Redis面试题全面解析：从基础到底层实现

小赵面校招

于 2025-05-21 14:07:32 发布

阅读量885

点赞数 21

分类专栏：面试准备文章标签： redis 数据库缓存

本文链接：https://blog.csdn.net/jnimiijabc/article/details/148114146

版权

面试准备专栏收录该内容

3 篇文章

订阅专栏

Redis作为当今最流行的内存数据库之一，是后端开发岗位面试中的高频考点。本文将系统整理Redis面试中常见的基础、中级和底层实现问题，帮助开发者全面准备Redis相关面试。

一、Redis基础问题

1. Redis是什么？主要特点是什么？

Redis(Remote Dictionary Server)是一个开源的、基于内存的键值存储系统，可以用作数据库、缓存和消息中间件。主要特点包括：

基于内存操作，读写性能极高
支持丰富的数据结构(string, hash, list, set, sorted set等)
支持数据持久化(RDB和AOF两种方式)
支持主从复制和高可用(Redis Sentinel)
支持事务和Lua脚本
支持键过期和发布订阅功能

2. Redis支持哪些数据类型？各自的使用场景？

Redis支持5种核心数据类型：

String(字符串)：最简单的类型，可以存储文本、数字或二进制数据。常用于缓存、计数器等场景。
Hash(哈希)：键值对集合，适合存储对象。如用户信息{name:"John", age:30}。
List(列表)：有序可重复的字符串集合，支持双向操作。可用于消息队列、最新消息排行等。
Set(集合)：无序且唯一的字符串集合。适合标签系统、共同好友等场景。
Sorted Set(有序集合)：在Set基础上为每个元素关联一个分数(score)，可排序。适用于排行榜、带权重的队列等。

3. Redis的持久化机制有哪些？有什么区别？

Redis提供两种持久化方式：

RDB(Redis Database)：

定时生成数据快照
二进制格式，文件紧凑，恢复速度快
可能丢失最后一次快照后的数据
适合备份和灾难恢复

AOF(Append Only File)：

记录所有写操作命令
可配置不同fsync策略(无fsync/每秒fsync/每次写操作fsync)
文件较大且恢复较慢
数据安全性更高

生产环境通常两者结合使用，用AOF保证数据不丢失，用RDB做冷备。

4. Redis如何实现过期键的删除？

Redis采用两种策略删除过期键：

惰性删除：当访问一个键时，Redis会检查它是否过期，如果过期就立即删除。
定期删除：Redis定期随机测试一些设置了过期时间的key，删除其中已过期的key。

二、Redis中级问题

1. Redis事务是如何工作的？

Redis事务通过MULTI、EXEC、DISCARD和WATCH命令实现：

MULTI：标记事务开始
EXEC：执行事务中的所有命令
DISCARD：取消事务
WATCH：监视一个或多个key，如果在事务执行前这些key被改动，则事务被打断

特点：

事务中的命令会按顺序串行执行
不支持回滚(Redis认为失败是编程错误，应在开发环境解决)
没有隔离级别概念

2. Redis的发布订阅功能如何使用？

Redis提供发布/订阅消息模式，相关命令：

SUBSCRIBE channel [channel...]：订阅一个或多个频道
PUBLISH channel message：向指定频道发布消息
UNSUBSCRIBE [channel [channel...]]：退订频道
PSUBSCRIBE pattern [pattern...]：订阅匹配给定模式的所有频道

特点：

消息是即时的，不会持久化
订阅者只能收到订阅后发布的消息
适合简单的消息通知场景

3. Redis如何实现分布式锁？

Redis实现分布式锁的常用方式：

SETNX + EXPIRE：
```
SETNX lock_key unique_value
EXPIRE lock_key 10
```
问题：SETNX和EXPIRE不是原子操作
SET扩展参数(推荐)：
```
SET lock_key unique_value NX PX 10000
```
NX表示只有key不存在时才设置，PX设置过期时间(毫秒)
RedLock算法：
- 获取当前时间
- 依次尝试从多个独立的Redis实例获取锁
- 计算获取锁花费的时间，只有当大多数实例获取成功且总耗时小于锁有效期才认为成功
- 释放锁时向所有实例发送释放命令

4. Redis的Pipeline有什么作用？

Pipeline可以将多个命令一次性发送到服务器，减少网络往返时间(RTT)，显著提高性能。

import redis.clients.jedis.Jedis;
import redis.clients.jedis.Pipeline;
import java.util.List;

public class RedisPipelineExample {
    public static void main(String[] args) {
        // 创建Jedis连接
        try (Jedis jedis = new Jedis("localhost", 6379)) {
            
