数据结构
String
字符串，最基本的数据类型，字符串类型的值最大能存储 512MB
常用操作包括 GET、SET、INCR（自增）、DECR（自减）等
List
有序的字符串列表，元素可以重复
常用操作包括 LPUSH（在列表左边插入元素）、RPUSH（在列表右边插入元素）、LPOP（移除并返回列表的第一个元素）、RPOP（移除并返回列表的最后一个元素）等
Set
无序的字符串集合，元素是唯一的，不会重复
常用操作包括 SADD（向集合添加一个或多个成员）、SREM（移除集合中一个或多个成员）、SMEMBERS（返回集合中的所有成员）等
ZSet
类似于集合，但每个元素都会关联一个分数（score），元素按分数从小到大排序，成员是唯一的，但分数可以重复。
常用操作包括 ZADD（向有序集合添加一个或多个成员，或者更新现有成员的分数）、ZRANGE（按分数从小到大返回有序集合中指定区间内的成员）、ZREM（移除有序集合中的一个或多个成员）等。
Hash
键值对的集合，类似于 Python 中的字典或 Java 中的 HashMap；特别适合存储对象，对象的每个字段可以作为一个哈希的键值对来存储
常用操作包括 HSET（为哈希表中的一个字段设置值）、HGET（获取存储在哈希表中指定字段的值）、HDEL（删除哈希表中的一个或多个字段）等
Bitmap
位图可以用来存储和处理位级别的数据，如用户签到记录、布隆过滤器等。不是一种独立的数据结构，而是基于字符串实现的位存储方式。
HyperLogLog
是一种用于基数估计的算法，能够使用极少的内存来估算一个数据集的基数（即不同元素的数量
Geospatial
地理空间索引，Redis 提供了对地理空间数据的支持，允许存储地理位置（经纬度）并计算两点之间的距离、查找附近的点等。
持久性
RDB
按照一定的时间将内存的数据以快照的形式保存到硬盘中，对应产生的数据文件为dump.rdb。优点包括只有一个文件、容灾性好、性能最大化（使用单独子进程进行持久化，主进程不会进行任何IO操作）。缺点是在数据集较大时，启动效率可能比AOF低。
AOF
以日志的形式记录每个写操作，当Redis服务器重启时，会重新执行这些写操作来恢复数据。优点是能更好地保证数据的完整性。缺点是相对于RDB，AOF文件通常更大，且恢复速度可能较慢。
RDB+AOF
Redis 4.0 版本提供了一套基于 AOF-RDB 的混合持久化机制，保留了两种持久化机制的优点。这样重写的 AOF 文件由两部份组成，一部分是 RDB 格式的头部数据，另一部分是 AOF 格式的尾部指令。
删除策略
定时删除
在设置键的过期时间的同时，创建一个定时器，让定时器在键的过期时间来临时，立即执行对键的删除操作。
Redis出于性能考虑，通常不直接实现定时删除策略
定期删除
Redis每隔一段时间就对数据库进行一次检查，删除里面过期的键。删除的数量以及间隔周期由算法决定。
惰性删除
Redis不会主动删除过期键，而是在每次从键空间获取键时，检查取得的键是否过期。如果过期，则删除该键；否则，返回该键。
默认策略
Redis默认采用定期删除和惰性删除相结合的策略来处理过期键
淘汰机制
noeviction
volatile-lru
volatile-lfu
volatile-random
volatile-ttl
allkeys-lru
allkeys-lfu
allkeys-random
策略规则
1. 如果数据呈现幂律分布，也就是一部分数据访问频率高，一部分数据访问频率低，则使用allkeys-lru；
2. 如果数据呈现平等分布，也就是所有的数据访问频率都相同，则使用allkeys-random。
常用操作
缓存
Redis可以将常用的数据存储在内存中，以提高数据访问速度，减轻后端数据库的压力。这是Redis最常见的用途之一，通过缓存机制，可以显著提升应用程序的性能。
会话存储
Redis可以用来存储用户会话信息，实现分布式会话管理。
分布式锁
Redis提供了分布式锁的实现方式，可以用来控制并发访问，保证多个客户端之间的数据同步。这对于分布式系统中的资源同步和访问控制非常重要。
SETNX
Redission分布式锁
消息队列
Redis支持发布/订阅模式，可以用作消息队列系统，实现异步通信。这对于事件驱动架构和分布式系统非常有用，可以实现任务队列和异步消息处理等功能。
条件允许建议使用MQ
实时分析
Redis支持多种数据结构，可以用于实时数据分析和统计。例如，Redis的有序集合可以用于实现实时排名榜单。
计数器
Redis可以用于实现访问计数器、投票计数器等功能。通过存储和递增计数器值，Redis可以方便地跟踪网站访问量、用户交互等应用程序指标。
数据一致性
延时双删
延时双删是指在删除或更新某个数据时，首先删除缓存中的数据，然后更新或删除数据库中的数据，并在一段时间后（通常是几百毫秒）再次删除缓存中的数据
缓存问题
缓存穿透
缓存穿透说简单点就是大量请求的 key 根本不存在于缓存中，导致请求直接到了数据库上，根本没有经过缓存这一层。
解决方案
缓存击穿
也叫热点Key问题，就是缓存在某个时间点过期的时候，恰好在这个时间点对这个Key有大量的并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。
解决方案
缓存雪崩
缓存击穿指缓存在同一时间大面积的失效，后面的请求都直接落到了数据库上，造成数据库短时间内承受大量请求
解决方案
