feat: 添加 redis 文章

README.md

@@ -48,7 +48,7 @@
 # :baby_chick: Redis
 
 **面试八股文**
-- [『玩转Redis面试篇』看完这20道Redis面试题，阿里面试可以约起来了](docs/expert/middleware/redis/看完这20道Redis面试题，阿里面试可以约起来了.md)
+- [『玩转Redis面试篇』看完这20道Redis面试题，阿里面试可以约起来了:+1::+1:](docs/redis/看完这20道Redis面试题，阿里面试可以约起来了.md)
 
 **知识点详解**
 - [『玩转Redis基础篇』Redis数据结构和常用命令速记](https://mp.weixin.qq.com/s?__biz=MzIwODI1OTk1Nw==&mid=2650320964&idx=1&sn=c7c3435f8c9dc1b4657034dbc1f1510d&chksm=8f09ce5eb87e4748982d88402ab7d95c2770ed80813e634c42464cec671355b30a8dc53a5384&token=875646549&lang=zh_CN#rd)
@@ -68,7 +68,6 @@
 - [『玩转Redis实战篇』记一次由Redis分布式锁造成的重大事故，避免以后踩坑！](https://mp.weixin.qq.com/s?__biz=MzIwODI1OTk1Nw==&mid=2650321391&idx=2&sn=272aafc2c051e3b969efb921b5ab4e81&chksm=8f09cff5b87e46e35b7ca948e08c30a7cf7b20f1254c8609a5e910faeaae738fe035547fec95&token=875646549&lang=zh_CN#rd)
 
 
-
 # :tiger: 消息队列(kafka)
 - [Kafka支持百万级TPS的秘密都藏在这里:+1::+1::+1:](docs/expert/middleware/mq/Kafka支持百万级TPS的秘密都藏在这里.md)
 - [刨根问底，kafka到底会不会丢消息:+1::+1::+1:](docs/expert/middleware/mq/刨根问底，kafka到底会不会丢消息.md)

docs/redis/Redis 数据结构和常用命令速记.md

@@ -0,0 +1,92 @@
+> 本文首发我的微信公众号『[爱笑的架构师](https://mp.weixin.qq.com/s?__biz=MzIwODI1OTk1Nw==&mid=2650320964&idx=1&sn=c7c3435f8c9dc1b4657034dbc1f1510d&chksm=8f09ce5eb87e4748982d88402ab7d95c2770ed80813e634c42464cec671355b30a8dc53a5384&token=875646549&lang=zh_CN#rd)』，欢迎大家关注。
+
+<!-- TOC -->
+
+- [1.  String字符串](#1--string字符串)
+- [2. Hash哈希](#2-hash哈希)
+- [3. List列表](#3-list列表)
+- [4. Set集合](#4-set集合)
+- [5. Sorted Set有序集合](#5-sorted-set有序集合)
+- [6. Redis常用命令参考](#6-redis常用命令参考)
+
+<!-- /TOC -->
+
+Redis是key-value数据库，key的类型只能是String，但是value的数据类型就比较丰富了，主要包括五种：
+
+* String
+* Hash
+* List
+* Set
+* Sorted Set
+
+<div align="center">  <img src="https://cdn.jsdelivr.net/gh/SmileLionCoder/assets@main/202010/20201025211352.png" width="300"/> </div><br>
+
+## 1.  String字符串
+
+**语法**
+
+```plain
+SET KEY_NAME VALUE
+```
+string类型是二进制安全的。意思是redis的string可以包含任何数据。比如jpg图片或者序列化的对象。
+string类型是Redis最基本的数据类型，一个键最大能存储512MB。
+
+## 2. Hash哈希
+
+**语法**
+
+```plain
+HSET KEY_NAME FIELD VALUE
+```
+Redis hash 是一个键值(key=>value)对集合。
+Redis hash是一个string类型的field和value的映射表，hash特别适合用于存储对象。
+
+## 3. List列表
+
+**语法**
+
+```plain
+//在 key 对应 list 的头部添加字符串元素
+LPUSH KEY_NAME VALUE1.. VALUEN
+
+//在 key 对应 list 的尾部添加字符串元素
+RPUSH KEY_NAME VALUE1..VALUEN
+
+//对应 list 中删除 count 个和 value 相同的元素
+LREM KEY_NAME COUNT VALUE
+
+//返回 key 对应 list 的长度
+LLEN KEY_NAME 
+```
+Redis 列表是简单的字符串列表，按照插入顺序排序。
+可以添加一个元素到列表的头部（左边）或者尾部（右边）
+
+## 4. Set集合
+
+**语法**
+
+```plain
+SADD KEY_NAME VALUE1...VALUEn
+```
+Redis的Set是string类型的无序集合。
+集合是通过哈希表实现的，所以添加，删除，查找的复杂度都是O(1)。
+
+## 5. Sorted Set有序集合
+
+**语法**
+
+```plain
+ZADD KEY_NAME SCORE1 VALUE1.. SCOREN VALUEN
+```
+Redis zset 和 set 一样也是string类型元素的集合,且不允许重复的成员。
+不同的是每个元素都会关联一个double类型的分数。
+
+redis正是通过分数来为集合中的成员进行从小到大的排序。
+
+zset的成员是唯一的,但分数(score)却可以重复。
+
+## 6. Redis常用命令参考
+
+更多命令语法可以参考官网手册：
+
+[https://www.redis.net.cn/order/](https://www.redis.net.cn/order/)

