1.分布式限流的事事务主流方案有哪些?
2.redis常见面试题汇总
3.Redis 实现分布式锁 +Redisson 源码解析
4.关于redis分布式锁&redis事务结合increment原子操作解决超卖问题的自己思考
5.使用redission的最低redis版本
6.Redis总结（二）
分布式限流的主流方案有哪些?
大家好，我来分享分布式限流的原理主流方案，解答你对限流的事事务关注。
为何要限流？流量过多虽好，原理但过载可能导致系统崩溃，事事务因此需对系统进行压测评估，原理充钱才能看视频源码设置限流阈值，事事务避免过载。原理
限流与熔断有何异同？限流发生在流量进入前，事事务对超出阈值的原理流量进行限制；熔断则在流量进入后，系统发生故障时自动切断请求，事事务防止故障蔓延。原理
削峰与限流有何区别？削峰是事事务对流量的平滑处理，避免系统瞬间过载，原理而限流则是事事务通过限制流量来保护系统。
限流通用流程：统计请求量、更新统计信息，然后根据设置的阈值决定是否限制流量。
单机与分布式限流：单机环境下限流简单，存储本地；分布式环境下，需将统计信息存入分布式存储如Tair或Redis中。
固定窗口限流算法：设置时间窗口，每个窗口允许的请求次数有限制。窗口期满自动重置计数，实现简单，但存在临界问题。
滑动窗口限流算法：将大窗口划分为多个小窗口，每个小窗口独立计数，有效缓解临界问题，使限流效果更平滑。
漏桶算法：模拟水桶出水速率固定，请求以任意速度进入，超过桶容量则丢弃，用于网络流量整形和速度限制。
令牌桶算法：在漏桶基础上改进，系统以固定速率添加令牌，请求前取令牌，确保流量平滑，避免瞬间过载。
实现与测试：利用Redis和Redission实现算法，通过Jmeter等工具测试效果，针对不同场景选择最适合的限流策略。
总结：分布式限流是保护系统免受过载的重要手段，通过固定窗口、滑动窗口、.net源码封装漏桶、令牌桶等算法实现，结合Redis、Redission等工具，实现高效限流。实现时需关注算法特性与系统需求的匹配，以及分布式环境下的协调与性能优化。市面上还有更多优秀的开源限流工具可供选择，持续探索与实践将助你提升系统稳定性。
redis常见面试题汇总
redis为什么读写速度快？
redis是一种高性能的 K-V 数据库，官方称单机可支持w/qps。其速度优势主要源于以下几点：
1. 内存存储：redis将数据存储在内存中，读写操作无需磁盘I/O，这极大地提高了速度。
2. 数据结构优化：redis支持多种数据结构，如字符串、哈希表、列表、集合、有序集合，这些结构优化了数据操作，提高了效率。
3. 单线程处理：redis采用单线程模型处理请求，避免了多线程间的上下文切换开销。
4. 缓存穿透与击穿优化：redis通过过期策略、缓存双删等机制，避免了缓存穿透与缓存击穿的问题，进一步提升了性能。
redis为什么是单线程？
redis采用单线程模型，其原因包括：
1. 避免多线程上下文切换开销：单线程模型避免了多线程间的上下文切换，减少了性能损耗。
2. 简化代码与维护：单线程模型代码逻辑相对简单，易于理解和维护。
3. 高性能与稳定性：单线程模型在处理并发请求时，能够保持高性能与系统稳定性。
redis和memcached的区别？
1. 数据结构：redis支持多种数据结构，包括字符串、哈希表、列表、集合、有序集合，可以更好地适应不同场景；memcached仅支持键值对。
2. 存储方式：redis数据可以持久化到磁盘，memcached不支持持久化。alamofire 源码解析
3. 处理模式：redis为单线程处理，memcached为多线程模型。
4. 高可用性：redis通过主从复制和哨兵机制提供了高可用性，memcached为单节点部署。
redis的常用数据结构有哪些？
redis的常用数据结构包括：
1. string：简单的K-V类型，用于计数、统计等场景。
2. list：链表结构，适用于消息队列、慢查询等场景。
3. hash：类似HashMap，适合存储系统对象数据。
4. set：无序去重集合，适用于存放不能重复的数据。
5. zset：带有权重的有序集合，适用于直播礼物排行榜等场景。
6. bitmap：二进制数字存储，适用于状态信息存储。
redis的持久化机制？
redis的持久化机制包括：
1. RDB：Redis DataBase，快照式持久化，以快照文件的形式存储数据状态。
