2024年10月redis做二级缓存（redis作为mybatis的二级缓存，此时二级缓存可以作为高并发缓存吗）
⑴redis做二级缓存（redis作为mybatis的二级缓存，此时二级缓存可以作为高并发缓存吗
⑵redis作为mybatis的二级缓存，此时二级缓存可以作为高并发缓存吗
⑶对该表的操作与查询都在同一个namespace下，其他的namespace如果有操作，就会发生数据过时。对关联表的查询，关联的所有表的操作都必须在同一个namespace。总之，操作与查询在同一个namespace下的查询才能缓存，其他namespace下的查询都
⑷redis怎么设置作为hibernate的二级缓存
⑸hibernate框架中就带着一个很好用的缓存，想不通你是为使用缓存而用缓存还是未了使用redis而用缓存?真想用，实现一下二级缓存需要的接口，对接到redis上，再配置到缓存中即可。
⑹mybatis自带一级和二级缓存，为什么还要用redis
⑺二级缓存是namespace区域内的，所以不同的namespace下操作同一张表，会导致数据不一致，个人从未使用过二级缓存，redis更灵活，功能更丰富
⑻Springboot+Mybatisplus+Redis实现二级缓存
⑼??通过application.yml配置redis的连接信息，springboot默认redis用的lecttuce客户端，如果想用jedis的话，只需要在pom.xml中引入redis的时候排除在lecttuce，然后再导入jedis的jar包就好了，.打开mybatisplus的二级缓存，为true的时候是开启的，false是关闭二级缓存.编写缓存类继承Cache类，实现Cache中的方法.早*.xml中加上《cache》标签，type写你所编写二级缓存类的路径
⑽redismybatis二级缓存为什么必须要有
⑾mybatis的二级缓存的范围是命名空间（namespace、只要这个命名空间下有一个insert、update、deletemybatis就会把这个命名空间下的二级缓清空。、如果同一个sql在不同的命名空间下，就会出现脏数据，因为一个insert、update、deleted了另一个可能还使用者缓存数据，这样就会出现数据的不一致性。、如果更新、删除、插入的频率比较高的话，就会删除所有缓存在添加所有缓存在删除，这样缓存的命中率很低或者说根本就起不到缓存作用而且会消耗资源。所以在没解决这个问题的前提下，还是不提倡使用二级缓存。
⑿redis发布订阅模式
⒀最近项目中，有个功能点是利用redis的发布订阅机制，进行服务器本地缓存数据同步。由于redis发布订阅功能的可靠性较差，在项目中出现了有服务器没有订阅成功问题，以及服务器订阅消息不及时，导致部分业务受到影响。所以将redis通知本地缓存的机制改为了使用redis做二级缓存。虽然Redis能够实现发布/订阅的功能,但是有如下缺点,所以选用前需谨慎考虑和常规的MQ不同,redis实现的发布/订阅模型消息无法持久化,一经发布,即使没有任何订阅方处理,该条消息就会丢失即发布方不会确保订阅方成功接收广播机制无法通过添加多个消费方增强消费能力,因为这和发布/订阅模型本身的目的是不符的.广播机制的目的是一个一个发布者被多个订阅进行不同的处理由于Redis发布/订阅模型存在的缺陷,所以使用前需要考虑如下几点.对于消息处理可靠性要求不强.消费能力无需通过增加消费方进行增强————————————————原文链接：
⒁redis怎么设置作为hibernate的二级缓存吗
⒂在向大家详细介绍Hibernate二级缓存之前，首先让大家了解下一级缓存，然后全面介绍Hibernate二级缓存。Hibernate中提供了两级Cache，第一级别的缓存是Session级别的缓存，它是属于事务范围的缓存。
⒃「干货」redis面试题
⒄Redis的全称是：RemoteDictionary.Server，本质上是一个Key-Value类型的内存数据库，很像memcached，整个数据库统统加载在内存当中进行操作，定期通过异步操作把数据库数据flush到硬盘上进行保存。因为是纯内存操作，Redis的性能非常出色，每秒可以处理超过万次读写操作，是已知性能最快的Key-ValueDB。Redis的出色之处不仅仅是性能，Redis最大的魅力是支持保存多种数据结构，此外单个value的最大限制是GB，不像memcached只能保存MB的数据，因此Redis可以用来实现很多有用的功能。比方说用他的List来做FIFO双向链表，实现一个轻量级的高性能消息队列服务，用他的Set可以做高性能的tag系统等等。另外Redis也可以对存入的Key-Value设置expire时间，因此也可以被当作一个功能加强版的memcached来用。