Redis实战速记：从基础数据类型到分布式锁与缓存治理-北京尧图网络

先交代一下这份《Redis速记》不是什么系统性的官方文档翻译而是我这几年在项目里用Redis时沉淀下来的一套“查漏补缺”笔记。里面覆盖了从安装部署、数据类型、Java集成、生产配置到常见报错的完整链路适合正在准备Redis面试题的人、刚接手项目要快速排查缓存问题的人以及第一次在生产环境搭建Redis集群的开发者。你不需要按顺序读遇到对应场景直接跳到那一节就行。1. 为什么你需要一份Redis速记Redis恐怕是后端开发里“看起来简单、用起来全是坑”的典型代表。平时用CRUD接口写业务代码好像Redis就是set一个key、get一个key的事可真到了线上环境缓存穿透、序列化报错、分布式锁失效、主从切换丢数据每个问题都能让一个经验丰富的程序员忙活一整天。我最早开始整理“Redis速记”这个习惯是因为面试前临时抱佛脚。Redis的面试题范围实在太碎了从底层数据结构到缓存一致性从持久化机制到集群方案各个知识点之间没有强关联背了忘、忘了背。后来我索性换了个思路——不去背网上的面试题标准答案而是把自己在项目里真正踩过的坑、真正用过的命令、真正配置过的参数一条条记下来。这份笔记越攒越多后来竟然成了团队里新人的上手手册。这份速记的核心价值在于“高频覆盖”。Redis的官方文档有几千页但一个普通后端开发者在实际工作中反复用到的就那么几十个命令、十来个配置项、四五种典型场景。把高频内容吃透比泛泛地翻完整个文档有用得多。所以我的建议是你不需要记住Redis支持的所有数据类型和所有命令但必须对下面这几块内容形成条件反射——安装与环境配置、五大基础数据类型的使用场景、RedisTemplate的序列化机制、分布式锁的标准写法、生产环境的持久化和淘汰策略。这几块就是Redis面试题的高频区域也是线上事故的高发区域。2. 从零装好一个能用的Redis安装与配置速记2.1 Windows环境下装Redis的两种方式官方其实没有发布Windows版本的RedisWindows版是微软开源技术团队维护的分支。但这几年情况好多了你直接搜“windows版本redis下载”能找到GitHub上维护比较活跃的发行版解压就能用。安装步骤很简单从GitHub下载zip包解压后目录里会有redis-server.exe和redis-cli.exe。先双击redis-server.exe启动服务端再双击redis-cli.exe输入ping返回PONG就算装好了。如果想让Redis在Windows后台运行可以用命令注册成系统服务redis-server.exe --service-install redis.windows.conf redis-server.exe --service-start注意Windows版Redis的问题在于IOCP模型和Linux的epoll模型存在差异高并发下性能表现不如Linux原生版本。所以我的建议是——Windows版只用来本地开发联调生产环境一律用Linux。如果你在Windows上装了Docker Desktop那还有更省事的方式直接跑容器docker run -d --name redis-dev -p 6379:6379 redis:7.2-alpine一句话总结Windows安装本地开发用Docker容器最省心不用处理注册服务、环境变量那一堆破事。2.2 Linux环境下的Redis安装与守护进程配置Linux下装Redis我推荐直接编译安装不要用系统包管理器自带的版本因为很多发行版的Redis版本陈旧缺少新特性。编译安装三步走wget https://download.redis.io/releases/redis-7.2.3.tar.gz tar xzf redis-7.2.3.tar.gz cd redis-7.2.3 make编译完成后src目录下会出现redis-server和redis-cli。手动执行make install能把可执行文件复制到/usr/local/bin。然后建议把配置文件复制到统一目录管理mkdir -p /etc/redis cp redis.conf /etc/redis/启动方式有两种前台模式直接执行redis-server /etc/redis/redis.conf生产环境更推荐用systemd管理。