为了提高系统的访问效率和降低服务器压力，我们通常会采用缓存的策略，而使用缓存可以有效地支持高性能和高并发，而我们常用redis作为缓存。
高性能：
用户第一次访问数据库中的某些数据时，是从硬盘中读取的，该过程缓慢。而操作缓存是直接操作内存，速度快。所以，当第一次访问后，将数据存储在缓存，若数据库中的数据有变动，则同步改变缓存中相应的数据。
高并发：
直接操作缓存能够承受的请求是远远大于直接访问数据库的，可以将热点数据保存到缓存中，从而使部分请求直接到达缓存，而不用经过数据库，降低服务器压力的同时，提高了并发量。
为了更好地引入缓存一致性的问题，先来讲下redis的持久化策略、过期键的删除策略和内存淘汰策略。
一、redis持久化策略。
首先，redis支持RDB（默认）和AOF两种持久化策略。
a) RDB：Redis Database。RDB是Redis默认的持久化方式。每隔一定的时间周期就将内存的数据以快照的形式保存到硬盘中，对应产生的数据文件为dump.rdb。通过配置文件中的save参数可以设置生成快照的时间周期。
RDB的优缺点：
优点：
1、只有一个文件dump.rdb，方便持久化；
2、容灾性好，一个文件可以保存到安全的磁盘；
3、性能最大化。使用单独子进程来进行持久化，主进程不会进行任何IO操作，保证了redis的高性能；
4、相对于数据集大时，比AOF的启动效率更高
缺点：
1、数据安全性低。因为RDB是间隔一段时间进行持久化，如果持久化之间redis发生故障，会发生数据丢失。
b) AOF：Append Only File。将Redis每次执行的写命令记录到单独的日志文件中，当重启Redis时，会从持久化的日志文件中重新恢复数据。
当两种方式同时开启时，数据恢复Redis会优先选择AOF恢复。
AOF优缺点：
优点：
1、数据安全，AOF持久化可以令属性appendfsync为always，表示将每一次的命令操作记录到AOF文件中；
2、以append模式写文件，即使中途服务器宕机，可以通过redis-check-aof工具解决数据一致性问题。
3、AOF机制的rewrite模式，在AOF文件还没被rewrite之前（当文件过大时，会对文件中的命令进行合并重写），可以删除其中的一些命令。
缺点：
1、AOF文件比RDB文件大，且恢复速度慢。
2、数据集大的时候，比RDB启动效率低。
c) 对RDB和AOF两者进行对比：
如果同时配置了RDB和AOF，则优先加载AOF。
1、AOF文件比RDB更新频率高，优先使用AOF还原数据；
2、AOF比RDB更安全也更大
3、RDB性能比AOF好
二、过期键的删除策略
使用过Redis的都知道，Redis是key-value的数据库，我们可以设置redis缓存中key的过期时间，通常采用以下三种过期键的删除策略，Redis中同时使用惰性过期和定期过期两种过期策略。
三、Redis内存淘汰策略
Redis的内存淘汰策略是指用于缓存的内存不足时，怎么处理需要新写入且需要申请额外空间的数据。
好了，接下来讲下使用redis作为缓存时的缓存异常问题，即缓存与数据库的一致性问题，可以大致为分这三种：缓存穿透、缓存击穿和缓存雪崩。
针对上述三种问题，有不同的解决方案。
在上面的策略中，讲到了布隆过滤器，布隆过滤器也是面试中会被问到的一个知识点。
布隆过滤器只占用很小的内存空间，它通过bitmap（位数组）和哈希映射函数来判断某个数据是否存在，仅是进行概率判断，即数据要么可能大概率存在，要么一定不存在。
a) 布隆过滤器组成及其执行过程。
布隆过滤器除了一个位数组外，还有k个哈希函数，当一个元素加入布隆过滤器时，会执行如下操作：
1) 使用k个哈希函数对元素进行k次计算，得到k个哈希值；
2) 根据得到的哈希值，在位数组中把对应的索引位置的值置为1.
而当判断一个值是否在布隆过滤器中时，会对该值进行k次哈希计算，再判断位数组中应对的k个位置的值是否都为1，若存在一个不为1，则说明该元素不存在，否则，说明该元素存在。
b) 布隆过滤器的数据结构：其本质是一个如下图所示的位数组，初始值都为0，数组元素能是0或者1,
若此时我们使用多个哈希函数映射若干个值到布隆过滤器中，如下所示：
若此时查询“益禾堂”，可以说该值一定存在吗？在图中可以看到，不同的值是存在哈希冲突的，即不同的值存在部分哈希值映射到位数组的同一个位置上，而随着存储的值增多，会有更多的位置被置为1。当我们查找不存在的值“星巴克”时，若此时哈希函数返回的三个bit位（不一定是3个，根据哈希函数确定）都为1，程序依然会判断该值“星巴克”存在。综上所述，上述问题只能说“益禾堂”可能存在。
此外，布隆过滤器不能删除其中的数据，若要删除某个值，则只能重建布隆过滤器。因为存在哈希冲突，若有两个不同的值映射到了相同的位置，那么，在某个时刻查询另一个数据时，会造成结果的错误。
综上所述，可以得出如下结论：
1、只要返回数据不存在，则肯定不存在；
2、返回数据存在，但只能是大概率存在；
3、不能删除其中的数据；
4、针对布隆过滤器的误判行为，可以采用建立白名单的存储可能被误判的元素；
5、因为redis本身支持setbit和getbit操作，所以可以使用redis实现布隆过滤器，
而其创建位数组的方式比较特殊，通过如下方式创建位数组，
如创建一个长度为10000、名为test的布隆过滤器：setbit test 10000 0
