[TOC]
关键字
单线程，epoll，cluster，sentinel，gossip，raft，
分布式锁，穿透，击穿，雪崩，数据一致性，
sds，ziplist，skiplist，rehash，hyperloglog，
热key，大key，过期清理，淘汰策略，主从复制，rdb，aof，aof rewrite
string,hash,set,zset的底层数据结构实现，hash的渐进式扩容
hyperloglog标准误差多少，原理是啥
再加上 6.0之后的加入的多线程 工作机制
缓存过期重置。锁刷新
一致性哈希算法
分布式锁
setnx讲起，最后慢慢引出set命令的可以加参数，
setnx 是SET if Not eXists(如果不存在，则 SET)的简写。万一set value 成功 set time失败
setex是一个原子性(atomic)操作，关联值和设置生存时间两个动作会在同一时间内完成。
redisson的锁，就实现了可重入，他使用了LUA的Hash数据结构。
cluster
Redis集群是Redis提供的分布式数据库方案，集群通过分片（sharding）来进行数据共享，并提供复制和故障转移功能。
自动将数据进行分片，每个 master 上放一部分slot数据 提供内置的高可用支持，部分 master 不可用时，还是可以继续工作的 维护数据采用的是gossip协议
节点发现原理：
发送CLUSTER MEET命令握手，meet-pong-ping 握手完成
节点A会将节点B的信息通过Gossip协议传播给集群中的其他节点，让其他节点也与节点B进行握手，
最终，经过一段时间之后，节点B会被集群中的所有节点认识。
gossip 协议，Gossip协议由MEET、PING、PONG，FAIL种消息实现
每次发送MEET、PING、PONG消息时，发送者都从自己的已知节点列表中随机选出几个节点（可以是主节点或者从节点），并将这两个被选中节点的信息分别保存到两个clusterMsgDataGossip结构里面。
所有节点都持有一份元数据，不同的节点如果出现了元数据的变更，就不断将元数据发送给其它的节点，让其它节点也进行元数据的变更。
gossip有一定延迟，因为节点是逐步传播的
Redis集群通过分片的方式来保存数据库中的键值对：集群的整个数据库被分为16384个槽（slot）
数据库中的每个键都属于这16384个槽的其中一个，集群中的每个节点可以处理0个或最多16384个槽。
当每个slot 都有节点处理的时候，集群才算上线；CRC16（key），MOVED错误重定向到正确节点
跳跃表来保存槽和键之间的关系
主从复制：主节点用于处理槽，而从节点则用于复制某个主节点，替补上线；
（复制：slaveof命令，发送地址-socket连接-ping-pong-replconf-psync）
原理：master负责写，异步同步slave；，从服务器将向主服务器发送PSYNC命令，执行同步操作，
PSYNC命令具有完整重同步（full resynchronization）和部分重同步（partialresynchronization）两种模式：
开启后台线程生成RDB，同时将从客户端收到的所有写命令缓存在内存（内存缓冲区），
RDB完成后 master发送给slave，slave写入本地磁盘，再从本地磁盘加载到内存中。然后master会将内存中缓存的写命令发送给slave，slave也会同步这些数据。
故障转移： 检测：定期发送ping检测在线，没有在规定时间返回pong消息，标记为pfail，超过半数节点标记，标记fail 转移：选择从节点，选举主节点，转移slot，集群广播自己为主节点 选举：选举新主节点和Sentinel的方法非常相似，两者都是基于Raft算法
哨兵
Redis的高可用性（high availability）解决方案 监视主从节点，执行故障转移
原理： 大部分的哨兵都同意才能判断下线，开始raft选举master 哨兵作用是监控、通知、故障转移 info 获取主从信息 发布订阅功能获取其他哨兵节点的信息 通过向其他节点发送 ping 命令进行心跳检测，判断是否下线。 Raft 算法选举负责故障转移的哨兵，从节点替换，slaveOf通知更新
问题： 主备切换数据丢失：一种是异步复制，一种是脑裂导致的数据丢失
单线程
执行 Redis 命令的核心模块是单线程的，而不是整个 Redis 实例就一个线程，Redis 其他模块还有各自模块的线程的。
Redis基于Reactor模式开发了网络事件处理器，这个处理器被称为文件事件处理器。它的组成结构为4部分：多个套接字、IO多路复用程序、文件事件分派器。
因为文件事件分派器队列的消费是单线程的，所以Redis才叫单线程模型。
文件事件处理器以单线程方式运行，但通过使用I/O多路复用程序来监听多个套接字，
文件事件处理器既实现了高性能的网络通信模型，又可以很好地与Redis服务器中其他同样以单线程方式运行的模块进行对接，这保持了Redis内部单线程设计的简单性
IO多路复用：I/O多路复用 (单个线程，通过记录跟踪每个I/O流(sock)的状态，来同时管理多个I/O流）
内部实现采用epoll，采用了epoll+自己实现的简单的事件框架。
epoll中的读、写、关闭、连接都转化成了事件，然后利用epoll的多路复用特性，绝不在io上浪费一点时间
epoll：
epoll内部使用了mmap共享了用户和内核的部分空间，避免了数据的来回拷贝；
epoll基于事件驱动，避免了像select和poll对事件的整个轮询操作
hyperloglog标准误差多少，原理是啥
如果允许统计在巨量数据面前的误差率在可接受的范围内，
1000万浏览量允许最终统计出少了一两万这样子，可采用HyperLogLog算法来解决上面的计数类似问题
计数存在一定的误差，误差率整体较低。标准误差为 0.81% 。
能够使用极少的内存来统计巨量的数据，只需要12K内存就能统计2^64个数据。
原理： 抛硬币的伯努利实验：无论抛了多少次，只要出现了正面，就记录为一次试验，推导出n和k_max中存在估算关联：n = 2^(k_max)
HyperLogLog是这样做的。对于输入的数据：
通过hash函数，将数据转为比特串，根据存入数据中，转化后的出现了 1 的最大的位置 k_max 来估算存入了多少数据。
分桶就是分多少轮。抽象到计算机存储为单位是比特(bit)，长度为 L 的大数组 S ，
将 S 平均分为 m 组，然后每组所占有的比特个数是平均的，设为 P
在 Redis 中，HyperLogLog设置为：m=16834，p=6，L=16834 * 6。占用内存为=16834 * 6 / 8 / 1024 = 12K） 对应：代入指定的估算公式中即可