支持持久化操作，可以进行aof及rdb数据持久化到磁盘，从而进行数据备份或数据恢复等操作，较好的防止数据丢失的手段。支持通过Replication进行数据复制，通过master-slave机制，可以实时进行数据的同步复制，支持多级复制和增量复制，master-slave机制是Redis进行HA的重要手段。
、存储引擎选择InnoDB，在高并发下读写有很好的表现；2）、 数据合理分表分区，均衡各数据库服务器的负载；3） 、适当作数据的冗余，便于在cache失效时的快速恢复；Redis使用需要注意的地方：1） 、合理规划cache；将访问量高的热点数据统计出来、分类缓存。
单一列表实现：队列正常的操作是 左进右出（lpush，rpop）为了先处理高优先级任务，在遇到高级别任务时，可以直接插队，直接放入队列头部（rpush），这样，从队列头部（右侧）获取任务时，取到的就是高优先级的任务（rpop），最简单，但实际应用比较局限。
1、缓存雪崩：保护伞下的危机 雪崩效应发生在多个热门缓存同时失效，这时需要巧妙地设置过期时间，加入随机数元素，以此分散失效的时间点，减少同一时间点的大量请求。同时，高可用架构如redis哨兵或集群模式，确保服务在危机中依旧坚如磐石。在redis故障时，我们可以降级服务，使用备份数据，并定期从redis恢复。
2、缓存雪崩：数据库压力的瞬间爆发当大量请求同时涌入，本应由Redis缓存处理，却因数据过期或服务故障而转向数据库，这就形成了缓存雪崩。它的成因包括：大量数据同时过期或Redis服务故障导致请求并发。解决方案包括合理设置过期时间，采用随机或微调策略，以及双key策略和后台更新缓存机制，以减轻数据库压力。
3、产生雪崩的原因：缓存雪崩通俗简单的理解就是：由于原有缓存失效（或者数据未加载到缓存中），新缓存未到期间（缓存正常从Redis中获取，如下图）所有原本应该访问缓存的请求都去查询数据库了，而对数据库CPU和内存造成巨大压力，严重的会造成数据库宕机，造成系统的崩溃。
4、缓存雪崩通俗简单的理解就是：由于原有缓存失效（或者数据未加载到缓存中），新缓存未到期间（缓存正常从Redis中获取，如下图）所有原本应该访问缓存的请求都去查询数据库了，而对数据库CPU和内存造成巨大压力，严重的会造成数据库宕机，造成系统的崩溃。
5、防止雪崩的方案简单来说就是错峰过期。在设置 key 过期时间的时候，在加上一个短的随机过期时间，这样就能避免大量缓存在同一时间过期，引起的缓存雪崩。如果发了雪崩，我们可以有服务降级、熔断、限流手段来拒绝一些请求，保证服务的正常。但是，这些对用户体验是有一定影响的。
6、redis雪崩是指缓存中的数据大批量失效，然后这个使用又要大量的请求进来，但是由于redis中的key全部失效了所有会全部请求到db上，造成宕机。解决方法：设置对应热点key永不过期。过期时间错开，过期时间使用随机生成，并且热点数据的过期时间设置的长一点，非热点数据可以设置短一点。
1、Redis 是由意大利人Salvatore Sanfilippo（网名：antirez）开发的一款内存高速缓存数据库。全称叫 Remote Dictionary Server（远程数据服务） 是由 C语言 编写的，Redis是一个 key-value 存储系统，它支持丰富的数据类型，如： string、list、set、zset（sorted set）、hash 。
2、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。
3、和各种 NoSQL 数据库的整合，例如 Redis、MongoDB、Elasticsearch 等。搭配安全管理相关的知识点，例如 Spring Security、Shiro 等。缓存的使用，例如 JCache、Ehcache 等。和消息中间件的搭配整合，如 ActiveMQ、RabbitMQ、Kafka 等。数据校验/定时任务/邮件发送等。各种监控的使用。