            // 开启Pipeline
            Pipeline pipe = jedis.pipelined();
            
            // 添加多个命令到Pipeline
            pipe.set("foo", "bar");
            pipe.get("foo");
            
            // 执行Pipeline中的所有命令并获取结果
            List<Object> results = pipe.syncAndReturnAll();
            
            // 处理结果
            // 第一个结果是SET命令的返回："OK"
            System.out.println("SET result: " + results.get(0));
            
            // 第二个结果是GET命令的返回："bar"
            System.out.println("GET result: " + results.get(1));
            
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

注意：

Pipeline中的命令是批量执行的，不是原子性的
适合需要执行多个命令但不需要事务的场景
合理设置批量大小，避免单次传输数据过大

三、Redis底层实现问题

1. Redis的底层数据结构有哪些？

Redis的每种数据类型都有其底层实现：

String：简单动态字符串(SDS)
List：3.2版本前是双向链表或压缩列表(ziplist)，之后统一为quicklist
Hash：压缩列表或哈希表(dict)
Set：整数集合(intset)或哈希表
Sorted Set：压缩列表或跳表(skiplist)+哈希表

2. Redis为什么快？

Redis高性能的原因：

基于内存：数据存储在内存中，读写操作直接操作内存
IO多路复用：使用epoll/kqueue等机制实现高并发的网络IO
单线程模型：避免多线程上下文切换和竞争条件
高效数据结构：精心设计的数据结构如SDS、跳跃表等
优化编码：针对不同场景采用不同编码方式节省内存

3. Redis的内存淘汰策略有哪些？

当内存不足时，Redis提供多种淘汰策略：

noeviction：不淘汰，返回错误(默认)
allkeys-lru：从所有key中淘汰最近最少使用的
volatile-lru：从设置了过期时间的key中淘汰LRU
allkeys-random：随机淘汰所有key
volatile-random：随机淘汰过期key
volatile-ttl：淘汰剩余生存时间最短的key

4. Redis的渐进式rehash是如何工作的？

Redis哈希表在扩容时会进行rehash，为避免一次性rehash导致服务不可用，采用渐进式rehash：

为ht[1]分配空间，字典同时持有ht[0]和ht[1]
维持一个rehashidx计数器，初始为0
每次对字典执行操作时，将ht[0]在rehashidx索引上的所有键值对rehash到ht[1]，rehashidx++
最终ht[0]为空表，释放ht[0]，将ht[1]设置为ht[0]

在此期间：

查找操作会同时查找两个表
新增操作只保存到ht[1]
删除、更新操作在两个表上进行

5. Redis的跳表(skiplist)实现原理？

跳表是一种有序数据结构，通过在每个节点维持多个指向其他节点的指针实现快速访问。Redis使用跳表作为有序集合的底层实现之一。

特点：

由多层组成，最底层包含所有元素
每个节点包含多个指针，指向同层和下一层的节点
查找时间复杂度平均O(logN)，最坏O(N)
相比平衡树实现简单且插入删除更高效

四、Redis实战与优化

1. Redis常见性能问题和解决方案

大key问题：
- 问题：单个key存储数据过大，导致操作延迟高、阻塞其他请求
- 解决：拆分大key、使用SCAN系列命令替代KEYS、避免使用大value
热key问题：
- 问题：某些key访问量极高，造成单节点压力过大
- 解决：本地缓存、多副本、使用Redis集群分散压力
缓存穿透：
- 问题：大量请求查询不存在的数据，绕过缓存直接访问数据库
- 解决：布隆过滤器、缓存空对象
缓存雪崩：
- 问题：大量缓存同时失效，请求直接打到数据库
- 解决：设置不同的过期时间、使用锁或队列控制读数据库的线程数

2. Redis集群方案有哪些？

Redis Sentinel：
- 监控、通知、自动故障转移
- 解决高可用问题
- 不解决数据分片问题
Redis Cluster：
- 官方提供的分布式解决方案
- 数据分片(16384个slot)
- 主从复制和高可用
- 节点间使用Gossip协议通信
客户端分片：
- 由客户端实现分片逻辑
- 简单但扩展性和可用性较差
代理分片：
- 如Twemproxy、Codis等
- 客户端连接代理，由代理实现分片