创建/etc/systemd/system/redis.service文件内容大致是[Unit] DescriptionRedis Server Afternetwork.target [Service] ExecStart/usr/local/bin/redis-server /etc/redis/redis.conf ExecReload/bin/kill -s HUP $MAINPID Restartalways Userredis Groupredis [Install] WantedBymulti-user.target配置文件里有几个必改项不改就是给自己埋雷daemonize改为yes让Redis后台运行用systemd管理时保持norequirepass设置强密码Redis默认无密码暴露到公网等于裸奔bind生产环境只绑定内网IP不要绑0.0.0.0appendonly改成yes开启AOF持久化protected-mode如果设置了密码可以保持默认yes不变2.3 可视化客户端从Redis Desktop Manager到免费替代方案“redis desktop manager”这个关键词的搜索量一直很高说明大家还是喜欢用GUI工具看数据。RDM以前是免费的后来改成付费下载了新版本只能免费试用一段时间很多项目组都换了替代品。我目前主力使用的是Another Redis Desktop Manager简称ARDM完全免费开源支持Windows/Linux/macOS。GitHub搜qishibo/AnotherRedisDesktopManager就行。它支持按key前缀过滤、命令行模式、内存分析还能直接看key的TTL和序列化类型基本能满足日常开发。如果追求官方工具Redis官方自己的RedisInsight也不错免费的界面比第三方的都漂亮。RedisInsight有个独门功能——内存分析Memory Analysis可以告诉你哪个key占用了大量内存这在排查线上内存暴涨问题时特别有用。连接配置很简单填host、port、password三个字段就能连上。支持SSH隧道连接内网Redis生产环境需要跳板机时可以用这个功能。3. 数据类型与核心命令速记面试和实操都够用3.1 五种基础数据类型的命令表Redis的数据类型是面试题的重灾区但实际写代码时常用的命令就那么几条。我把它们整理成一张速查表可以保存下来随时翻类型常用命令适用场景注意事项StringSET、GET、SETNX、INCR、DECR、SETEX、MSET缓存、计数器、分布式锁、SessionINCR原子自增适合秒杀库存HashHSET、HGET、HGETALL、HDEL、HINCRBY对象缓存用户信息、购物车比String省内存适合结构化字段ListLPUSH、RPUSH、LPOP、RPOP、LRANGE、LLEN最新消息列表、简单消息队列BLPOP阻塞读取可替代轮询SetSADD、SREM、SMEMBERS、SISMEMBER、SINTER去重、共同好友、标签系统无序但可以取交集并集差集ZSetZADD、ZRANGE、ZREVRANGE、ZRANGEBYSCORE、ZINCRBY排行榜、延迟队列、限流窗口每个成员有score按分数排序String是Redis最基本的数据类型value最大能存512MB但它不是简单的字符串底层可以是int、raw或embstr编码。使用INCR/DECR做计数器时value必须是整数否则会报ERR value is not an integer or out of range这个错误后面在Java集成部分会详细讲。Hash类型特别适合存对象。比如用户信息有username、age、email三个字段用Hash存储只需要一个key三个field修改任何一个字段都不需要整存整取比序列化成JSON字符串存String更加灵活。List类型实现“最新列表”很方便。比如新闻系统的首页头条用LPUSH news:latest articleId把新文章推入列表头然后用LRANGE news:latest 0 9取前10条就是天然的时间倒序列表。Set类型做“共同好友”是经典用法。用户A的好友存在set:user:A用户B的好友存在set:user:B执行SINTER set:user:A set:user:B就能直接得到共同好友。ZSet是Redis里最强大的数据类型。排行榜业务直接用ZADD leaderboard 100 userId添加分数用ZREVRANGE leaderboard 0 9 WITHSCORES取前十名分数自带排序连业务层排序逻辑都省了。另外利用score存时间戳ZSet还能实现延迟队列——用ZRANGEBYSCORE delay_queue -inf now取出所有到期的任务。3.2 高级数据类型面试加分项与实战场景基础五种类型之外Redis还提供了几种高级数据类型面试时能聊上一两句说明你不是只会应付CRUD的“API调用员”。Bitmap位图本质上还是String但是按位操作。签到场景最常用用户签到用SETBIT sign:20240101 100 1表示用户ID为100的用户在1月1日签到了统计某天签到人数用BITCOUNT。一亿用户一天的签到记录只占约12MB内存占用小到可以忽略。HyperLogLog基数统计专用。统计UV独立访客数时传统做法是用Set去重但用户量大了Set内存吃不消。