redis是怎么实现的

第一：Redis 是什么？

Redis是基于内存、可持久化的日志型、Key-Value数据库 高性能存储系统，并提供多种语言的API

第二：出现背景

数据结构(Data Structure)需求越来越多, 但memcache中没有, 影响开发效率

性能需求, 随着读 *** 作的量的上升需要解决，经历的过程有: 

数据库读写分离(M/S)–>数据库使用多个Slave–>增加Cache (memcache)–>转到Redis

解决写的问题： 

水平拆分，对表的拆分，将有的用户放在这个表，有的用户放在另外一个表；

可靠性需求 

Cache的"雪崩"问题让人纠结 

Cache面临着快速恢复的挑战

开发成本需求 

Cache和DB的一致性维护成本越来越高(先清理DB, 再清理缓存, 不行啊, 太慢了!) 

开发需要跟上不断涌入的产品需求 

硬件成本最贵的就是数据库层面的机器，基本上比前端的机器要贵几倍，主要是IO密集型，很耗硬件；

维护性复杂 

一致性维护成本越来越高； 

BerkeleyDB使用B树，会一直写新的，内部不会有文件重新组织；这样会导致文件越来越大；大的时候需要进行文件归档，归档的 *** 作要定期做； 

这样，就需要有一定的down time；

基于以上考虑， 选择了Redis

第三：Redis 在新浪微博中的应用

Redis简介

1 支持5种数据结构

支持strings, hashes, lists, sets, sorted sets 

string是很好的存储方式，用来做计数存储。sets用于建立索引库非常棒；

2 K-V 存储 vs K-V 缓存

新浪微博目前使用的98%都是持久化的应用，2%的是缓存，用到了600+服务器 

Redis中持久化的应用和非持久化的方式不会差别很大： 

非持久化的为8-9万tps，那么持久化在7-8万tps左右； 

当使用持久化时，需要考虑到持久化和写性能的配比，也就是要考虑redis使用的内存大小和硬盘写的速率的比例计算；

3 社区活跃

Redis目前有3万多行代码, 代码写的精简，有很多巧妙的实现，作者有技术洁癖 

Redis的社区活跃度很高，这是衡量开源软件质量的重要指标，开源软件的初期一般都没有商业技术服务支持，如果没有活跃社区做支撑，一旦发生问题都无处求救；

Redis基本原理

redis持久化(aof) append online file： 

写log(aof), 到一定程度再和内存合并 追加再追加, 顺序写磁盘, 对性能影响非常小

1 单实例单进程

Redis使用的是单进程，所以在配置时，一个实例只会用到一个CPU； 

在配置时，如果需要让CPU使用率最大化，可以配置Redis实例数对应CPU数, Redis实例数对应端口数(8核Cpu, 8个实例, 8个端口), 以提高并发: 

单机测试时, 单条数据在200字节, 测试的结果为8~9万tps；

2 Replication

过程: 数据写到master–>master存储到slave的rdb中–>slave加载rdb到内存。 

存储点(save point): 当网络中断了, 连上之后, 继续传 

Master-slave下第一次同步是全传，后面是增量同步；、

3 数据一致性

长期运行后多个结点之间存在不一致的可能性； 

开发两个工具程序： 

1对于数据量大的数据，会周期性的全量检查； 

2实时的检查增量数据，是否具有一致性；

对于主库未及时同步从库导致的不一致，称之为延时问题； 

对于一致性要求不是那么严格的场景，我们只需要要保证最终一致性即可； 

对于延时问题，需要根据业务场景特点分析，从应用层面增加策略来解决这个问题； 

例如： 

1新注册的用户，必须先查询主库； 

2注册成功之后，需要等待3s之后跳转，后台此时就是在做数据同步。

第四：分布式缓存的架构设计

1架构设计

由于redis是单点，项目中需要使用，必须自己实现分布式。基本架构图如下所示：

2分布式实现

通过key做一致性哈希，实现key对应redis结点的分布。

一致性哈希的实现：

l        hash值计算：通过支持MD5与MurmurHash两种计算方式，默认是采用MurmurHash，高效的hash计算

l        一致性的实现：通过java的TreeMap来模拟环状结构，实现均匀分布

3client的选择

对于jedis修改的主要是分区模块的修改，使其支持了跟据BufferKey进行分区，跟据不同的redis结点信息，可以初始化不同的 ShardInfo，同时也修改了JedisPool的底层实现，使其连接pool池支持跟据key,value的构造方法，跟据不同 ShardInfos，创建不同的jedis连接客户端，达到分区的效果，供应用层调用

4模块的说明

l        脏数据处理模块，处理失败执行的缓存 *** 作。

l        屏蔽监控模块，对于jedis *** 作的异常监控，当某结点出现异常可控制redis结点的切除等 *** 作。

整个分布式模块通过hornetq，来切除异常redis结点。对于新结点的增加，也可以通过reload方法实现增加。（此模块对于新增结点也可以很方便实现）

对于以上分布式架构的实现满足了项目的需求。另外使用中对于一些比较重要用途的缓存数据可以单独设置一些redis结点，设定特定的优先级。另外对 于缓存接口的设计，也可以跟据需求，实现基本接口与一些特殊逻辑接口。对于cas相关 *** 作，以及一些事物 *** 作可以通过其watch机制来实现。

声明：所有博客服务于分布式框架，作为框架的技术支持及说明，框架面向企业，是大型互联网分布式企业架构，后期会介绍linux上部署高可用集群项目。

在秒杀等高并发场景下，既要保证库存安全，也要拥有极高的系统性能。从存储结构上，很多同学会选用Redis，毕竟Redis的单线程 *** 作特性，很好地避免了线程安全的问题，同时具备极高的读写性能。

