A. 无法使用redis导致java内存溢出
无法使用redis导致java内存溢出的处理方察羡法敬派如下：
1、采用Redis集群，避免单机出现问题。
2、限流，避免同时处理大量的请求。
3、热点缓存失效，可以设置不同的失效亮没贺时间。
B. java redis 问题
错误很明显是空指针异常，点个debug运行，跟踪一下，一遍就能找出是哪个为空。redisDao.getInfo("totalPage")这句为空的话，很大可能是redisDao 是null,可以跟踪代码看一下，是不是没有实例化这个对象。
C. php使用redis watch 实现电商系统的秒杀抢购，防止超卖
redis的watch multi exec 方法实现秒杀抢购。优点：使用了乐观锁没有锁的等待，比队列方式减如带型少了大量的内存消耗。 watch 监视一个或多个key，如果在事务行液执行之前这个(或这些)key被其他命令所改动，那么事务将被渣猜打断。
D. java连接redis超时问题怎么解决
应该是redis本身的服务有问题了
本文所针对的连接超时问题所涉及的相关元素如下:
Redis客户端: Jedis (java)
Redis版本 :2.8.12
Redis部署操作系统类型:Linux
正文开始:
No 1.Redis执行大命令(时间复杂度为O(N)的命令)
问题剖析:
a.Redis服务器端通过单线程处理命令,一旦有大命令被执行,Redis将无法及时响应来旁闹自客户端的任何命令
关于Redis大命令的监控,可以查看slowlog来观察
b.在使用jedis作为redis客户端时,当redis连接池的配置参数testOnBorrow=true时,默认会在获取redis连接
时,先执行redis的ping方法,而基于原因a,此时redis将无法及时响应,自然会报出time out异常
如何解决:
a.尽量避免使用时间复杂度为O(N)的命令
b.如果无模启档法避免使用时间复杂度为O(N)的命令,则应降低其使用频率,避免在业务高峰期时使用
No 2.Redis单次操作数据包过大
问题分析
a.单次操作数据包过大,且操作频繁,极有可能会导致网络拥堵
b.在使用jedis作为redis客户端时,当redis连接池的配置参数testOnBorrow=true时,默认会在获取redis连接
时,先执行redis的ping方法,而基于原因a,此时redis将无法及时响应,自然会报出time out异常
如何解决:
a.排查代码,确定是否存在大数据(数据条目过多/单条数据过大)操作,将其进行改造,改造方案有两个:
a1.数据拆分,变更数据类型(常见的情况是将java中的collection类型序列化后存入redis的String数据
类型中),如将String数据类型调整为hash/list/set等,这常用于解决单条数据量过大的情况
a2.调整业务逻辑,减少单次数据查询范围(常见的情况如将redis中的整个hash数据取回,在应用程序内存中获取需要的entry),如使用hget等单条查询命旦乱令替换hgetall命令
E. redis 开启事务以后 为什么要判断 小于0 高手举个例子 讲详细 急用！！！
很简单，请求进来直接减库存(始终认为库存是足够的)，然后判断如果这次真的减掉了库存，库存的散桥羡总量会不会小于0（超冲拍卖），如果小于0，这次的操作与预期有出入（库存超卖），所以，后续的写库等其它操作应该被中止，然后进来的时候减掉的库存应该还原（因为一进入的时候就假设库存足够，但库存已经为0了），因为后续的写库操作没有执行，保证了写库消好数据始终正常，不会出现超卖，但redis中的缓存需要进行一次修正
F. java怎么模拟redis缓存超时
从expires中查找key的过期时间，如果不存在说明对应key没有设置过期时间，直接返回。
如果是版slave机器，则直接返回，因权为Redis为了保证数据一致性且实现简单，将缓存失效的主动权交给Master机器，slave机器没有权限将key失效。
如果当前是Master机器，且key过期，则master会做两件重要的事情：1）将删除命令写入AOF文件。2）通知Slave当前key失效，可以删除了。
master从本地的字典中将key对于的值删除。
主动失效机制
主动失效机制也叫积极失效机制，即服务端定时的去检查失效的缓存，如果失效则进行相应的操作。
我们都知道Redis是单线程的，基于事件驱动的，Redis中有个EventLoop，EventLoop负责对两类事件进行处理：
一类是IO事件，这类事件是从底层的多路复用器分离出来的。
一类是定时事件，这类事件主要用来事件对某个任务的定时执行。
G. redis一直循环获取有值就处理java