Redis的主要缺点是数据库容量受到物理内存的限制，不能用作海量数据的高性能读写，因此Redis适合的场景主要局限在较小数据量的高性能操作和运算上。.memcached所有的值均是简单的字符串，redis作为其替代者，支持更为丰富的数据类型.redis的速度比memcached快很多redis的速度比memcached快很多.redis可以持久化其数据redis可以持久化其数据String、List、Set、SortedSet、hashes内存。.noeviction:返回错误当内存限制达到，并且客户端尝试执行会让更多内存被使用的命令。.allkeys-lru:尝试回收最少使用的键（LRU，使得新添加的数据有空间存放。.volatile-lru:尝试回收最少使用的键（LRU，但仅限于在过期集合的键,使得新添加的数据有空间存放。.allkeys-random:回收随机的键使得新添加的数据有空间存放。.volatile-random:回收随机的键使得新添加的数据有空间存放，但仅限于在过期集合的键。.volatile-ttl:回收在过期集合的键，并且优先回收存活时间（TTL较短的键,使得新添加的数据有空间存放。因为目前Linux版本已经相当稳定，而且用户量很大，无需开发windows版本，反而会带来兼容性等问题。MRedis为了达到最快的读写速度将数据都读到内存中，并通过异步的方式将数据写入磁盘。所以redis具有快速和数据持久化的特征，如果不将数据放在内存中，磁盘I/O速度为严重影响redis的性能。在内存越来越便宜的今天，redis将会越来越受欢迎，如果设置了最大使用的内存，则数据已有记录数达到内存限值后不能继续插入新值。.codis.目前用的最多的集群方案，基本和twemproxy一致的效果，但它支持在节点数量改变情况下，旧节点数据可恢复到新hash节点。rediscluster.自带的集群，特点在于他的分布式算法不是一致性hash，而是hash槽的概念，以及自身支持节点设置从节点。具体看官方文档介绍。.在业务代码层实现，起几个毫无关联的redis实例，在代码层，对key进行hash计算，然后去对应的redis实例操作数据。这种方式对hash层代码要求比较高，考虑部分包括，节点失效后的替代算法方案，数据震荡后的自动脚本恢复，实例的监控，等等。有A，B，C三个节点的集群,在没有复制模型的情况下,如果节点B失败了，那么整个集群就会以为缺少-这个范围的槽而不可用。redis内存数据集大小上升到一定大小的时候，就会施行数据淘汰策略。（会话缓存（SessionCache最常用的一种使用Redis的情景是会话缓存（sessioncache，用Redis缓存会话比其他存储（如Memcached的优势在于：Redis提供持久化。当维护一个不是严格要求一致性的缓存时，如果用户的购物车信息全部丢失，大部分人都会不高兴的，现在，他们还会这样吗？幸运的是，随着Redis这些年的改进，很容易找到怎么恰当的使用Redis来缓存会话的文档。甚至广为人知的商业平台Magento也提供Redis的插件。（全页缓存（FPC除基本的会话token之外，Redis还提供很简便的FPC平台。回到一致性问题，即使重启了Redis实例，因为有磁盘的持久化，用户也不会看到页面加载速度的下降，这是一个极大改进，类似PHP本地FPC。再次以Magento为例，Magento提供一个插件来使用Redis作为全页缓存后端。此外，对WordPress的用户来说，Pantheon有一个非常好的插件wp-redis，这个插件能帮助你以最快速度加载你曾浏览过的页面。（队列Reids在内存存储引擎领域的一大优点是提供list和set操作，这使得Redis能作为一个很好的消息队列平台来使用。Redis作为队列使用的操作，就类似于本地程序语言（如Python对list的push/pop操作。如果你快速的在Google中搜索“Redisqueues”，你马上就能找到大量的开源项目，这些项目的目的就是利用Redis创建非常好的后端工具，以满足各种队列需求。例如，Celery有一个后台就是使用Redis作为broker，你可以从这里去查看。（排行榜/计数器Redis在内存中对数字进行递增或递减的操作实现的非常好。集合（Set和有序集合（SortedSet也使得我们在执行这些操作的时候变的非常简单，Redis只是正好提供了这两种数据结构。所以，我们要从排序集合中获取到排名最靠前的个用户–我们称之为“user_scores”，我们只需要像下面一样执行即可：当然，这是假定你是根据你用户的分数做递增的排序。如果你想返回用户及用户的分数，你需要这样执行：ZRANGEuser_scoresWITHSCORESAgoraGames就是一个很好的例子，用Ruby实现的，它的排行榜就是使用Redis来存储数据的，你可以在这里看到。