数据类型和对应的数据结构：

数据类型	底层结构	场景	格式
String	SDS	缓存、分布式锁、分布式id	key：value
List	压缩列表,双向列表,快速列表	购物车、分布式锁	key：value1,value1,value2.......
Hash	压缩列表,Hash表	列表结构、队列结构、栈结构	key：field1:value1,field2:value2..........
Set	整数集合,Hash表	抽奖、点赞、求交集。	key：value1,value2,value3.......
SortedSet	压缩列表,跳表	排行榜	key：score1-value1,score2-value2.............

jvm锁失效的情况：

• Bean是多例：注意单例的controller使用@Autowired注入@Scope(value = "prototype")标注的service，在创建时已经确定service，service不会改变了，spring官方可能对于加了@Scope的bean的本意，并不是每次访问都创建一个新的bean，而是每个使用到的地方创建一个新的bean。
• 事务：原因是事务提交是在释放锁之后进行的，假设线程A将数据由2修改为1，由于释放锁，线程B是不可以读到线程2未提交的数据，所以读到的还是2。如果使用read uncommitted事务隔离级别的可以解决，但是我们是不允许mysql数据库使用read uncommitted事务隔离级别的。
• 集群部署：不在JVM环境肯定会失效。随着业务发展的需要，原单体单机部署的系统被演化成分布式集群系统后，由于分布式系统多线程、多进程并且分布在不同机器上，这将使原单机部署情况下的并发控制锁策略失效，单纯的Java API并不能提供分布式锁的能力。为了解决这个问题就需要一种跨JVM的互斥机制来控制共享资源的访问，这就是分布式锁要解决的问题！

集群数量为什么设置单数

最低票数 = （N/2 ）+ 1 （即 N 除以 2 的整数部分，再加 1）

• 3个节点：过半是2。允许宕机 3 - 2 = 1 台。
• 4个节点：过半是3。允许宕机 4 - 3 = 1 台。

问题：按照公式3个节点，假设挂了一个主节点，生效2个从节点都投票给自己怎么办?

• 选举超时时间是“随机”的。假设极端情况下，两台机器的时钟完全同步，且随机数生成器恰好产生了相同的值（概率极低），它们可能会同时触发选举。
• 这正是 Raft 论文中提到的 “活锁（Livelock）” 风险。但算法在选举失败后（比如双方各得1票，无人过半），会让它们重新生成一个新的随机超时时间，然后重新竞争。经过最多 2~3 轮，必然有一方先抢到。

Redis 提供了2个不同形式的持久化方式，RDB和AOF。

一，RDB

RDB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， 也就是快照的方式，它恢复时是将快照文件直接读到内存里。

1.0 持久化触发时机

• 手动触发
  • 使用save命令
  • 使用bgsave命令
• 自动触发：
  • 配置了save m n
  • 主从同步：
  • flushall 或者 flush db清空数据或者清空db

一，发布和订阅

Redis 发布订阅 (pub/sub) 是一种消息通信模式：发送者 (pub) 发送消息，订阅者 (sub) 接收消息。Redis 客户端可以订阅任意数量的频道：

1.1 命令

一，Redis的主从复制

​ 主机数据更新后根据配置和策略， 自动同步到备机的master/slaver机制，Master以写为主，Slave以读为主。这样做的好处是读写分离，性能扩展，容灾快速恢复。

1.1 环境搭建

如果你的redis在不同的服务器上，可以不看同一台服务器上启动多个redis的实现步骤：

一，缓存穿透

问题描述：

​ key对应的数据并不存在，每次针对此key的请求从缓存获取不到，请求都会压到数据源，从而可能压垮数据源。比如用一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。

解决方式：

• 空值缓存：如果一个查询返回的数据为空，不管数据是否不存在，我们仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过五分钟。
• 加锁：根据key从缓存中获取到的value为空时，先锁上，再去查DB将数据加载到缓存，若其它线程获取锁失败，则等待一段时间后重试，从而避免了大量请求直接打到DB。单机可以使用synchronized或ReentrantLock加锁，分布式环境需要加分布式锁，如Redis分布式锁
• 采用布隆过滤器：对于恶意攻击，向服务器请求大量不存在的数据造成的缓存穿透，还可以用布隆过滤器先做一次过滤，对于不存在的数据布隆过滤器一般都能够过滤掉，不让请求再往后端发送。布隆过滤器判断某个值存在时，这个值可能不存在；但是当它说不存在时，那就肯定不存在。