docs/redis/一张图搞懂Redis缓存雪崩、缓存穿透、缓存击穿.md

@@ -0,0 +1,176 @@
+> 本文首发我的微信公众号『[爱笑的架构师](https://mp.weixin.qq.com/s?__biz=MzIwODI1OTk1Nw==&mid=2650321284&idx=1&sn=63f0143fd3a7ef408b9810d5208cd343&chksm=8f09cf9eb87e4688a8faef2c7dd4c70139b7a04e512a7adc266de46261477518b77e6af7d54a&token=875646549&lang=zh_CN#rd)』，欢迎大家关注。
+
+<!-- TOC -->
+
+- [缓存穿透](#缓存穿透)
+    - [什么是缓存穿透？](#什么是缓存穿透)
+    - [缓存穿透常用的解决方案](#缓存穿透常用的解决方案)
+- [缓存击穿](#缓存击穿)
+    - [什么是缓存击穿？](#什么是缓存击穿)
+    - [缓存击穿危害](#缓存击穿危害)
+    - [如何解决](#如何解决)
+- [缓存雪崩](#缓存雪崩)
+    - [什么是缓存雪崩？](#什么是缓存雪崩)
+    - [缓存雪崩解决方案](#缓存雪崩解决方案)
+- [缓存预热](#缓存预热)
+    - [什么是缓存预热？](#什么是缓存预热)
+    - [缓存预热的操作方法](#缓存预热的操作方法)
+- [缓存降级](#缓存降级)
+
+<!-- /TOC -->
+
+<img src="https://cdn.jsdelivr.net/gh/CoderLeixiaoshuai/assets/202102/20210504215632-2021-05-04-21-56-33.png" alt="20210504215632-2021-05-04-21-56-33">
+
+在实际生产环境中有时会遇到缓存穿透、缓存击穿、缓存雪崩等异常场景，为了避免异常带来巨大损失，我们需要了解每种异常发生的原因以及解决方案，帮助提升系统可靠性和高可用。
+
+## 缓存穿透
+
+### 什么是缓存穿透？
+
+缓存穿透是指用户请求的数据在缓存中不存在即没有命中，同时在数据库中也不存在，导致用户每次请求该数据都要去数据库中查询一遍，然后返回空。
+
+如果有恶意攻击者不断请求系统中不存在的数据，会导致短时间大量请求落在数据库上，造成数据库压力过大，甚至击垮数据库系统。
+
+### 缓存穿透常用的解决方案
+
+**（1）布隆过滤器（推荐）**
+
+布隆过滤器（Bloom Filter，简称BF）由Burton Howard Bloom在1970年提出，是一种空间效率高的概率型数据结构。
+
+**布隆过滤器专门用来检测集合中是否存在特定的元素。**
+
+如果在平时我们要判断一个元素是否在一个集合中，通常会采用查找比较的方法，下面分析不同的数据结构查找效率：
+
+* 采用线性表存储，查找时间复杂度为O(N)
+* 采用平衡二叉排序树（AVL、红黑树）存储，查找时间复杂度为O(logN)
+* 采用哈希表存储，考虑到哈希碰撞，整体时间复杂度也要O[log(n/m)]
+
+当需要判断一个元素是否存在于海量数据集合中，不仅查找时间慢，还会占用大量存储空间。接下来看一下布隆过滤器如何解决这个问题。