4、进阶篇：逐步掌握Spring框架，包括Maven管理、单元测试和Spring Core（依赖注入、DI、容器等），还有HTTP、JSON、Servlet和Spring MVC。接着深入Spring MVC和领域驱动设计（DDD），理解Spring Boot如何简化配置，提升效率。
1、使用加锁队列来应付这种问题。当有多个请求涌入的时候，当缓存失效的时候加入一把分布式锁，只允许抢锁成功的请求去库里面读取数据然后将其存入缓存中，再释放锁，让后续的读请求从缓存中取数据。但是这种做法有一定的弊端，过多的读请求线程堵塞，将机器内存占满，依然没有能够从根本上解决问题。
2、一般会把架构分为技术架构和业务架构，这里我无意对比这两类的优劣，但我只想说，在公司里，是靠业务价值创造盈利点的，所以技术，比如消息队列，内存优化，以及分库分表数据库集群等，只有嵌入到业务里，才能通过提升业务的可扩展性或性能，从而产生价值。
3、此外，针对互联网上有可能影响数据传输的各种环节，CDN（Content Delivery Network）内容交付网络的应对方案也适时出现。
1、缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。在流量大时，可能DB就挂掉了，要是有人利用不存在的key频繁攻击我们的应用，这就是漏洞。
2、缓存穿透： 当大量并发请求查询不存在的数据时，数据库承受巨大压力。比如，恶意测试者查询不存在的订单，可能导致数据库崩溃。为防止这种情况，我们需要考虑全面的防护策略，如使用布隆过滤器（Bloom Filter），它是一种概率型数据结构，能够快速判断元素是否存在，同时对空间效率有较高要求。
3、缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求，如发起的数据特别大而不存在的数据。缓存击穿是指缓存中没有但数据库中有的数据，由于并发用户特别多，同时读缓存没读到数据，同时数据库取数据引起数据库压力瞬间增大，造成过大压力。
4、缓存穿透：恶意攻击与数据验证恶意请求利用不存在的数据引发无用查询，对数据库造成压力。预防措施包括参数校验和布隆过滤器，前者拦截非法请求，后者通过多个哈希函数减少冲突，快速判断数据是否存在。 谋篇布局：优化策略除了异常处理，优化方法如缓存预热和降级也至关重要。
分布式缓存：突破局限与应对挑战 本地缓存的局限在于其无法跨进程共享，语言绑定，扩展性差且非持久化。为了克服这些瓶颈，分布式缓存如Jboss Cache、Memcache和Redis应运而生，它们解决了共享、持久性和扩展性问题。共享与扩展 Jboss Cache通过同步数据，虽然确保了数据一致性，但可能带来性能下降。
分布式缓存系统的目标是缓解数据库服务器和Web服务器之间的性能瓶颈。当网站流量大时，数据库查询时间的消耗会尤为显著。对于更新频率不高的网站，静态化可以减少数据库查询，但对于秒级更新的网站，缓存系统更为适用。单台服务器缓存问题相对简单，但多台服务器缓存时需考虑负载均衡。
分布式缓存技术有以下种类：Memcached Memcached是一个高性能的分布式内存对象缓存系统，用于加快Web应用程序的响应速度。它通过减少访问数据库的次数来提高数据的读取性能。Memcached使用简单的API接口，可以轻松集成到各种应用程序中。
分布式缓存系统是为了解决数据库服务器和web服务器之间的瓶颈。如果一个网站的流量很大，这个瓶颈将会非常明显，每次数据库查询耗费的时间将会非常可观。对于更新速度不是很快的网站，可以用静态化来避免过多的数据库查询。对于更新速度以秒计的网站，静态化也不会太理想，可以用缓存系统来构建。
常用的分布式缓存包括Redis和Memcached。Memcached Memcached是一个高性能的分布式内存对象缓存系统，用于动态Web应用以减轻数据库负载。Memcached通过在内存中缓存数据和对象来减少读取数据库的次数，从而提高动态、数据库驱动网站的速度。
分布式缓存使用CARP（Caching Array Routing Protocol）技术，可以产生一种高效率无接缝式的缓存，使用上让多台缓存服务器形同一台，并且不会造成数据重复存放的情况。同时还有层次式缓存、动态缓存和计划缓存三种。