Redis的服务器进程就是一个事件循野铅环(loop)，这个循环中的文件事件负责接收客户端的命令请求，以及向客户端发送命令回复，而时间事件则负责执行像serverCron函颂敬好数这样需要定时运行的函数。服务器每次结束一个事件循环的之前，会调用flushAppendOnlyFile函数，考虑是否需要将aof_buf缓冲区中的稿租内容写入和保存到AOF文件里面。
H. 利用Redis设计库存系统的苦与乐
在秒杀等高并发场景下，既要保证库存安全，也要拥有极高的系统性能。从存储结构上，很多同学会选用Redis，毕竟Redis的单线程操作特性，很好地避免了线程安全的问题，同时具备极高的读写性能。
我们先来看下库存系统设计的几大核心要唤侍游点：
1. 库存安全：既要保证线程安全，也要防止出现超卖
2. 同步响应：业务场景基本不允许异步响应库存扣减结果
3. 性能极限：在seckill场景下，性能总是被要求越谈码高越好
我们来看下如何利用Redis来解决上面的三个问题。
一.库存安全
利用Redis来做库存扣减，避免超限的"方法"很多，坑也很多，我们先来看下常用的陷阱有哪些。
1. 先获取当前库存值进行比较，再进行扣减
defdecr_stock():conn=redis_conn()key="proctA"current_storage=conn.get(key)current_storage_int=int(current_storage)ifcurrent_storage_int<=0 :return0result=conn.decr(key)returnresult
我们和销先在Redis中拿到当前的库存值，然后check是否已经扣减到了零，如果已经扣减到了零，则直接return；否则，就利用Redis的decr原子操作进行扣减，同时返回扣减后的库存值。
这种方法的问题很明显，在并发条件下，会出现脏读，设想一个场景，AB两个请求进来，A获取的库存值为1，B获取的库存值为1，然后两个请求都被发到redis中进行扣减操作，然后这种场景下，A最后得到的库存值为0；但是B最后得到的库存值为-1，超限。
2. 先扣减库存，再做比较，跟进情况是否做回滚
defdecr_stock():conn=redis_conn()key="proctA"current=conn.decr(key)ifcurrent>=0:returncurrentelse: #回滚库存conn.incr(key)return0
直接先对库存值进行扣减，得到当前的库存值；然后，对此库存值进行check，如果库存>=0，则返回库存值，如果库存<0，则回滚库存，以便于防止负库存量的存在。
Redis Decr命令：DECR 命令会返回键 key 在执行减1操作之后的值。
这种做法引入了两个新的问题：
1).如果大批量的并发请求过来，redis承受的写操作的量，是加倍的，因为回滚库存的存在导致的。所以这种情况下，高并发量进来，极有可能将redis的写操作打出极限值，然后会出现很多redis写失败的错误警告
2). Redis的Decr操作和回滚操作无法保证原子性，在宕机情况下，容易产生数据不一致
3.先扣库存，然后通过整数溢出控制，根据情况进行回滚
defdecr_stock():conn=redis_conn()key="proctA"current=conn.decr(key) #通过整数控制溢出的做法ifcheck_overflow(current):returncurrentelse: #回滚库存conn.incr(key)return0 defcheck_overflow(stock): #如果当前库存未被递减到0，则check_number为int类型，isinstance方法检测结果为true #如果当前库存已被递减到负数，则check_number为long类型，isinstance方法检测结果为falsecheck_number=sys.maxint - stockcheck_result=isinstance(check_number,int)returncheck_result
这种做法和方法2类似，只是比对部分由直接和0比对，变成了通过检测integer是否溢出的方式来进行。这样就彻底解决了高并发情况下，直接和零比对，限制不住的问题了。
虽然此种做法，相对于做法二说来，要靠谱很多，但是仍然解决不了在高并发情况下，redis写并发量加倍的问题，极有可能某个促销活动，在开始的那一刻，直接将redis的写操作打出问题来。
4.基于分布式锁的库存扣减
defdecr_stock():key ="proctA" lock = getLock(key)iflocked ==1: current_storage = conn.get(key) current_storage_int = int(current_storage)ifcurrent_storage_int<=0:return0 result = conn.decr(key)returnresultelse:return"someone in it"
