目录
一、缓存穿透
查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库，会导致数据库宕机。
1、解决方案一：
缓存空数据，查询返回的数据为空，仍把这个空结果进行缓存
优点：
实现简单
缺点：
消耗内存，可能会发生不一致的问题
2、解决方案二：
布隆过滤器
优点：
占用内存小，没有多余的key。
缺点：
实现复杂，存在误判。
二、缓存击穿
给某一个key设置了过期时间，当key过期的时候，恰好这时间点对这个key有大量的并发请求过来，这些并发的请求可能会瞬间把DB压垮。
1、解决方案一：
互斥锁
优点：
强一致
缺点：
性能差
2、解决方案二：
逻辑过期
三、缓存雪崩
缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
1、解决方案一：
给不同的Key的TTL添加随机值
2、解决方案二：
利用Redis集群提高服务的可用性（哨兵模式、集群模式）
3、解决方案三：
给缓存业务添加降级限流策略（ngxin或spring cloud gateway）
4、解决方案四：
给业务添加多级缓存（Guava或Caffeine）
四、双写一致
双写一致性:当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致
读操作：缓存命中，直接返回;缓存未命中查询数据库，写入缓存，设定超时时间
写操作：延迟双删
问题一：先删除缓存，还是先修改数据库
先删除缓存和先删除数据库都可能出现脏读
问题二：为什么要删除两次缓存?
降低脏数据的出现
问题三：为什么要延时删除?
因为数据库一般是主从一致的，要等待主节点将数据发往从节点。但是延时的时间不好控制，也会有脏数据的风险。
1、解决方案一：（强一致）
加分布式锁可以杜绝脏数据的出现，但是性能较差
2、解决方案二：（强一致）
加上读写锁；
3、解决方案三：（允许短暂的不一致）
异步通知保证数据的最终一致性；
4、面试模拟
五、Redis的持久化
1、RDB
（1）介绍：
RDB全称Redis Database Backup file (Redis数据备份文件)，也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据.
·主动创建备份，推荐使用bgsave
· Redis内部有触发RDB的机制，可以在redis.conf文件中找到，格式如下:
（2）执行原理：
bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入RDB文件。使用页表进行虚拟内存和物理内存的映射。
fork采用的是copy-on-write技术:
- 当主进程执行读操作时，访问共享内存;
- 当主进程执行写操作时，则会拷贝一份数据，执行写操作。
2、AOF
（1）介绍：
- AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF:
- AOF的命令记录的频率也可以通过redis.conf文件来配:
- 差别:
（2）缺点：
- 因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。
- Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置:
3、两者对比
4、面试模拟
六、Redis的过期策略
Redis对数据设置数据的有效时间，数据过期以后，就需要将数据从内存中删除掉。可以按照不同的规则进行删除，这种删除规则就被称之为数据的删除策略（数据过期策略)。
1、惰性删除
（1）介绍：
设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key
（2）优点：
对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查
（3）缺点：
对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放
2、定期删除
（1）介绍：
每隔一段时间，我们就对一些key进行检查，删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中的过期key)。
（2）两种模式：
- SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms，以通过修改配置文件redis.conf的hz选项来调整这个次数
- FAST模式执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms
（3）优点：
可以通过限制删除操作执行的时长和频率来减少删除操作对CPU的影响。另外定期删除，也能有效释放过期键占用的内存。
（4）缺点：
难以确定删除操作执行的时长和频率。
七、Redis的数据淘汰策略
当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。
1、Redis支持8种不同策略来选择要删除的key:
- noeviction:不淘汰任何key，但是内存满时不允许写入新数据，默认就是这种策略。
- volatile-ttl:对设置了TTL的key，比较key的剩余TTL值，TTL越小越先被淘汰
- allkeys-random:对全体key，随机进行淘汰。
- volatile-random:对设置了TTL的key，随机进行淘汰。
- allkeys-lru:对全体key，基于LRU算法进行淘汰
- allkeys-Iru: 对全体key，基于LRU算法进行淘汰
- volatile-Iru:对设置了TTL的key，基于LRU算法进行淘汰
- allkeys-lfu:对全体key，基于LFU算法进行淘汰
- volatile-lfu:对设置了TTL的key，基于LFU算法进行淘汰
2、数据淘汰策略-使用建议
- 优先使用alkeys-lru策略。充分利用LRU算法的优势，把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分，建议使用。
- 如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用allkeys-random，随机选择淘汰。
- 如果业务中有置顶的需求，可以使用volatile-lru策略，同时置顶数据不设置过期时间，这些数据就一直不被删除，会淘汰其他设置过期时间的数据。
- 如果业务中有短时高频访问的数据，可以使用allkeys-lfu或volatile-lfu策略。
3、面试可能会问到的问题
1．数据库有1000万数据，Redis只能缓存20w数据,如何保证Redis中的数据都是热点数据?