立聊天系统！Redisson、Jedis、lettuce等等，官方推荐使用Redisson。Redisson是一个高级的分布式协调Redis客服端，能帮助用户在分布式环境中轻松实现一些Java的对象(Bloomfilter,BitSet,Set,SetMultimap,ScoredSortedSet,SortedSet,Map,ConcurrentMap,List,ListMultimap,Queue,BlockingQueue,Deque,BlockingDeque,Semaphore,Lock,ReadWriteLock,AtomicLong,CountDownLatch,Publish/Subscribe,HyperLogLog)。Jedis是Redis的Java实现的客户端，其API提供了比较全面的Redis命令的支持；Redisson实现了分布式和可扩展的Java数据结构，和Jedis相比，功能较为简单，不支持字符串操作，Redis集群没有使用一致性hash,而是引入了哈希槽的概念，Redis集群有个哈希槽，每个key通过CRC校验后对取模来决定放置哪个槽，集群的每个节点负责一部分hash槽。为了使在部分节点失败或者大部分节点无法通信的情况下集群仍然可用，所以集群使用了主从复制模型,每个节点都会有N-个复制品.Redis并不能保证数据的强一致性，这意味这在实际中集群在特定的条件下可能会丢失写操作。异步复制个Redis集群目前无法做数据库选择，默认在数据库。一次请求/响应服务器能实现处理新的请求即使旧的请求还未被响应，这样就可以将多个命令发送到服务器，而不用等待回复，最后在一个步骤中读取该答复。这就是管道（pipelining，是一种几十年来广泛使用的技术。例如许多POP协议已经实现支持这个功能，大大加快了从服务器下载新邮件的过程。事务是一个单独的隔离操作：事务中的所有命令都会序列化、按顺序地执行，事务在执行的过程中，不会被其他客户端发送来的命令请求所打断。事务是一个原子操作：事务中的命令要么全部被执行，要么全部都不执行。MULTI、EXEC、DISCARD、WATCHEXPIRE和PERSIST命令尽可能使用散列表（hashes，散列表（是说散列表里面存储的数少使用的内存非常小，所以你应该尽可能的将你的数据模型抽象到一个散列表里面。比如你的web系统中有一个用户对象，不要为这个用户的名称，姓氏，邮箱，密码设置单独的key,而是应该把这个用户的所有信息存储到一张散列表里面。一个客户端运行了新的命令，添加了新的数据。Redi检查内存使用情况，如果大于maxmemory的限制,则根据设定好的策略进行回收。一个新的命令被执行，等等。所以我们不断地穿越内存限制的边界，通过不断达到边界然后不断地回收回到边界以下。如果一个命令的结果导致大量内存被使用（例如很大的集合的交集保存到一个新的键，不用多久内存限制就会被这个内存使用量超越。咱们来看上面那张图，现在某个客户端要加锁。如果该客户端面对的是一个rediscluster集群，他首先会根据hash节点选择一台机器。这里注意，仅仅只是选择一台机器！这点很关键！紧接着，就会发送一段lua脚本到redis上，那段lua脚本如下所示：为啥要用lua脚本呢？因为一大坨复杂的业务逻辑，可以通过封装在lua脚本中发送给redis，保证这段复杂业务逻辑执行的原子性。那么，这段lua脚本是什么意思呢？这里KEYS代表的是你加锁的那个key，比如说：RLocklock=redisson.getLock(“myLock“);这里你自己设置了加锁的那个锁key就是“myLock”。ARGV代表的是加锁的客户端的ID，类似于下面这样：---fd-cab:给大家解释一下，第一段if判断语句，就是用“existsmyLock”命令判断一下，如果你要加锁的那个锁key不存在的话，你就进行加锁。如何加锁呢？很简单，用下面的命令：hsetmyLock---fd-cab:，通过这个命令设置一个hash数据结构，这行命令执行后，会出现一个类似下面的数据结构：上述就代表“---fd-cab:”这个客户端对“myLock”这个锁key完成了加锁。接着会执行“pexpiremyLock”命令，设置myLock这个锁key的生存时间是秒。好了，到此为止，ok，加锁完成了。那么在这个时候，如果客户端来尝试加锁，执行了同样的一段lua脚本，会咋样呢？很简单，第一个if判断会执行“existsmyLock”，发现myLock这个锁key已经存在了。接着第二个if判断，判断一下，myLock锁key的hash数据结构中，是否包含客户端的ID，但是明显不是的，因为那里包含的是客户端的ID。所以，客户端会获取到pttlmyLock返回的一个数字，这个数字代表了myLock这个锁key的剩余生存时间。