面试 - redis缓存_异步串行化删除,即删除请求入队列-CSDN博客

本文链接：https://blog.csdn.net/FightingITPanda/article/details/105264841

Redis简介：

redis是一个使用最广泛的缓存中间件，根据月度排行网站DB-Engines的数据，Redis是最流行的键值对存储数据库。
Redis是一个开源（BSD许可）,内存存储的数据结构服务器，可用作数据库，高速缓存和消息队列代理。支持字符串、哈希表、列表、集合、有序集合、位图、HyperLogLogs等数据类型。内置复制、Lua脚本
LRU回收、事务、以及不同级别磁盘持久化功能，同事通过Redis Sentinel提供高可用，通过RedisCLuster提供自动分区。

WWH

what:是什么、该技术是什么、有什么特性？
why:为什么，为什么要使用该技术，该技术解决了什么问题？
how:怎么做、如何使用该技术？
how：该技术是如何实现的，实现原理？

常见Redis面试题：

Redis支持哪些数据类型：

字符串、哈希表、列表、集合、有序集合

为什么要使用redis缓存

结合实际场景说：
订单信息，一般是写比较少，但是短期内后面可能会有较多的查询。项目中使用String类型来缓存保单数据，查询时减少了对数据库的压力，提高了查询接口的QPS.

缓存和数据库不一致问题

使用缓存的话就有双写的问题，涉及到双写问题，就会有数据不一致的情况。需要保存数据一致需要牺牲性能，不过实际场景中一般也不要求这么高德一致性，要求严格一致的话，可以将读请求和写请求串行化，串到一个内存队列里去，这样就可以保证不会出现不一致的情况。
eg:我们采取 Cache Aside Pattern

缓存模式： Cache Aside Pattern（先淘汰缓存，再写数据库）

读的时候，先读缓存，缓存没有的话，就读数据库，然后取出数据放入缓存，同事返回响应读的时候；
写的时候，先删除缓存，然后在更新数据库；

那么并发情况下出现了数据不一致怎么办？

eg:有个写请求，此时删除了缓存中的数据，但是还没来及写数据库；这时来了一个读请求，又把数据库中的旧数据load到缓存中去了，然后上一个请求的写数据库完成了。这时，数据库中是最新的数据，缓存却是旧数据了。

思路：部分请求串行化或采取补偿操作

串行化：将数据库与缓存的更新、读取操作进行异步串行化；将相同id的读写请求hash到同一台服务器处理，服务中使用队列一个一个地执行。如果发现队列中有对应资源的写请求，那么久等待其执行结束后再去取值（需要考虑等待时间过长的问题，该方案影响较大，较为复杂）
补偿操作：既然是延迟导致的数据不一致，那么根据数据库实际的延迟时间，我们使用定时任务或者消息触发，如果有写请求结束后，我们在指定的时间之后再删除一次该缓存值，这样即使有不一致的脏数据，也只会出现在延迟的这一段实践中。

缓存穿透和雪崩问题

 什么事缓存穿透和雪崩
 何解决缓存穿透和雪崩

tip: 这两个问题带来的影响都是缓存失效或者未命中导致DB压力大，从而拖垮服务。这些情况都是可能导致DB异常从而影响服务的可用性，我们着手于解决该问题即可。其实关键就是过滤无效的数据，增加缓存命中率，并添加对应的隔离措施以增加整个服务的可用性。

缓存穿透： 访问了不存在的key,缓存未命中，请求会穿透到DB,量大时可能会对数据库造成压力导致服务异常，可能的处理方案如下：

针对这些不存在的key,可以再redis中保存对应的key和空数据，并设置较短的过期时间；
或者使用Redis Bitmap 来判断数据是否存在已过滤无效请求

缓存雪崩：缓存同事失效或缓存服务异常，瞬时大量请求直接到达DB,对数据库造成压力导致服务异常，可能的处理方案如下：

保证缓存服务的高可用，采用集群，多主多从模式部署，并开启RDB和AOF备份，在Redis服务出现问题时能快速根据备份文件恢复缓存数据
缓存过期的时间设置随机化
调用缓存服务时增加熔断模块，类似于Hystrix.

