Redis作为数据库的备胎，今天就让我们来讲讲
要说Redis缓存一般是系统先判断Redis是否有缓存
两种情况如果有就直接返回数据。
如果没有则将数据库中数据查询后保存到Redis缓存中。
问题一、关于数据实时同步指的是数据库中数据发生改变后，Redis缓存中的数据如何处理？缓存一致性问题，这里提供四种解决方案，如果要强一致性的话根本就不应该用缓存！！！
方案一、实时同步是指
如图客户端2就是先删除缓存后，提交数据到数据库，再次查询Redis会进行新的缓存操作
方案二、另一种方式是准时同步，是增量、被动
方案三、任务调度更新，举例通过SpringTask定时任务框架每隔1小时更新Redis缓存数据
方案四、是通过binlog客户端更新缓存，将缓存服务作为mysql的一个从服务(slave)订阅binlog，方案四和方案三的区别是需要单独搭建一个binlog客户端，优点是比定时任务更实时，等于是通过binlog方式将Redis改造成数据库的从服务
问题二、关于常问的缓存穿透、缓存击穿、缓存雪崩
缓存穿透是查询一个一定不存在的缓存key，并且数据库中该数据也不存在，如果有人利用不存在的Key频繁查询我们的业务服务，这就是缓存穿透。
解决方案是如果用户查询数据库也不存在的Key，保存空对象到缓存层，设置较短的失效时间
防止缓存穿透也可以通过布隆过滤器保存所有缓存的key，在访问请求到来时过滤掉不存在的key，防止这些key进行数据库的查询
缓存击穿是缓存中key的失效后，导致没有数据但是数据库有数据，这时并发用户特别多，同时去数据库进行数据查询，造成数据库压力瞬间过大
解决方案是设置数据永不过期，另外一种办法是通过ReentranReadWriteLock(读写锁)达到互斥效果，保证只有一个请求到达数据库并更新缓存，其他线程等待并重试
缓存雪崩和击穿的区别是击穿是一条失效后并发请求有很多导致，雪崩是大面积都失效导致，从而像生活中的雪崩一样，大面积失效后，访问压力瞬间堆积到数据库
解决方案，将key的过期时间不要批量设置，在设置的时候进行一些随机数设置，并且将热点数据设置为用永不过期
问题三、Redis服务的使用场景
1.单台Redis在传统项目中也可以使用
2.如果考虑单台Redis不安全可以开启Redis的主从备份功能(redis.conf文件中配置即可)，读写分离
3.如果主从备份后考虑主服务挂掉后，自动切换从服务升级为主服务，就需要哨兵策略，搭建sentient服务
4.如果并发过大可以考虑搭建Redis3.0以后的Rediscluster内置集群
5.如果内置集群还是无法满足需求可以搭建twemproxy有中心节点的Redis集群
问题四、你们在项目中是如何使用Redis的
关于五种Redis的数据类型这里不再总结，网上有很多关于RedisTemplate的使用案例，及五种数据类型的应用场景介绍，这里作为高级玩家，除了基本的五种外，还可以提用于基数统计的HyperLogLog，还有BloomFilter
问题五、Jedis和RedisTemplate的区别
Jedis是Redis官方推荐的面向Java的操作Redis的客户端，而RedisTemplate是SpringDataRedis中对JedisApi的高度封装。
SpringDataRedis相对于Jedis来说可以方便地更换Redis的Java客户端，比Jedis多了自动管理连接池的特性，方便与其他Spring框架进行搭配使用如：SpringCache
使用场景：数据缓存、会话缓存、时效性数据、访问频率、计数器
社交列表、热门列表与排行榜、最新动态、消息队列、分布式锁
问题六、Redis 有哪几种数据“淘汰”策略，如果Redis满了怎么办
Redis 内存数据集大小上升到一定大小的时候，就会进行数据淘汰策略。Redis有六种淘汰策略
1.volatile-lru
2.volatile-ttl
3.volatile-random
4.allkeys-lru
5.allkeys-random
6.【默认策略】no-enviction
问题七、关于Redis的热数据，如何提高缓存命中
从架构师的角度，需要应用尽可能的通过缓存直接获取数据，并避免缓存失效。这也是比较考验架构师能力的，需要在业务需求，缓存粒度，缓存策略，技术选型等各个方面去通盘考虑并做权衡。尽可能的聚焦在高频访问且时效性要求不高的热点业务上(如字典数据、session、token)，通过缓存预加载(预热)、增加存储容量、调整缓存粒度、更新缓存等手段来提高命中率。
对于时效性很高(或缓存空间有限)，内容跨度很大(或访问很随机)，并且访问量不高的应用来说缓存命中率可能长期很低，可能预热后的缓存还没来得被访问就已经过期了
还有一定要配合Redis总结&手撕Redis协议(牛肉干)这篇总结，你终于可以在简历上写Redis精通了。。。
