本文记录了 Redis 的核心操作与实战经验，特别是针对缓存场景下的常见问题及其解决方案。
一、基本操作
1. 五大基本命令
Redis 的基础交互非常直观，以下是 Python (redis-py) 的操作演示：
- SET key value：写入数据（默认覆盖）。
- GET key：读取数据。如果 Key 不存在，返回
None(Python) 或nil(Redis)。 - DEL key：删除 Key，返回被删除的数量。
import redis
# 连接 Redisr = redis.Redis(host='localhost', port=6379, db=0)
# 写入与获取r.set("target", "127.0.0.1")ip = r.get("target")print(ip) # b'127.0.0.1'
# 删除count = r.delete("target")print(count) # 12. 生存时间 (TTL)
控制数据的生命周期是缓存系统的核心能力：
- EXPIRE key seconds：设置 Key 的“倒计时”（生存时间）。
- TTL key (Time To Live)：查看 Key 还能存活多久。
import redisimport time
r = redis.Redis(host='localhost', port=6379, db=0)
r.set("test", "test") # 永不过期r.set("target", "bx33661", ex=5) # 5秒后过期
print(r.ttl("target")) # 输出 5time.sleep(3)print(r.ttl("target")) # 输出 2time.sleep(3)print(r.ttl("target")) # 输出 -2 (已过期)print(r.ttl("test")) # 输出 -1 (永不过期)TTL 返回值的含义：
> 0：剩余生存秒数。-1：Key 存在，但没有设置过期时间（永生）。-2：Key 根本不存在（已经过期或未创建）。
3. 批量操作
为了减少网络开销，可以使用批量命令：
- MSET key value …：原子性地设置多个 Key。
- MGET key …：一次性获取多个 Value。
r.mset({ "user:1:flag": "flag{hello}", "user:2:flag": "flag{world}", "user:3:flag": "flag{redis}"})
flags = r.mget(["user:1:flag", "user:2:flag", "user:3:flag"])print(flags)
4. 管道 (Pipeline)
为什么要用管道？
- 普通模式：Client 发送 -> Server 回复 -> Client 发送… (N 次 RTT 网络往返)。
- 管道模式：Client 打包发送 N 个命令 -> Server 执行完 -> 一次性回传结果 (1 次 RTT)。
这能带来极大的性能提升，特别是在批量写入场景。
import redis
r = redis.Redis(host='localhost', port=6379, db=0)
# 使用 Pipelinewith r.pipeline() as pipe: for i in range(1000): pipe.set(f"task:{i}", "waiting") pipe.expire(f"task:{i}", 60)
# 执行打包好的命令 results = pipe.execute()
print(f"成功执行了 {len(results)} 个命令")原理图示：
🔍Python 本地内存缓冲：
┌───────────────────────────┐
│ set task:0 │
│ expire task:0 │
│ ... │
│ set task:999 │
└───────────────────────────┘
│
│ execute() (一次网络发送)
▼
Redis Server
二、数据类型与场景
Redis 不仅仅是 KV 存储，它提供了丰富的数据结构。
| 场景 | 推荐类型 | 理由 |
|---|---|---|
| Token / 验证码 | String | 简单，原生支持过期 |
| 用户信息 / 对象 | Hash | 修改字段方便，比 String 存 JSON 更省内存 |
| 消息队列 / 历史记录 | List | 双向链表，支持阻塞读取 (BLPOP) |
| 标签 / 黑名单 | Set | 自动去重，集合运算（交并补）快 |
| 排行榜 / 延时队列 | ZSet | 自动按 Score 排序，支持范围查询 |
1. Hash (哈希)
适合存储对象，例如游戏中的玩家属性：
# 设置玩家属性r.hset("user:1002", mapping={ "name": "bx", "age": 22, "score": 500})
# 增加分数 (直接操作字段，无需取回整个对象)r.hincrby("user:1002", "score", 100)
score = r.hget("user:1002", 'score')print(score) # b'600'常用命令速查：