+
+**布隆过滤器设计思想**
+
+布隆过滤器由一个长度为m比特的位数组（bit array）与k个哈希函数（hash function）组成的数据结构。位数组初始化均为0，所有的哈希函数都可以分别把输入数据尽量均匀地散列。
+
+当要向布隆过滤器中插入一个元素时，该元素经过k个哈希函数计算产生k个哈希值，以哈希值作为位数组中的下标，将所有k个对应的比特值由0置为1。
+
+当要查询一个元素时，同样将其经过哈希函数计算产生哈希值，然后检查对应的k个比特值：如果有任意一个比特为0，表明该元素一定不在集合中；如果所有比特均为1，表明该集合有可能性在集合中。为什么不是一定在集合中呢？因为不同的元素计算的哈希值有可能一样，会出现哈希碰撞，导致一个不存在的元素有可能对应的比特位为1，这就是所谓“假阳性”（false positive）。相对地，“假阴性”（false negative）在BF中是绝不会出现的。
+
+总结一下：布隆过滤器认为不在的，一定不会在集合中；布隆过滤器认为在的，可能在也可能不在集合中。
+
+举个例子：下图是一个布隆过滤器，共有18个比特位，3个哈希函数。集合中三个元素x，y，z通过三个哈希函数散列到不同的比特位，并将比特位置为1。当查询元素w时，通过三个哈希函数计算，发现有一个比特位的值为0，可以肯定认为该元素不在集合中。
+
+<div align="center">  <img src="https://cdn.jsdelivr.net/gh/SmileLionCoder/assets@main/202010/20201025213820.png" width="500"/> </div><br>
+
+**布隆过滤器优缺点**
+
+优点：
+
+* 节省空间：不需要存储数据本身，只需要存储数据对应hash比特位
+* 时间复杂度低：插入和查找的时间复杂度都为O(k)，k为哈希函数的个数
+
+缺点：
+
+* 存在假阳性：布隆过滤器判断存在，可能出现元素不在集合中；判断准确率取决于哈希函数的个数
+* 不能删除元素：如果一个元素被删除，但是却不能从布隆过滤器中删除，这也是造成假阳性的原因了
+
+**布隆过滤器适用场景**
+
+* 爬虫系统url去重
+* 垃圾邮件过滤
+* 黑名单
+
+**（2）返回空对象**
+
+当缓存未命中，查询持久层也为空，可以将返回的空对象写到缓存中，这样下次请求该key时直接从缓存中查询返回空对象，请求不会落到持久层数据库。为了避免存储过多空对象，通常会给空对象设置一个过期时间。
+
+这种方法会存在两个问题：
+
+* 如果有大量的key穿透，缓存空对象会占用宝贵的内存空间。
+* 空对象的key设置了过期时间，在这段时间可能会存在缓存和持久层数据不一致的场景。
+## 缓存击穿
+
+### 什么是缓存击穿？
+
+缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。
+
+### 缓存击穿危害
+数据库瞬时压力骤增，造成大量请求阻塞。
+
+### 如何解决
+
+**使用互斥锁（mutex key）**
+
+这种思路比较简单，就是让一个线程回写缓存，其他线程等待回写缓存线程执行完，重新读缓存即可。
+