用PFADD uv:20240101 userId添加访客用PFCOUNT uv:20240101统计数量误差只有0.81%但内存占用恒定约12KB。Geo地理位置存储经纬度坐标底层是ZSet实现。用它做“附近的人”功能非常方便GEOADD geo:city 116.397 39.909 beijing添加城市坐标GEOSEARCH按半径搜索附近的点。Stream流Redis 5.0引入的消息队列数据结构支持持久化和消费者组比List做消息队列更可靠。XADD添加消息XREAD GROUP消费消息XAUTOCLAIM处理未确认消息。其中Stream是我现在比较推荐的队列方案因为它在Redis里面就是原生的持久化队列不需要依赖外部MQ。当然如果公司已经在用RocketMQ或Kafka就不要为了用Redis而用Redis术业有专攻。3.3 面试必问的底层原理为什么Redis这么快Redis面试题基本绕不开“为什么快”这个问题。我的速记版本是这样回答的第一Redis使用内存存储所有数据都在内存中操作内存的随机读写速度是纳秒级的比磁盘的毫秒级快了几个数量级。第二Redis设计了高效的数据结构。比如Hash类型的底层可能是ziplist或hashtableZSet的底层是跳表skip list跳表让有序集合的查找和插入都能达到O(logN)的时间复杂度。第三Redis是单线程模型。单线程避免了多线程编程中的上下文切换和锁竞争开销。这里的单线程指的是执行命令的网络IO和数据读写操作在单线程中串行执行保证了原子性——所以单个命令的INCR操作天生就是线程安全的不需要额外加锁。第四Redis使用IO多路复用。Redis 6.0之前网络IO和命令执行都是单线程的但依靠epoll这样的多路复用机制单线程也能同时处理成千上万个客户端连接。关于过期删除策略Redis采用惰性删除定期删除的组合。惰性删除是访问key时才检查是否过期定期删除是每隔一段时间主动扫描部分过期key并删除。这种组合避免了只靠定期删除带来的CPU消耗也解决了只靠惰性删除带来的“过期key一直占内存”的问题。当内存满了的时候会触发内存淘汰策略。maxmemory-policy可以配置为allkeys-lru所有key中淘汰最久未使用的、volatile-lru只淘汰设置了过期时间的key、allkeys-lfu按访问频率淘汰等。生产环境最常用的是allkeys-lru因为业务缓存大部分都能接受被淘汰。4. Redis在Java项目中的正确打开方式序列化、分布式锁与常见报错4.1 RedisTemplate的序列化配置为什么key全是二进制乱码Java接入Redis最常用的就是Spring Data Redis提供的RedisTemplate。项目里引入spring-boot-starter-data-redis依赖后最坑的地方就来了——默认的RedisTemplate使用JdkSerializationRedisSerializer进行序列化存进Redis的key会带上一堆二进制前缀用可视化工具根本看不清value是Java对象的序列化字节跨语言也没法读。解决办法很简单自定义一个RedisTemplate把key的序列化器改成StringRedisSerializervalue的序列化器改成Jackson2JsonRedisSerializer或GenericJackson2JsonRedisSerializer。Configuration public class RedisConfig { Bean public RedisTemplateString, Object redisTemplate(RedisConnectionFactory factory) { RedisTemplateString, Object template new RedisTemplate(); template.setConnectionFactory(factory); // key使用String序列化 StringRedisSerializer stringRedisSerializer new StringRedisSerializer(); // value使用JSON序列化 GenericJackson2JsonRedisSerializer jsonRedisSerializer new GenericJackson2JsonRedisSerializer(); template.setKeySerializer(stringRedisSerializer); template.setHashKeySerializer(stringRedisSerializer); template.setValueSerializer(jsonRedisSerializer); template.setHashValueSerializer(jsonRedisSerializer); template.afterPropertiesSet(); return template; } }这里强烈建议直接用StringRedisTemplate配合手动JSON转换来操作数据。