基于Redis的分布式锁怎么实现？

setnx 和expire组合使用，有坑，可能有如下问题

	 1.会不会有B线程删除了A线成加的锁的情况
	 2.锁超时了怎么办

A:我们通过setNX命令来实现分布式锁，设置了过期时间，不至于会出现线程异常导致锁无法释放的情况

Q:那释放锁的时候怎么做？会不会有B线程删除了A线程加的锁的情况？

A:不会的，我们加锁的时候有为每个线程生成独立的uuid,存储到redis，解锁的时候是使用Lua脚本，判断了uuid一致才会让释放对应的锁。

Q:不错，那锁超时了怎么办呢？

A:我们可以考虑类似租约机制的实现，启动定时任务来给线程续期，延长加锁时间；还需要考虑实际情况。。

为啥Redis单线程模型也能效率这么高？
Redis 基于Reactor模式开发了网络事件处理器，叫文件事件处理器（File EventHandler).文件事件处理器是单线程的，Redis才叫做单线程的模型，采用IO多路复用机制同时监听多个socket,根据socket上的事件来选择对应的事件处理器处理事件，为啥快呢：

纯内存操作
核心是基于非阻塞的IO多路复用机制
单线程避免了多线程频繁上下文切换问题
内部数据结构设计，整个的结构都类似于一个map，查找效率贼高

Redis持久化方式及区别
Q: Redis出问题后数据会全部丢是吗？
A:不会，Redis有持久化机制，支持AOF和RDB两种持久化方式

Q:这两种持久化方式有什么区别，你们使用哪种形式，怎么配置的

A:
RDB:通过fork一个子进程保存当前内存的一个快照实现备份，适合大规模的数据恢复，数据的完整性和一致性不高，RDB可能在最后一次备份时宕机了。另外备份时会占用内存，因为Redis在备份时会独立创建一个子进程，将数据写入到一个临时文件（此时内存中的数据时原来的两倍），最后再将临时文件替换之前的备份文件。
配置方式如下：

# save <指定时间间隔><执行制定次数更新操作>，满足条件就将内存中的数据同步到硬盘中
save<seconds><changes>
#指定本地数据库文件名，一般采用默认的dump.rdb
dbfilename dump.rdb
#默认开启数据压缩
rdbcompression yes

AOF : 通过每条写入命令以 append-only的模式写入一个日志文件中，在Redis重启的时候，可以通过回放AOF日志中的写入命令来重新构建整个数据集。AOF对数据的完整性和一致性支持更好，但是其备份日志文件一般会比RDB方式的备份文件更大，恢复也更慢，同时由于fsync的频率方式，会影响Redis的性能。

#打开aof
appendonly yes
#日志文件
appendfilename "appendonly.aof"
#更新条件
#appendfsync always
appendfsync everysec
#appendfsync no
#触发重写的配置
#时间长了日志会特别大，此时需要触发重写取内存中的数据，并重写到一个临时文件中。
#最后替换旧的aof文件
auto-aof-rewrite-percentage 100
auto-aof-rewrite-min-size 64mb

Redis如何实现分布式和高可用？

A:我们采用集群部署模式，三主三从，总共六台服务器

Q:那Redis主从模式，数据是怎么同步的呢？

A:
Redis主从模式原理：
Redis 2.8之前主从模式，主从之间的数据复制只有全复制机制，通过执行命令SLAVEOF ip port,使得其成为从服务器。全数据复制流程如下：

从服务器向主服务器发送SYNC命令。
主服务器收到SYNC命令之后，执行BGSAVE命令在后台生成RDB文件，并使用一个缓冲区记录从现在开始执行的写命令。
主服务器将生成的RDB文件发送给从服务器，从服务器根据RDB文件更新状态。
主服务器将缓冲区中的写命令发送给从服务器，从服务器执行这些命令，最终和主服务器达到一致的状态。

命令传播：
数据复制完成后，为了保持一致的状态，主服务的写命令都需要传播给其从服务器。

不足：
如果从服务器和主服务器断开后，又立马重新连接上，那么如果还执行全同步的话就十分浪费，因为全同步非常站cpu、io和带宽等

Redis 2.8之后，支持PSYNC,即部分重同步机制，部分同步机制主要依靠：

主从服务器的复制偏移量：用于记录主从服务器的状态是否一致，以及数据复制时的偏移量
主服务器的复制积压缓冲区：固定大小的（默认1M）FIFO队列，用于记录主服务器的写命令
主服务器的ID:用于判断，从服务器断开连接后重新连接到的主服务器是不是原来那个

部分重同步流程：

 1. 从服务器请求同步，带上当前的offset和之前的主服务器ID;
 2. 如果请求中的主服务ID和当前当前的主服务ID不一致，或者其offset值已经不再复制积压缓冲区内，那么需要执行全同步，流程同上；
 3. 否则，执行部分同步，主服务器将复制积压缓冲区中offset之后的命令发送给从服务器；
 4. 从服务器执行对应写命令，并修改offset,达到和主服务器状态一致。

Redis怎么删除过期数据？
A:Redis有定期删除和惰性删除两种