说起Redis的诞生，它跟关系数据库MySQL还是挺有渊源的。
随着互联网的高速发展，MySQL容纳的数据也越来越多，用户请求也随之暴涨。而每一个用户请求都变成了对它的一个又一个读写操作，MySQL真是苦不堪言。尤其是到类似双11 这种全民购物狂欢的日子，都是MySQL受苦受难的日子。
后来有人就琢磨，是不是可以学学CPU，给数据库也加一个缓存呢？于是基于缓存的Redis数据库就诞生了！
Redis的使用流程
应用程序先从MySQL那查询到的数据，在Redis这里登记一下，后面再需要用到的时候，就先找Redis要，这里就不用再麻烦MySQL了。
因为Redis会把登记的数据都记录在内存中，所以就不用去执行慢如蜗牛的I/O操作了。所以找Redis要数据 比找MySQL要数据省去不少的时间！
Redis支持的5中种对象
1.String （字符串类型）
2.Hash （哈希）
3.List （链表）
4.Set（集合）
5.zset（有序集合）
缓存过期 && 缓存淘汰
Redis缓存的数据都是在内存中，可是就算是在服务器上，内存的空间资源还是很有限的，总之不能无节制的存下去。
所以Redis想到了一个办法：给缓存内容设置一个超时时间，具体设置多长交给应用的程序们去设置，Redis要做的就是把过期的内容从Redis数据库里面删除，及时腾出空间就OK了。
超时时间有了，那么Redis该在什么时候去干这个清理的活呢？
最简单的就是定期删除，比如100ms就做一次，一秒钟就是10次！
当然清理的时候也不能一下把所有过期的资源都给删除掉。因为Redis里面存了大量的数据，如果全面扫一遍，那不知道要花多长时间，会严重影响Redis接收新的请求！
所以Redis只好随机选择一部分来清理，能缓解内存压力就行了！
这样的话，那如果是某些键值的运气比较好，每次都没有被Redis的随机算法选中，每次都能幸免于难。那么这些长时间过期的数据就一直会占着内存空间！
于是Redis在原来定期删除的基础上，又加了一招：
把那些原来逃脱随机选择算法的键值，一旦遇到查询请求，被发现已经过期了，那就立即删除。
这种方式因为是被动式触发的，不查询就不会发生，所以也叫惰性删除！
可是，还是有部分键值，既逃脱了Redis的随机选择算法，又一直没有被查询，导致它们一直占着内存！而于此同时，可以使用的内存空间却越来越少。
而且就算退一步讲，Redis能够把过期的数据都删除掉，那万一过期时间设置的过长，还没等到Redis去清理，内存就已经吃满了，那就······
所以就有了
内存淘汰策略
，这一次Redis就能彻底解决问题啦！
Redis提供了8种策略供应用程序选择，用于Redis遇到内存不足时该如何决策：
– noeviction：返回错误，不会删除任何键值
– allkeys-lru：使用LRU算法删除最近最少使用的键值
– volatile-lru：使用LRU算法 从设置了过期时间的键集合中删除最近最少使用的键值
– allkeys-random：从所有key中随机删除
– volatile-random：从设置了过期时间的键的集合中随机删除
– volatile-ttl：从设置了过期时间的键中删除剩余时间最短的键
– volatile-lfu：从配置了过期时间的键中删除使用频率最少的键
– allkeys-lfu：从所有键中删除使用频率最少的键
有了上面几套组合拳，Redis就再也不用担心过期数据多了把空间撑满的问题了~
缓存穿透 && 布隆过滤器
不过MySQL有时会遇到查询的数据不存在的请求，每当这时MySQL就要白忙活一场！不仅如此，因为不存在，Redis也没法缓存，导致同样的请求来了每次都要让MySQL白忙活一场。Redis作为缓存的价值就没得到体现啦！这就是人们常说的
缓存穿透
。
要把那些明知道不会有结果的查询请求挡住，缓解MySQL的压力，那这时就要用
布隆过滤器
了。
布隆过滤器别的本事没有，就擅长从超大的数据集中快速告诉你查找的数据存不存在！
（
PS：布隆过滤器有一点不靠谱，它告诉你存在的话不能全信，其实有可能是不存在的，不过它他如果告诉你不存在的话，那就一定不存在
）
将布隆过滤器介绍给了应用程序，不存在的数据就不会去打扰MySQL了，轻松帮忙解决了缓存穿透的问题。
缓存击穿 && 缓存雪崩
缓存击穿
：当一个热点数据到了过期时间，被Redis删掉了，不巧的是随后就有对这个数据的大量查询请求过来，Redis这里已经删了，所以请求都会发到MySQL那里。
缓存雪崩
：当一大批数据几乎同时过了有效期，然后又发生了很多对这些数据的请求。
要解决缓存击穿及缓存雪崩的问题，那么就要在程序上调整键值的过期时间，可以让其随机一下。对于热点数据，可以设置热点数据永不过期！