StringRedisTemplate的key和value都是String类型序列化绝对不出幺蛾子Autowired private StringRedisTemplate stringRedisTemplate; // 存 stringRedisTemplate.opsForValue().set(user:1, JSON.toJSONString(user), 30, TimeUnit.MINUTES); // 取 String json stringRedisTemplate.opsForValue().get(user:1); User user JSON.parseObject(json, User.class);这种方案看起来多了一步序列化但胜在可控。万一线上环境Redis里的value被其他服务改了格式你也能直接用JSON工具手动解析排查成本低得多。4.2 Redis分布式锁的标准化写法与三个经典坑Redis做分布式锁是高频面试题也是线上高频踩坑点。先看标准写法加锁命令SET lock:order:1001 unique_value NX PX 30000这条命令的意思是只有key不存在时才设置成功NX同时设置30秒过期时间PX。为什么不用SETNX加EXPIRE两条命令因为这两个操作不原子如果SETNX成功但EXPIRE失败锁就没有过期时间一旦持有锁的进程崩溃锁永远无法释放。为什么value要用唯一值这是为了防止误删别人的锁。场景是这样的线程A加锁成功处理业务超过了锁的过期时间比如30秒锁自动释放了线程B拿到锁开始处理此时线程A处理完执行DEL lock:order:1001——它删掉的是线程B的锁。如果用唯一值作为value释放锁时先比较value再删除就能避免这个问题。比较后再删除这两个操作也必须原子执行所以要用Lua脚本if redis.call(get, KEYS[1]) ARGV[1] then return redis.call(del, KEYS[1]) else return 0 endJava里用DefaultRedisScript执行这段Lua脚本。但说实话日常开发我更推荐直接用Redisson框架它内置了分布式锁的完整实现RLock lock redissonClient.getLock(order: orderId); if (lock.tryLock(5, 30, TimeUnit.SECONDS)) { try { // 业务逻辑 } finally { lock.unlock(); } }Redisson做了“看门狗”续期机制默认每10秒续期一次锁的过期时间默认30秒避免业务没处理完锁就过期的问题。分布式锁的三个经典坑我见过都发生了真实事故忘记设置过期时间进程崩溃后锁永远不释放形成死锁。锁误删A线程释放了B线程的锁没有用唯一值校验。主从切换丢锁业务请求在Redis主节点加锁成功主节点还没同步到从节点就宕机了从节点晋升为主节点后锁丢了。这个问题要用RedLock算法或者干脆引入ZooKeeper分布式锁来规避。4.3 RedisTemplate的increment()报错排查实录“java中redis使用redistemplate的increment()报错不是integer or out of range”——这个问题在热搜词里出现说明遇到的人不在少数。完整报错一般是io.lettuce.core.RedisCommandExecutionException: ERR value is not an integer or out of range意思是执行INCR命令时目标key的value不是整数或者超出64位有符号整数范围。我第一次遇到的时候第一反应是代码逻辑没写对排查了半天最后发现是序列化问题。最典型的原因有两个原因一value被序列化成了带引号的JSON字符串。默认的JdkSerializationRedisSerializer或者配置的Jackson2JsonRedisSerializer会把一个Integer对象序列化成1而不是1——字符串带上了引号Redis执行INCR时自然无法识别。解决办法计数场景必须用StringRedisTemplate它存的value就是纯字符串opsForValue().increment(key)执行时Redis能正确识别数字。原因二同一个key被其他业务写入了非数字数据。比如先用set key hello存了字符串后面又对同一个key执行increment必报这个错。排查方式是用可视化客户端或者redis-cli查看这个key的value到底是什么。我建议把排查思路总结为三步用Redis Desktop Manager或redis-cli打开目标key看value是否带引号或非数字字符。