Redis在2.8以后支持Lua脚本的原子性操作，可以用来做分布式锁，解决超限的问题。
5. All in Lua
defstorage_scenario_six(): conn = redis_conn()lua =""" local storage = redis.call('get','storage_seckill') if storage ~= false then if tonumber(storage) > 0 then return redis.call('decr','storage_seckill') else return 'storage is zero now, can't perform decr action' end else return redis.call('set','storage_seckill',10) end """result = conn.eval(lua,0) print(result)
二、同步响应
如果只用Redis来进行存储，处理完数据直接返回前端即可。如果还要持久化到DB，要尽量避免直接操作DB，因为DB往往是最大的IO瓶颈，如果要异步落库到DB，比如使用MQ。要注意处理Redis扣减和消息发送的原子性处理。
三、性能
官网上redis的读写性能能到10W/QPS左右，这个量级应该可以解决绝大部分的场景。
但是经常有同学在压测的时候达不到这个性能，主要还是卡在网络环境上，在5W/QPS的时候，带宽就超过10M/s了。所有想追求Redis的极致性能，最好还是在同机房进行调用。
I. php使用redis怎么解决秒杀中的超卖问题
1、高并发
比较火热的秒杀在线人数都是10w起的，如此之高的在兄友线人数对于网站架构从羡胡槐前到后都是一种考验。
2、超卖
任做烂何商品都会有数量上限，如何避免成功下订单买到商品的人数不超过商品数量的上限，这是每个抢购活动都要面临的难题。
J. Spring Boot中对于超卖现象的问题分析和解决方案
本文只针对单体应用的高并发导致超卖的处理方案。
超卖是指商品本来只则桐有固定的数量比如10个，但是在某一时刻有大量的并发请求涌入，导致商品卖出去了比如100个，这就是超卖现象。
本文以7种方案来实现减库存操作，然后分析每个方案有什么问题，哪个方案可以解决超卖。
创建数据库：
创建一个商品表:
然后插入一条数据：
现在，我们有了一个商品，且它的库存 stock 是1，即只有一个。
JMeter可以模拟高并发场景，具体的使用请看我的这篇文章：JMeter的下载和使用
模拟一下子进来500个请求。
先来看看一个商品减库存函数，分析在高并发下会出现的问题：
在上面的函数中，先获取该商品的信息，拿到库存数，当库存数足够，就进行减库存操作。
但是问题是，在高并发孙数坦下，会有多个线程同时读到商品的库存为1，然后就都进行了减库存操作。假如同一时刻有10个线程，那么减库存操作就会执行10次，商品库存数由1变成了-9。
所以该方案是不行的。
和方案一类似，但是在方法前面加了synchronized，经过测试方案二比方案一要好得多，但是多测几遍，会发现超卖问题依然存在，只是概率低了一些。
这是因为Spring的AOP会在方法执行前开启事务，然后再进入加锁的方法。问题在开启事务和执行加锁方法的间隙有可能有其他线程同时开启了事务，只是这个概率比较低。
所以这种方式仍然不能解决超卖问题。
这种是方案二的优化版，将锁放到代码块，解决了方案二的问题。
缺点是整个代码块都加锁，如果减库存之后还有其他的耗时操作，其他的请求就需要排很久的队。
通过这样的SQL也可以解决超卖问题：
这是因为InnoDB引擎会自动给UPDATE、DELETE、DELETE语句添加排他锁，所以通过这样的毕樱语句可以防止超卖。
优点很明显，简单方便。
缺点仍然很明显，每一次都要操作数据库，对系统会造成很大的压力。
所以在高并发这种场景下这个方案不适用。
方案四的缺点在IO，那么就用Redis在内存中处理好了。
关于Redis可以看我的这篇文章：Spring Boot中Redis的基本使用和优雅的接口数据缓存
使用Redis，我们要提前将商品数据缓存起来：
缓存的方式有很多种，不一定用hash的incr，这里只是做一个示例。
现在我们在Redis中有一个库存为1的商品，来看看代码示例：
我们将商品库存的查询放到了内存中，速度更快，但是上面的代码在高并发下会出现超卖现象，所以我们要对查询操作进行加锁。
方案六和方案七只是加锁的方式不一样，Lock比起synchronized，在使用上更加灵活，所以在使用上可以看场景来决定。
两个方案都可以解决高并发下导致的超卖问题，并且是将锁加到库存查询操作中，不影响商品下单的操作，而且使用的是内存，所以速度更快。
作者：失败的面
链接：https://juejin.cn/post/7047681777036427271