1.Redis的数据类型
a.String
string类型是Redis最基本的数据类型，一个redis中字符串value最多可以是512M
b.Hash
Redis hash是一个string类型的field和value的映射表，hash特别适合用于存储对象。
c.List
Redis 列表是简单的字符串列表，按照插入顺序排序,它的底层实际是个链表
d.Set
Redis的Set是string类型的无序集合。它是通过HashTable实现实现的
e.ZSet
Redis zset 和 set 一样也是string类型元素的集合,且不允许重复的成员。不同的是每个元素都会关联一个double类型的分数。
redis正是通过分数来为集合中的成员进行从小到大的排序。zset的成员是唯一的,但分数(score)却可以重复。
各类型常用操作：Http://redisdoc.com/
2.Redis的持久化
a.RDB(Redis DateBase)
Redis会单独创建（fork）一个子进程来进行持久化，会先将数据写入到一个临时文件中，待持久化过程都结束了，再用个
临时文件替换上次持久化好的文件。整个过程中，主进程是不进行任何IO操作的，这就确保了极高的性能如果需要进行规
模数据的恢复，且对于数据恢复的完整性不是非常敏感，那RDB方式要比AOF方式更加的高效。RDB的缺点是最后一次久
化后的数据可能丢失。Rdb 保存的是dump.rdb文件
触发RDB快照：
Save：save时只管保存，其它不管，全部阻塞
BGSAVE：Redis会在后台异步进行快照操作，快照同时还可以响应客户端请求。可以通过lastsave命令获取最后一次
成功执行快照的时间
恢复RDB快照：
将备份文件 (dump.rdb) 移动到 redis 安装目录并启动服务即可
优势：
1.适合大规模的数据恢复
2.对数据完整性和一致性要求不高
劣势：
1.在一定间隔时间做一次备份，所以如果redis意外down掉的话，就会丢失最后一次快照后的所有修改
2.Fork的时候，内存中的数据被克隆了一份，大致2倍的膨胀性需要考虑
image.png
b.AOF(Append Only File)
以日志的形式来记录每个写操作，将Redis执行过的所有写指令记录下来(读操作不记录)，只许追加文件但不可以改写文
件，redis启动之初会读取该文件重新构建数据，换言之，redis重启的话就根据日志文件的内容将写指令从前到后执行一次
以完成数据的恢复工作。Aof保存的是appendonly.aof文件。
启动恢复:
Rewirte:
AOF采用文件追加方式，文件会越来越大为避免出现此种情况，新增了重写机制,当AOF文件的大小超过所设定的阈值
时，Redis就会启动AOF文件的内容压缩，只保留可以恢复数据的最小指令集.可以使用命令bgrewriteaof
重写原理：AOF文件持续增长而过大时，会fork出一条新进程来将文件重写(也是先写临时文件最后再rename)，遍历新
进程的内存中数据，每条记录有一条的Set语句。重写aof文件的操作，并没有读取旧的aof文件，而是将整
个内存中的数据库内容用命令的方式重写了一个新的aof文件，这点和快照有点类似。
优势/劣势：
image.png
3.Redis事务
可以一次执行多个命令，本质是一组命令的集合。一个事务中的所有命令都会序列化，按顺序地串行化执行而不会被其它命令
插入，不许加塞
常用操作：
步骤：
特性：
1.单独的隔离操作：事务中的所有命令都会序列化、按顺序地执行。事务在执行的过程中，不会被其他客户端发送来的命
令请求所打断。
2.没有隔离级别的概念：队列中的命令没有提交之前都不会实际的被执行，因为事务提交前任何指令都不会被实际执行，
也就不存在”事务内的查询要看到事务里的更新，在事务外查询不能看到”这个让人万分头痛的问题
3.不保证原子性：redis同一个事务中如果有一条命令执行失败，其后的命令仍然会被执行，没有回滚
4.Redis发布订阅
进程间的一种消息通信模式：发送者(pub)发送消息，订阅者(sub)接收消息。
常见命令：
image.png
操作：
先订阅后发布后才能收到消息，
1 可以一次性订阅多个，SUBSCRIBE c1 c2 c3
2 消息发布，PUBLISH c2 hello-redis
3 订阅多个，通配符*， PSUBSCRIBE new*
4 收取消息， PUBLISH new1 redis2015
5.Redis主从复制
主机数据更新后根据配置和策略，自动同步到备机的master/slaver机制，Master以写为主，Slave以读为主
复制原理：
哨兵模式：
反客为主的自动版，能够后台监控主机是否故障，如果故障了根据投票数自动将从库转换为主库
缺陷：
由于所有的写操作都是先在Master上操作，然后同步更新到Slave上，所以从Master同步到Slave机器有一定的延迟，当系统
很繁忙的时候，延迟问题会更加严重，Slave机器数量的增加也会使这个问题更加严重。