比如还剩毫秒的生存时间。此时客户端会进入一个while循环，不停的尝试加锁。客户端加锁的锁key默认生存时间才秒，如果超过了秒，客户端还想一直持有这把锁，怎么办呢？简单！只要客户端一旦加锁成功，就会启动一个watchdog看门狗，他是一个后台线程，会每隔秒检查一下，如果客户端还持有锁key，那么就会不断的延长锁key的生存时间。.可重入加锁机制那如果客户端都已经持有了这把锁了，结果可重入的加锁会怎么样呢？比如下面这种代码：这时我们来分析一下上面那段lua脚本。第一个if判断肯定不成立，“existsmyLock”会显示锁key已经存在了。第二个if判断会成立，因为myLock的hash数据结构中包含的那个ID，就是客户端的那个ID，也就是“---fd-cab:”此时就会执行可重入加锁的逻辑，他会用：incrbymyLock---fd-cab:，通过这个命令，对客户端的加锁次数，累加。此时myLock数据结构变为下面这样：大家看到了吧，那个myLock的hash数据结构中的那个客户端ID，就对应着加锁的次数如果执行lock.unlock()，就可以释放分布式锁，此时的业务逻辑也是非常简单的。其实说白了，就是每次都对myLock数据结构中的那个加锁次数减。如果发现加锁次数是了，说明这个客户端已经不再持有锁了，此时就会用：“delmyLock”命令，从redis里删除这个key。然后呢，另外的客户端就可以尝试完成加锁了。这就是所谓的分布式锁的开源Redisson框架的实现机制。一般我们在生产系统中，可以用Redisson框架提供的这个类库来基于redis进行分布式锁的加锁与释放锁。其实上面那种方案最大的问题，就是如果你对某个redismaster实例，写入了myLock这种锁key的value，此时会异步复制给对应的masterslave实例。但是这个过程中一旦发生redismaster宕机，主备切换，redisslave变为了redismaster。接着就会导致，客户端来尝试加锁的时候，在新的redismaster上完成了加锁，而客户端也以为自己成功加了锁。此时就会导致多个客户端对一个分布式锁完成了加锁。这时系统在业务语义上一定会出现问题，导致各种脏数据的产生。所以这个就是rediscluster，或者是redismaster-slave架构的主从异步复制导致的redis分布式锁的最大缺陷：在redismaster实例宕机的时候，可能导致多个客户端同时完成加锁。先拿setnx来争抢锁，抢到之后，再用expire给锁加一个过期时间防止锁忘记了释放。如果在setnx之后执行expire之前进程意外crash或者要重启维护了，那会怎么样？set指令有非常复杂的参数，这个应该是可以同时把setnx和expire合成一条指令来用的！缓存穿透一般的缓存系统，都是按照key去缓存查询，如果不存在对应的value，就应该去后端系统查找（比如DB。一些恶意的请求会故意查询不存在的key,请求量很大，就会对后端系统造成很大的压力。这就叫做缓存穿透。如何避免？：对查询结果为空的情况也进行缓存，缓存时间设置短一点，或者该key对应的数据insert了之后清理缓存。：对一定不存在的key进行过滤。可以把所有的可能存在的key放到一个大的Bitmap中，查询时通过该bitmap过滤。缓存雪崩当缓存服务器重启或者大量缓存集中在某一个时间段失效，这样在失效的时候，会给后端系统带来很大压力。导致系统崩溃。如何避免？：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。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。：做二级缓存，A为原始缓存，A为拷贝缓存，A失效时，可以访问A，A缓存失效时间设置为短期，A设置为长期：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
⒅hibernate配置redis为二级缓存遇到的问题
⒆redis是一个key-value存储系统和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sortedset--有序集合)和hash（哈希类型。这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。在此基础上，redis支持各种不同方式的排序。与memcached一样，为了保证效率，数据都是缓存在内存中。区别的是redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件，并且在此基础上实现了master-slave(主从)同步。