我们先来看下库存系统设计的几大核心要点：

1 库存安全：既要保证线程安全，也要防止出现超卖

2 同步响应：业务场景基本不允许异步响应库存扣减结果

3 性能极限：在seckill场景下，性能总是被要求越高越好

我们来看下如何利用Redis来解决上面的三个问题。

一库存安全

利用Redis来做库存扣减，避免超限的"方法"很多，坑也很多，我们先来看下常用的陷阱有哪些。

1 先获取当前库存值进行比较，再进行扣减

defdecr_stock():conn=redis_conn()key="productA"current_storage=connget(key)current_storage_int=int(current_storage)ifcurrent_storage_int<=0 :return0result=conndecr(key)returnresult

我们先在Redis中拿到当前的库存值，然后check是否已经扣减到了零，如果已经扣减到了零，则直接return；否则，就利用Redis的decr原子 *** 作进行扣减，同时返回扣减后的库存值。

这种方法的问题很明显，在并发条件下，会出现脏读，设想一个场景，AB两个请求进来，A获取的库存值为1，B获取的库存值为1，然后两个请求都被发到redis中进行扣减 *** 作，然后这种场景下，A最后得到的库存值为0；但是B最后得到的库存值为-1，超限。

2 先扣减库存，再做比较，跟进情况是否做回滚

defdecr_stock():conn=redis_conn()key="productA"current=conndecr(key)ifcurrent>=0:returncurrentelse:          #回滚库存connincr(key)return0

直接先对库存值进行扣减，得到当前的库存值；然后，对此库存值进行check，如果库存>=0，则返回库存值，如果库存<0，则回滚库存，以便于防止负库存量的存在。

Redis Decr命令：DECR 命令会返回键 key 在执行减1 *** 作之后的值。

这种做法引入了两个新的问题：

1)如果大批量的并发请求过来，redis承受的写 *** 作的量，是加倍的，因为回滚库存的存在导致的。所以这种情况下，高并发量进来，极有可能将redis的写 *** 作打出极限值，然后会出现很多redis写失败的错误警告

2) Redis的Decr *** 作和回滚 *** 作无法保证原子性，在宕机情况下，容易产生数据不一致

3先扣库存，然后通过整数溢出控制，根据情况进行回滚

defdecr_stock():conn=redis_conn()key="productA"current=conndecr(key)      #通过整数控制溢出的做法ifcheck_overflow(current):returncurrentelse:          #回滚库存connincr(key)return0  defcheck_overflow(stock):      #如果当前库存未被递减到0，则check_number为int类型，isinstance方法检测结果为true      #如果当前库存已被递减到负数，则check_number为long类型，isinstance方法检测结果为falsecheck_number=sysmaxint - stockcheck_result=isinstance(check_number,int)returncheck_result

这种做法和方法2类似，只是比对部分由直接和0比对，变成了通过检测integer是否溢出的方式来进行。这样就彻底解决了高并发情况下，直接和零比对，限制不住的问题了。

虽然此种做法，相对于做法二说来，要靠谱很多，但是仍然解决不了在高并发情况下，redis写并发量加倍的问题，极有可能某个促销活动，在开始的那一刻，直接将redis的写 *** 作打出问题来。

4基于分布式锁的库存扣减

defdecr_stock():key ="productA"    lock = getLock(key)iflocked ==1:        current_storage = connget(key)        current_storage_int = int(current_storage)ifcurrent_storage_int<=0:return0        result = conndecr(key)returnresultelse:return"someone in it"

Redis在28以后支持Lua脚本的原子性 *** 作，可以用来做分布式锁，解决超限的问题。

5 All in Lua

defstorage_scenario_six():        conn = redis_conn()lua ="""                local storage = rediscall('get','storage_seckill')                if  storage ~= false then                    if tonumber(storage) > 0 then                        return rediscall('decr','storage_seckill')                    else                        return 'storage is zero now, can't perform decr action'                    end                else                    return rediscall('set','storage_seckill',10)                end              """result = conneval(lua,0)        print(result)

二、同步响应

如果只用Redis来进行存储，处理完数据直接返回前端即可。如果还要持久化到DB，要尽量避免直接 *** 作DB，因为DB往往是最大的IO瓶颈，如果要异步落库到DB，比如使用MQ。要注意处理Redis扣减和消息发送的原子性处理。

三、性能

官网上redis的读写性能能到10W/QPS左右，这个量级应该可以解决绝大部分的场景。

但是经常有同学在压测的时候达不到这个性能，主要还是卡在网络环境上，在5W/QPS的时候，带宽就超过10M/s了。所有想追求Redis的极致性能，最好还是在同机房进行调用。

Redis是一个开源的内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。

它支持多种类型的数据结构，如字符串（Strings），散列（Hashes），列表（Lists），集合（Sets），有序集合（SortedSets或者是ZSet）与范围查询，Bitmaps，和地理空间（Geospatial）索引半径查询。其中常见的数据结构类型有String、List、Set、Hash、ZSet这5种。

Redis是一个nosql数据库，可以存储key-value值。因为其底层实现中，数据读写是基于内存，速度非常快，所以常用于缓存；进而因其为独立部署的中间件，常用于分布式缓存的实现方案。

常用场景有：缓存、秒杀控制、分布式锁。

虽然其是基于内存读写，但底层也有持久化机制；同时具备集群模式；不用担心其可用性。

关于Redis的使用，可以参考《Redis的使用方法、常见应用场景》

以上就是关于redis是怎么实现的全部的内容，包括:redis是怎么实现的、利用Redis设计库存系统的苦与乐、Redis简介以及和其他缓存数数据库的区别(redis缓存和数据库一致性)等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！