南宁公司网站建设公司福州seo技术培训

type——返回 key 对应的数据类型

此处 Redis 所有的 key 都是 string，但是 key 对应的 value 可能会存在多种类型

• none —— key 不存在
• string ——字符串
• list ——列表
• set ——集合
• zset ——有序集合
• hash ——哈希表
• stream ——Redis 作为消息队列的时候，使用这个类型的 value
  

在 Redis 中，上述操作方式差别很大，使用的命令都是完全不同的

定时器

定时器：在某个时间到达之后，执行指定的任务

基于优先级队列/堆

正常的队列是先进先出，优先级队列是按照指定的优先级先出

---

什么叫优先级高？这个是自定义的

• 在 redis 过期 key 的场景中，就可以通过“过期时间越早，优先级越高”来进行约定

现在假定有很多的 key 设置了过期时间，就可以把这些 key 加入到一个优先级队列中，指定优先级规则是过期时间早的，先出队列；队首元素，就是最早的要过期的 key

• key1：12:00
• key2：13:00
• key3：14:00
  此时定时器中只要分配一个线程，让这个线程去检查队首元素，看是否过期即可。如果队首元素还没过期，则后续元素一定没过期。
• 此时“扫描线程“不需要遍历所有的 key，只要盯住这一个队首元素即可。
• 另外再扫描线程检查队首元素过期时间的时候，也不能检查的太频繁，不然 CPU 就空转了。
• 此时我们可以根据当前时刻和队首元素的过期时间，来设置一个等待（主动阻塞），当时间差不多到了，系统再唤醒这个线程
• 此时扫描线程不需要高频扫描队首元素，把 CPU 的开销也节省下来了

万一在休眠的时候，突然来了一个新的任务要执行怎么办呢？

• 我们可以在添加新任务的时候，唤醒一下刚才的线程，重新检查一下对手元素，再根据时间差距重新调整阻塞时间即可

基于时间轮

把时间划分成很多小段（划分的粒度，看实际需求）

• 每个小段上都挂着一个链表，每个链表都代表一个要执行的任务（在 java 中可以通过对象来实现类似的效果）
• 此时这个指针，每隔固定的间隔（此处是约定 100ms），每次走到一个格子，就会把这个格子上链表的任务尝试执行一下
• 假设需要添加一个 key，这个 key 在 300ms 之后过期，那就停留在第三个格子之上，执行第三个格子的任务。就将第三个格子里的任务设置成 del key 即可

假设指定的过期时间特别长，3000ms，就围着轮子一直转，直到到达时间停止

对于时间轮来说，每个格子是多少时间，一共是多少个格子，都是需要根据实际场景，灵活调配的

Redis 没有采取上述的方案

ttl——查询过期时间

time to live

在网络原理，IP 协议报头中，就有一个 TTL 字段

• IP 中的 TTL 不是用时间衡量过期的，而是次数

查询当前 key 的过期时间还剩多少
语法：

ttl key    //秒
pttl key   //毫秒

• 返回剩余过期时间
• 返回 -1 表示没有关联过期时间
• 返回 -2 表示 key 不存在

过期策略是如何实现的

#高频面试
一个 Redis 中可能同时存在很多很多 key，这些 key 中有很大一部分都有过期时间。此时，Redis 服务器怎么知道哪些 key 已经过期要被删除，哪些 key 还没过期？

• 如果直接遍历所有的 key，显然是行不通的，效率非常低
• Redis 整体的策略是两方面
  1. 定期删除
  2. 惰性删除

惰性删除

• 假设这个 key 已经到达过期时间了，但是暂时还没删除它，key 还在
• 紧接着，后面又一次访问，正好用到了这个 key，于是这次访问就会让 Redis 服务器触发删除 key 的操作，同时再放回一个 nil

• 你去超市买水，正要付钱的时候，看了一眼日期，发现过期了，于是老板就说不卖了，于是就把这瓶水下架了，这就是“惰性删除”
• 老板也不清楚哪些过期了，哪些没过期，就在卖出的时候做一次检查，如果过期了就不卖了，如果还没过期，就继续卖

但显然，单靠惰性删除肯定是不靠谱的，一个超市这么多商品，怎么可能全去靠用户去检查，所以肯定还得要有一个辅助的机制——定期删除

定期删除

这个超市老板，要定期查看超市里面的商品，看是否有过期产品

• 但是如果超市商品很多，那么每次遍历一遍就非常慢
• 所以，每次抽取一部分，进行验证过期时间。保证抽取检查的过程足够快

---

为什么这对定期删除的时间有明确的要求呢？

• 因为 Redis 是单线程程序，主要的任务是处理每个命令的任务（刚才扫描过期 key…）
• 如果扫描过期 key 消耗的时间太多了，就可能导致正常处理请求命令就被阻塞了（产生了类似 key * 的效果）

---

虽然有了上述两种策略结合，但整体的效果仍一般。仍然有可能会有很多过期的 key 被残留了，没有及时删除掉

但是 Redis 为了对上述进行补充，还提供了一系列的内存淘汰策略