| 命令 | 功能 | 典型场景 |
|---|---|---|
HSET / HMGET | 设置/获取字段 | 对象存取 |
HINCRBY | 字段自增 | 计数器、点赞数 |
HEXISTS | 判断字段是否存在 | 属性检查 |
HGETALL | 获取所有字段 | 读取完整对象 (注意大 Key 风险) |
2. List (列表)
Redis 的 List 是一个双向链表。
- 优势：头部/尾部插入删除 (LPUSH/RPUSH) 极快 O(1)。
- 劣势：随机访问中间元素 (Index) 较慢 O(N)。
- 场景：消息队列、最新 N 条动态。
3. ZSet (有序集合)
ZSet 是 Redis 最具特色的数据结构。它类似于 Set（元素去重），但每个元素关联一个 Double 类型的 Score。
场景：CTF 竞赛排行榜
# 添加战队分数r.zadd("ctf_rank", {"Team_A": 100, "Team_B": 250, "Team_C": 50})
# 获取第一名 (按分数从高到低, 0-0 即取第一个)top1 = r.zrevrange("ctf_rank", 0, 0, withscores=True)print(f"当前第一名: {top1}") # [('Team_B', 250.0)]
# Team_C 解出一题，加 200 分r.zincrby("ctf_rank", 200, "Team_C")
# 查看最新全榜print(f"最新排名: {r.zrevrange('ctf_rank', 0, -1)}")三、缓存系统的经典问题 (“缓存三兄弟”)
做缓存设计时，必须考虑这三个极端场景。
1. 缓存穿透 (Cache Penetration)
现象：请求绕过缓存，直接查询数据库。但数据库里也没有这个数据。 后果：缓存完全失效，高并发下数据库被不存在的查询打垮。
场景模拟：
- 攻击者请求
id = -1或id = 99999999(不存在的 ID)。 - Redis 查不到 -> 去查 DB。
- DB 也查不到 -> 不写入 Redis（通常逻辑是查到了才写缓存）。
- 循环上述过程，数据库压力爆满。
解决方案：
A. 缓存空对象 (Cache Null)
当 DB 查不到时，也在 Redis 里存一个特殊值（如 NULL 或 NOT_FOUND），并设置较短的过期时间。
# 伪代码val = redis.get(key)if not val: val = db.query(key) if not val: # 防穿透：写入空值，过期时间设短一点 redis.set(key, "NULL", ex=60) else: redis.set(key, val, ex=3600)- 缺点：如果攻击者用海量随机 Key 攻击，Redis 会存储大量垃圾 Key 占用内存。
B. 布隆过滤器 (Bloom Filter)
布隆过滤器是一种空间效率极高的数据结构，用于判断**“某样东西一定不存在（或者可能存在）”**。
它不存具体数据，只存“指纹”（Hash 位）。
原理举例（签到表）： 有一张长纸条（Bit Array），初始全为 0。
- 存储
"Alice"：用 3 个哈希函数算出位置1, 4, 7，把这 3 个格子打钩（置 1）。 - 查询
"Bob"：算出位置2, 5, 8。一看这 3 个格子不全为 1，直接断定 Bob 绝对不在。 - 查询
"Eve"：算出位置1, 4, 7。一看全是 1（Alice 打的钩）。过滤器会说 “Eve 可能在”（实际是误判）。
特点：
- 误判率 (False Positive)：可能把不存在判为存在（小概率），但绝不会把存在的判为不存在。这足以拦截绝大多数恶意请求。
- 难删数据：因为多个元素可能共用同一个比特位，删除一个元素可能会误伤其他元素（导致 False Negative，这是绝对不允许的）。
2. 缓存击穿 (Cache Breakdown)
现象：一个超级热点 Key（如秒杀商品、突发新闻）突然过期。 后果：那一瞬间，成千上万的并发请求同时发现缓存失效，同时涌向数据库，瞬间击垮数据库。
解决方案：
- 互斥锁 (Mutex Lock)：发现缓存失效时，不是所有线程都去查库，而是先抢锁。抢到锁的线程去查库并更新缓存，其他线程等待。
- 逻辑过期：数据本身不设置 Redis 过期时间，而是在 Value 里包含一个逻辑过期时间戳。查询时发现逻辑过期，异步启动一个线程去更新数据，当前请求先返回旧值。
3. 缓存雪崩 (Cache Avalanche)
现象：大量 Key 在同一时间集中过期，或者 Redis 服务宕机。 后果：整个缓存层失效，流量如同雪崩一样全部砸向数据库。
解决方案：
- 随机过期时间：设置过期时间时，加上一个随机值（例如
1小时 + random(1-5分钟)），让失效时间分散开。 - 高可用架构：Redis 哨兵模式 (Sentinel) 或集群模式 (Cluster)，防止单点故障。
- 限流降级：在数据库撑不住时，启用限流保护，或者直接返回默认降级数据。