2. AOF：Append Only File，命令日志式持久化，记录所有写操作命令。
3. 混合持久化：结合RDB与AOF的优点，文件开头为RDB格式，后续为AOF格式。
redis过期时间如何设置？如何续期？
redis可以通过SETEX、EXPIRE等命令设置过期时间，过期后数据自动删除。若需要续期，可使用RENEW命令。
redis的淘汰策略和过期策略？有什么区别？
过期策略用于自动删除过期的键，淘汰策略用于在内存不足时决定删除哪些键。过期策略是基于时间的，淘汰策略则是基于内存占用。
如何保证redis和mysql的数据一致？
1. 先写MySQL，再删除Redis，保证数据一致性。
2. 更新数据库+更新缓存，对缓存命中率影响较大。
3. 双删策略，先删Redis，再写MySQL，智能电视源码再删Redis。
4. 监听binlog，将更新操作导入MQ，下游消费后更新缓存。
缓存常见问题及其解法？
1. 缓存穿透/击穿：使用双删、时间戳等策略解决。
2. 缓存雪崩：采用分布式缓存系统，如Redis集群。
3. 数据不一致：保证读写操作的一致性，使用乐观或悲观锁。
4. HotKey/热key：采用流量控制、缓存分片等策略。
5. BigKey：优化key设计，使用分片或压缩技术。
redis主从复制的原理？作用？
主从复制通过主节点向从节点异步复制数据，确保数据一致性。作用包括数据冗余、高可用性、负载均衡。
redis集群是如何保证各节点数据一致的？
redis集群通过槽分区、一致性哈希算法、主从复制和哨兵机制保证数据一致性。
redis高可用架构如何实现？
采用主从模式、哨兵模式或redis cluster集群模式实现高可用。
redis主节点的key已过期，但从节点依然可以读到，为什么？怎么解决？
从节点未立即同步过期删除操作。解决方法包括：使用EXPIREAT/PERSIST、设置volatile-ttl、业务逻辑判断key是否过期。
redis如何实现队列？
使用列表数据结构的两端操作（LPOP/RPOP）实现队列的FIFO特性。
lua脚本的执行流程？执行lua脚本，如何保障redis集群数据一致性？
lua脚本执行包括加载、编译和执行三个阶段。redis集群内部有同步机制，确保数据一致性。
redission的使用场景
用于分布式锁、高可用性和高性能需求的场景，如大规模和高可用性应用。
redis zset的实现原理？
zset使用zipList和skipList存储结构，zipList适用于小型zset，skipList用于大型zset，以优化查询性能。
特别大的源码安装uwsgizset，应该如何删除？
采用分批次删除或使用unlink异步删除策略，避免阻塞。
什么是redis脑裂？如何解决？
脑裂是指主从集群中产生两个主节点，导致数据丢失。解决方法包括限制主库请求处理、使用哨兵机制。
Redis 实现分布式锁 +Redisson 源码解析
在一些场景中，多个进程需要以互斥的方式独占共享资源，这时分布式锁成为了一个非常有用的工具。
随着互联网技术的快速发展，数据规模在不断扩大，分布式系统变得越来越普遍。一个应用往往会部署在多台机器上（多节点），在某些情况下，为了保证数据不重复，同一任务在同一时刻只能在一个节点上运行，即确保某一方法在同一时刻只能被一个线程执行。在单机环境中，应用是在同一进程下的，仅需通过Java提供的 volatile、ReentrantLock、synchronized 及 concurrent 并发包下的线程安全类等来保证线程安全性。而在多机部署环境中，不同机器不同进程，需要在多进程下保证线程的安全性，因此分布式锁应运而生。
实现分布式锁的三种主要方式包括：zookeeper、Redis和Redisson。这三种方式都可以实现分布式锁，但基于Redis实现的性能通常会更好，具体选择取决于业务需求。
本文主要探讨基于Redis实现分布式锁的方案，以及分析对比Redisson的RedissonLock、RedissonRedLock源码。
为了确保分布式锁的可用性，实现至少需要满足以下四个条件：互斥性、过期自动解锁、请求标识和正确解锁。实现方式通过Redis的set命令加上nx、px参数实现加锁，以及使用Lua脚本进行解锁。实现代码包括加锁和解锁流程，核心实现命令和Lua脚本。这种实现方式的主要优点是能够确保互斥性和自动解锁，但存在单点风险，即如果Redis存储锁对应key的节点挂掉，可能会导致锁丢失，导致多个客户端持有锁的情况。