+<div align="center">  <img src="https://cdn.jsdelivr.net/gh/SmileLionCoder/assets@main/202010/20201025213939.png" width="500"/> </div><br>
+
+同一时间只有一个线程读数据库然后回写缓存，其他线程都处于阻塞状态。如果是高并发场景，大量线程阻塞势必会降低吞吐量。这种情况如何解决？大家可以在留言区讨论。
+
+如果是分布式应用就需要使用分布式锁。
+
+**热点数据永不过期**
+
+永不过期实际包含两层意思：
+
+* 物理不过期，针对热点key不设置过期时间
+* 逻辑过期，把过期时间存在key对应的value里，如果发现要过期了，通过一个后台的异步线程进行缓存的构建
+
+<div align="center">  <img src="https://cdn.jsdelivr.net/gh/SmileLionCoder/assets@main/202010/20201025213959.png" width="500"/> </div><br>
+
+从实战看这种方法对于性能非常友好，唯一不足的就是构建缓存时候，其余线程(非构建缓存的线程)可能访问的是老数据，对于不追求严格强一致性的系统是可以接受的。
+
+## 缓存雪崩
+
+### 什么是缓存雪崩？
+
+缓存雪崩是指缓存中数据大批量到过期时间，而查询数据量巨大，请求直接落到数据库上，引起数据库压力过大甚至宕机。和缓存击穿不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。
+
+### 缓存雪崩解决方案
+
+常用的解决方案有：
+
+* 均匀过期
+* 加互斥锁
+* 缓存永不过期
+* 双层缓存策略
+
+（1）均匀过期
+
+设置不同的过期时间，让缓存失效的时间点尽量均匀。通常可以为有效期增加随机值或者统一规划有效期。
+
+（2）加互斥锁
+
+跟缓存击穿解决思路一致，同一时间只让一个线程构建缓存，其他线程阻塞排队。
+
+（3）缓存永不过期
+
+跟缓存击穿解决思路一致，缓存在物理上永远不过期，用一个异步的线程更新缓存。
+
+（4）双层缓存策略
+
+使用主备两层缓存：
+
+主缓存：有效期按照经验值设置，设置为主读取的缓存，主缓存失效后从数据库加载最新值。
+
+备份缓存：有效期长，获取锁失败时读取的缓存，主缓存更新时需要同步更新备份缓存。
+
+## 缓存预热
+
+### 什么是缓存预热？
+
+缓存预热就是系统上线后，将相关的缓存数据直接加载到缓存系统，这样就可以避免在用户请求的时候，先查询数据库，然后再将数据回写到缓存。
+
+如果不进行预热， 那么 Redis 初始状态数据为空，系统上线初期，对于高并发的流量，都会访问到数据库中， 对数据库造成流量的压力。
+
+### 缓存预热的操作方法
+
+* 数据量不大的时候，工程启动的时候进行加载缓存动作；
+* 数据量大的时候，设置一个定时任务脚本，进行缓存的刷新；
+* 数据量太大的时候，优先保证热点数据进行提前加载到缓存。
+## 缓存降级
+
+缓存降级是指缓存失效或缓存服务器挂掉的情况下，不去访问数据库，直接返回默认数据或访问服务的内存数据。
+
+在项目实战中通常会将部分热点数据缓存到服务的内存中，这样一旦缓存出现异常，可以直接使用服务的内存数据，从而避免数据库遭受巨大压力。
+
+降级一般是有损的操作，所以尽量减少降级对于业务的影响程度。