使用allkeys-lru(挑选最近最少使用的数据淘汰)淘汰策略，留下来的都是经常访问的热点数据
2. Redis的内存用完了会发生什么?
主要看数据淘汰策略是什么?如果是默认的配置( noeviction )，会直接报错。
3、数据库有1000万数据，我不用Redis，如何缓存100w热点数据?（美团真题）
定义缓存数据结构：首先，你需要定义一个数据结构来存储缓存数据。这个数据结构可以是一个哈希表，其中键是数据的唯一标识符，值是数据本身。除了哈希表，你还可以使用其他数据结构，比如LRU（最近最少使用）缓存。
确定热点数据：通过对数据库进行分析或者根据应用程序的访问模式，确定哪些数据是热点数据，即经常被访问的数据。
缓存策略：选择合适的缓存策略来缓存热点数据。常见的缓存策略包括：
- 基于时间的过期策略TTL：设置缓存数据的过期时间，当缓存数据过期时，需要重新从数据库中加载。
- 基于请求频率的淘汰策略LFU：根据数据的访问频率来淘汰不常用的数据，保留常用的数据。
八、Redis的分布式锁
1、介绍
Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在，则SET)的简写。
2、redisson-执行流程（每隔一段时间给锁续期）
3、redisson-可重入
可重入就是说某个线程已经获得某个锁，可以再次获取锁而不会出现死锁.
4、主从一致性
RedLock(红锁):不能只在一个redis实例上创建锁，应该是在多个redis实例上创建锁(n/ 2+1)，避免在一个redis实例上加锁。
5、面试模拟：
九、Redis的集群方案
1、主从复制（解决高并发）
单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。
（1）主从同步原理
- Replication ld:
简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid,slave则会继承master节点的replid
- offset:
偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset.如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。
- 全量同步：
（2）增量同步(slave重启或后期数据变化)
2、哨兵（解决高可用）
Redis提供了哨兵(Sentinel)机制来实现主从集群的自动故障恢复。
- 监控: Sentinel 会不断检查您的master和slave是否按预期工作.
- 自动故障恢复:如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主.
- 通知: Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端.
（1）服务状态监控
Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令;
- 主观下线:如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。
- 客观下线:若超过指定数量（quorum)的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。
（2）哨兵选主规则
- 首先判断主与从节点断开时间长短，如超过指定值就排该从节点
- 然后判断从节点的slave-priority值，越小优先级越高
- 如果slave-prority一样，则判断slave节点的offset值，越大优先级越高
- 最后是判断slave节点的运行id大小，越小优先级越高。
（3）脑裂
由于网络原因产生了两个主节点
解决方式：设置redis的配置参数
3、分片集群结构（海量数据存储问题、高并发写的问题）
使用分片集群可以解决上述问题，分片集群特征:
- 集群中有多个master，每个master保存不同数据
- 每个master都可以有多个slave节点
- master之间通过ping监测彼此健康状态
- 客户端请求可以访问集群任意节点，最终都会被转发到正确节点
（1）数据读写
4、面试模拟：（主从复制、哨兵模式、分片集群结构）
十、Redis网络模型
Redis通过IO多路复用来提高网络性能，并且支持各种不同的多路复用实现，并且将这些实现进行封装，提供了统一的高性能事件库。
1、面试模拟
1198
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