Redisson提供了一种更高级的实现方式，实现了分布式可重入锁，包括RedLock算法。Redisson不仅支持单点模式、主从模式、哨兵模式和集群模式，还提供了一系列分布式的Java常用对象和锁实现，如可重入锁、公平锁、联锁、读写锁等。Redisson的使用方法简单，旨在分离对Redis的关注，让开发者更专注于业务逻辑。
通过Redisson实现分布式锁，相比于纯Redis实现，有更完善的特性，如可重入锁、失败重试、最大等待时间设置等。同时，RedissonLock同样面临节点挂掉时可能丢失锁的风险。为了解决这个问题，Redisson提供了实现了RedLock算法的RedissonRedLock，能够真正解决单点故障的问题，但需要额外为RedissonRedLock搭建Redis环境。
如果业务场景可以容忍这种小概率的错误，推荐使用RedissonLock。如果无法容忍，推荐使用RedissonRedLock。此外，RedLock算法假设存在N个独立的Redis master节点，并确保在N个实例上获取和释放锁，以提高分布式系统中的可靠性。
在实现分布式锁时，还需要注意到实现RedLock算法所需的Redission节点的搭建，这些节点既可以是单机模式、主从模式、哨兵模式或集群模式，以确保在任一节点挂掉时仍能保持分布式锁的可用性。
在使用Redisson实现分布式锁时，通过RedissonMultiLock尝试获取和释放锁的核心代码，为实现RedLock算法提供了支持。
关于redis分布式锁&redis事务结合increment原子操作解决超卖问题的自己思考
关于解决商品超卖问题，老师分享了两种策略：一是利用Redis分布式锁（如Redission）进行并发控制，二是结合Redis事务和increment原子操作直接在数据库层面操作库存。这两种方法旨在防止库存超卖、重复调用数据接口以及处理消息的可靠性问题。
当用户通过门户请求添加商品至购物车，再到结算阶段选择地址生成订单时，系统首先生成订单ID，使用Redis事务预扣减库存并删除购物车记录，同时将订单放入延迟队列。若订单在规定时间内未支付，会自动取消并释放库存；若支付成功，则更新库存状态并进入物流流程。然而，这个过程中需面对挑战，如并发问题、数据库自增长ID的局限、分布式锁的执行效率和消息丢失或重复消费等。
在老师的指导下，我逐步理解到编程远非CRUD那么简单，它需要深入思考并发控制、数据一致性以及系统的健壮性。通过这次学习，我意识到之前自学时未能触及的复杂性，这两个月即将毕业，我期待能将这些知识应用到实际工作中，找到满意的工作机会。
最后，我遇到一个疑惑，导入Redission依赖后，原本的缓存注解失效了，这成为我需要解决的新问题。这再次提醒我，技术学习中的挑战总是接踵而至。
使用redission的最低redis版本
Redission是一款专为Java设计的Redis客户端，它巧妙地融合了Redis的分布式缓存和消息代理功能，以实现高效和无锁的并发操作。选择使用Redission时，一个重要的考量因素是与之兼容的Redis最低版本。
查阅官方文档GitHub上的redisson/redisson项目（最新版本为redisson-3..0），可以了解到Redission的兼容性要求。它支持广泛的Java版本，包括1.8到，以及Android平台。这意味着用户可以根据自身的开发环境和技术栈选择合适的JDK支持。
对于Redis服务器，Redission支持的最低版本是从3.0开始，直到7.0。这意味着如果你正在考虑使用Redission，确保你的Redis服务器版本在3.0至7.0之间，这样才能保证Redission和Redis服务器的顺利集成和功能发挥。
Redis总结（二）
总结 Redis 使用策略与技巧，以解决常见缓存问题。首先，缓存穿透问题，当客户端请求的数据在数据库和 Redis 缓存中均不存在时，若频繁发生，数据库将承受巨大压力。解决方法是建立数据失效策略，确保数据更新时能同步至缓存，避免重复请求数据库。
接着，缓存雪崩和缓存击穿现象需引起注意。缓存雪崩发生于大量 key 同时过期，导致所有请求直接转向数据库，加重其负担。缓存击穿则是因热点 key 突然失效，大量请求同时访问数据库，引发性能瓶颈。解决策略是利用分布式锁机制，如 Redis 的 setnx 命令，实现锁的获取与释放，以及设置超时机制，以避免锁超时误删问题。
