分布式为什么使用python

一、单线程的redis为什么这么快

#1、纯内存操作
#2、单线程操作，避免了频繁的上下文切换
#3、采用了非阻塞 I/O 多路复用机制

二、redis的过期策略和内存淘汰机制

# Redis 只能存 5G 数据，可是你写了 10G，那会删 5G 的数据。怎么删的

1、过期策略

#1、为什么不用定时删除策略
    #定时删除：
    用一个定时器来负责监视key,过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源

#2、定期删除+惰性删除
    # 2.1定期删除，
        #Redis默认每隔100ms检查，是否有过期的key,有过期key则删除。
        需要说明的是，Redis不是每隔100ms将所有的key检查一次，而是随机抽取进行检查(如果每隔100ms,全部key进行检查，Redis岂不是卡死)。因此，如果只采用定期删除策略，会导致很多key到时间没有删除。    

    #2.2惰性删除
    在我们获取某个key的时候，Redis会检查一下，这个key是否设置了过期时间，是否过期，过期了会删除

    #2.3定期删除+惰性删除存在的问题
        定期删除没删除key。然后我们也没即时去请求key，也就是说惰性删除也没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制。
    
    

2、数据（内存）淘汰策略

lru算法

python中的LRU算法

#在redis.conf中有一行配置：    maxmemory-policy allkeys-lru


#noeviction：
    当内存不足以容纳新写入数据时，新写入操作会报错

#allkeys-lru：
    当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。推荐使用。

#allkeys-random：
    当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。应该也没人用吧，你不删最少使用Key,去随机删。

#volatile-lru：
    当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。这种情况一般是把redis既当缓存，又做持久化存储的时候才用。不推荐。

#volatile-random：
    当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。依然不推荐。

#volatile-ttl：
    当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。不推荐。

三、如何解决redis的并发竞争key问题

#也就是多个子系统去修改同一个key

#不推荐使用事务的原因
   因为我们的生产环境，基本都是 Redis 集群环境，做了数据分片操作。你一个事务中有涉及到多个 Key 操作的时候，这多个 Key 不一定都存储在同一个 redis-server 上。因此，Redis 的事务机制，十分鸡肋。

解决问题

#1、如果对这个 Key 操作，不要求顺序

    这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做 set 操作即可，比较简单。

 

#2、如果对这个 Key 操作，要求顺序

    假设有一个 key1，系统 A 需要将 key1 设置为 valueA，系统 B 需要将 key1 设置为 valueB，系统 C 需要将 key1 设置为 valueC。

 
期望按照 key1 的 value 值按照 valueA > valueB > valueC 的顺序变化。这种时候我们在数据写入数据库的时候，需要保存一个时间戳。

 

假设时间戳如下：

系统 A key 1 {valueA 3:00}

系统 B key 1 {valueB 3:05}

系统 C key 1 {valueC 3:10}

 

那么，假设系统 B 先抢到锁，将 key1 设置为{valueB 3:05}。接下来系统 A 抢到锁，发现自己的 valueA 的时间戳早于缓存中的时间戳，那就不做 set 操作了，以此类推。其他方法，比如利用队列，将 set 方法变成串行访问也可以。