检查RedisTemplate的序列化配置。计数相关操作用StringRedisTemplate最稳妥。检查这个key是否在项目其他地方被复用如果是换一个不冲突的key前缀。4.4 缓存治理的三大经典问题穿透、击穿、雪崩缓存治理也是热搜词“redis缓存治理”背后的核心内容。这三个“击”几乎每个高并发项目都会遇到面试必问线上必踩缓存穿透查询一个不存在的key缓存和数据库都没有请求直接打到数据库。黑客如果恶意构造大量不存在的key数据库瞬间就会被打垮。解决方案一是布隆过滤器提前拦截不存在的key二是缓存空值即使查到数据库为空也缓存一个null过期时间设短一点比如60秒。缓存击穿某个热点key在缓存过期的瞬间大量请求同时穿透到数据库。解决方案一是互斥锁只让一个请求去查数据库并重建缓存其他请求等待二是逻辑过期缓存中不设置物理过期时间而是存一个逻辑过期时间字段独立线程定期刷新热点数据。缓存雪崩大量key在同一时间集体过期或者Redis集群宕机导致请求全部打到数据库。解决方案一是过期时间加上随机数避免集体过期二是多级缓存本地加一层Caffeine缓存即使Redis挂了还有本地缓存扛住三是服务熔断降级数据库扛不住时直接返回默认值或提示信息。5. 生产环境部署避坑Docker Compose、主从复制与缓存治理5.1 Docker Compose部署Redis的配置要点搜索热词里有“redis docker compose 生产环境部署”说明越来越多团队直接用容器化方式管理Redis。我最推荐的镜像就是官方redis镜像不要用第三方精简版镜像版本不透明出了问题不好排查。一个可用于生产环境的docker-compose.yml示例version: 3.8 services: redis: image: redis:7.2-alpine container_name: redis-master restart: always ports: - 6379:6379 volumes: - ./redis.conf:/usr/local/etc/redis/redis.conf - redis-data:/data command: [redis-server, /usr/local/etc/redis/redis.conf] environment: - TZAsia/Shanghai volumes: redis-data:关键是配置文件redis.conf生产环境至少要配置这几项bind 0.0.0.0 protected-mode yes requirepass your-strong-password appendonly yes appendfsync everysec maxmemory 2gb maxmemory-policy allkeys-lru slowlog-log-slower-than 10000 slowlog-max-len 128maxmemory的容量要根据服务器物理内存规划。我的建议是Redis实例占物理内存的50%到70%留出足够的内存给操作系统和本机其他进程使用。如果部署的是主从复制架构从节点也会占用同样多的内存扩容前必须算清楚。appendfsync everysec是持久化策略的推荐配置每秒把AOF缓冲同步到磁盘性能和数据安全的平衡点。如果数据不允许丢失改成always但性能会下降明显。部署完成后用docker ps看容器是否启动然后用docker exec -it redis-master redis-cli -a your-password ping验证能否返回PONG。5.2 主从复制与哨兵配置速记搜“docker安装redis主从”的人我猜是想搭一套高可用的读写分离结构。先说主从复制集群怎么做。首先准备主节点和从节点的配置文件。假设主节点配置redis-master.conf从节点配置redis-slave.conf从节点需要增加一行主节点信息replicaof 10.0.0.1 6379 replica-read-only yes在Docker环境下用docker-compose编排三个服务一主两从比较方便。主节点和从节点都用同一个镜像只是挂载的配置文件不同、端口映射不同。组成集群后主节点负责写操作从节点负责读操作从节点通过异步复制同步主节点的数据。数据同步过程分为两步第一次建立主从关系时主节点执行BGSAVE生成RDB快照把快照发给从节点这是全量同步之后主节点将写命令记录在repl_backlog缓冲中持续增量同步给从节点。这个机制Session说了太复杂你只需要记住主从之间的数据同步不是实时的存在秒级延迟读从库大概率读到的是稍旧的数据。主从复制主要解决的是读扩展和数据冗余。如果主节点宕机了需要手动把从节点提升为主节点这个过程生产环节应该用哨兵Sentinel自动完成。哨兵模式的部署更复杂通常需要至少三个哨兵实例防止脑裂。