优化缓存击穿的解决方案是通过在缓存失效逻辑中加入剩余量判断，如商品库存剩余情况，避免同时查询数据库。同时，使用乐观锁策略，通过检查版本号一致来避免并发冲突，提高系统稳定性。
在实现一人一单逻辑时，检查订单号与用户ID的关联，以确认用户是否已购买，此过程需使用悲观锁，通过 @Synchronized 注解来确保数据一致性。
分布式环境下，集群问题需特别关注。使用如 Redission 这类库，提供分布式锁解决方案，通过底层实现的 Lua 脚本，确保锁的获取、释放等操作的原子性，避免因超时导致的误删问题。Redission 解决了分布式环境下的锁问题，提供高效、稳定的锁机制。
在配置 Redission 时，通过指定锁名称、锁失效时间及锁的小key，实现锁的生命周期管理。底层使用 Lua 脚本，确保在获取锁时，判断剩余等待时间是否完成，以避免锁的误操作。
使用 ConcurrentHashMap 实现线程安全的锁管理，通过检查当前 entry 的存在与否，来判断是否加入新的锁信息，且每次操作都会更新线程 ID，确保锁的唯一性。在每次获取锁时，通过检查 oldEntry 的状态，来判断是首次访问还是重复访问，从而实现锁的重试机制。
总结而言，通过合理配置及策略实施，可以有效解决 Redis 使用中的缓存问题，提升系统性能和稳定性。同时，结合分布式锁机制，确保在分布式环境下数据操作的一致性和安全性。
Spring - starter机制
Spring starter 是 SpringBoot 的核心组件，它能简化开发过程，提供可插拔式的插件，无需繁琐的配置即可使用其功能。
实现原理基于两个关键步骤：引入 maven 依赖和配置文件。引入 maven 是为了导入 jar 包，SpringBoot 启动时会读取 jar 包内的 resources/META-INF/spring.factories 文件，根据文件中的配置信息自动寻找需要配置的类。
在创建 SpringBoot 程序时，通常在启动类中生成一个入口函数并添加 @SpringBootApplication 注解，该注解包含 @EnableAutoConfiguration，用于自动扫描 jar 包内的配置。
进入 @EnableAutoConfiguration，会发现它使用了 @Import(AutoConfigurationImportSelector.class) 注解，该注解将包含 @Configuration 注解的配置类装配至程序中。
以红绿灯管理器的 Redission-spring-boot-starter 为例，其结构如下：
1. pom.properties：配置 Maven 必需的项目版本、groupId 和 artifactId。
2. pom.xml：配置依赖的 jar 包。
3. MANIFEST.MF：记录 jar 文件的基本信息。
4. spring.factories：配置需要自动装配的类信息。
5. spring.provides：配置所依赖的 artifactId，为 IDE 提供信息，无其他作用。
6. RedissonAutoConfiguration：是自动配置类，主要负责 Redis 连接操作，包含辅助性注解，决定 @Configuration 注解的生效场景及顺序。
主要辅助注解包括：
1. RedissonProperties：属性实体类，将 yml 或 properties 配置文件转化为 bean，设置了前缀，方便在项目的 application.properties 配置文件中提示相关 bean 实例属性。
2. RedissonAutoConfigurationCustomizer：实现自定义 RedissonClient 的自动配置。
通过引入 Redission-spring-boot-starter，自动引入 Redis 连接模块，只需在 yml 或 properties 文件中配置基本参数，Spring 自动装配，完成连接功能。
自定义 starter 的方法参考 starter 的实现原理，建议命名为 *-spring-boot-starter。此过程需遵循特定规范，确保自定义 starter 可以无缝集成至 SpringBoot 环境。
