案：

1. 不设置 maxmemory
2. 使用 noenviction 策略

• Redis 是作为 DB 使用的，要保证数据的完整性，所以不能删除数据。
• 可以将原始数据源（XML）在系统启动时一次性加载到 Redis 中。
• Redis 做 主从+哨兵，保证高可用