我建议直接用Redis官方推荐的哨兵机制或者直接用Redis Cluster。如果项目处于中小规模用一个主节点加一个从节点加三个哨兵就够用了。5.3 慢查询日志与性能排查命令Redis的慢查询日志不像MySQL那样家喻户晓但排查线上性能问题非常有用。慢查询指的是执行时间超过slowlog-log-slower-than阈值的命令默认10000微秒10毫秒。集中排查慢查询的命令# 查看当前慢查询配置 CONFIG GET slowlog-log-slower-than # 设置阈值5ms CONFIG SET slowlog-log-slower-than 5000 # 查看最近的10条慢查询 SLOWLOG GET 10 # 查看慢查询条数 SLOWLOG LEN # 清空慢查询日志 SLOWLOG RESET线上遇到Redis响应变慢第一件事就是查慢查询日志看看是不是有KEYS *这种阻塞命令或者有大批量数据的HGETALL、ZRANGE这类操作。这两个命令阻塞Redis是出了名的严禁在生产环境使用。遍历key应该用SCAN命令配合游标分批获取。日志方面如果Redis容器运行在Docker环境用docker logs redis-master查看最近输出。如果想记录所有客户端命令可以在客户端执行MONITOR但不建议在生产环境长期开着它会大幅拉低Redis性能只适合短时间的辅助排查。5.4 缓存一致性的最终解决方案缓存治理绕不开一个终极问题数据库和缓存的数据如何保持一致。目前业界最主流的是Cache Aside Pattern旁路缓存模式。读请求先查缓存命中直接返回未命中则查数据库写入缓存后返回。写请求更新数据库然后删除缓存。为什么更新数据库后是“删除缓存”而不是“更新缓存”因为更新缓存需要额外考虑并发写竞争问题删除缓存则让下次读请求乖乖去数据库取最新值再回填简单可靠。但这里有个经典坑先更新数据库再删除缓存如果删除失败缓存里就是旧数据。我的解决方案是延迟双删更新数据库删除缓存休眠500毫秒根据业务调整再次删除缓存两次删除中间休眠的时间是为了让并发读请求期间产生的旧缓存也有时间被覆盖第二次删除把残留的旧缓存清掉。这个方案不是完美的但实操中简单有效比引入消息队列异步重试更轻量。如果对一致性要求极高可以引入Canal订阅MySQL binlog异步刷新Redis缓存。这个方案的原理是Canal伪装成MySQL从节点接收binlog变更事件业务服务监听事件后主动更新或删除缓存。即使缓存更新失败也有消息队列做重试兜底。6. 速记之外的几点个人体会最后分享一点我个人的实战感受。Redis的学习曲线不是线性的它是跳跃式的。你可能花了一周把数据类型、命令都背熟了但真正接手一个高并发项目时遇到的问题跟文档里写的完全不一样——不是你不会用SET命令而是不知道什么场景该用哪种缓存策略什么情况下Redis的锁会失效数据序列化方式不同会带来什么样的隐藏Bug。所以我特别推荐两类人建立属于自己的“Redis速记”笔记。一类是准备面试的开发者把高频面试题整理成自己的理解不要背标准答案因为面试官追问几个“为什么”就能看出你是背的还是懂的另一类是刚接手新项目的人遇到一个线上问题就把排查过程、根因分析、解决方案记下来下次再遇到同类问题可以直接照着上次的路径下手。一个小技巧给这套速记建一个“踩坑记录”区域专门记那些让你加班到凌晨的问题。工作越久你会发现真正值钱的不是学了多深的理论而是你踩过的坑比同事多、排查问题的路径比别人熟。拿着这份速记能让后来者少走弯路这就是它最大的价值。

Redis实战速记：从基础数据类型到分布式锁与缓存治理

相关推荐

Python数据模型与特殊方法实战解析

AWS CLI `cloudwatch stop-metric-streams` 实战指南：停止指标流传输与生命周期管理

DS1302日历时钟Proteus仿真与51单片机驱动实现

更多资讯

上位机与安川PLC通讯：MEMOBUS协议解析及C#调用VB.net控件实战

DINOv3 快速上手指南：5 分钟跑出第一份图像密集特征

Bytebase 邮箱验证码登录全解析：6 位一次性验证码的无密码认证与密码重置设计

GPUI 核心概念指南：理解 Window、App、Context 与 Entity 四大角色

`acc` 节点：React Native Reanimated v1 声明式动画中的累积求和原语

LifeOS Fabric create_keynote 模式实战：用 LLM 一键生成 TED 级演讲幻灯片

今日更新

基于高阶循环谱的MPSK载波频率估计与MATLAB实现

MiniPdf方：.NET开源Office转PDF的高效解决方案

Solon AI v3.10：Java全栈智能体开发框架解析

本周精选

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？