Redis_常见基础面试点

1、数据类型

2、过期策略

Redis会把设置了过期时间的key放入一个独立的字典中，在key过期时并不会立即删除它。

Redis会通过如下两种策略来删除过期的key。

• 惰性删除：客户端在访问某一个key的时候，Redis会检查该key是否过期，若过期则删除；
  • 存在的问题是：有些key已经过期了，但是由于再也没有被访问，导致它一直都不会被删除，因而占用内存；
• 定期扫描：Redis默认每秒执行10次过期扫描，扫描策略如下：
  • 从过期字典中随机选择20个key；
  • 删除20个key中已过期的key；
  • 如果过期的key比例超过25%，则重复步骤1；

3、内存淘汰策略

Redis占用内存超出最大限制（maxmemory）时，可采用内存淘汰策略让Redis淘汰一些数据，以腾出空间继续提供读写服务。

• noeviction：对当 Redis 的内存不足时，只要有新的键值对需要插入，Redis 就会返回错误信息并停止插入操作；是 Redis 的默认内存淘汰策略，也是最简单的策略。
• volatile-ttl：在设置了过期时间的key中，选择剩余寿命最短的key将其淘汰；
• volatile-lru：在设置了过期时间的key中，选择最近最少使用的key将其淘汰；
• volatile-random：在设置了过期时间的key中，随机选择一些key将其淘汰；
• allkeys-lru：在所有的key中，选择最近最少使用的key将其淘汰；
• allkeys-random：在所有的key中，随机选择一些key将其淘汰；

其实还有volatile-lfu、allkeys-lfu，所谓LFU算法，就是先考虑键值对访问的次数，优先淘汰访问次数最少的键值对，对于访问次数相同的键值对，再选择最近最少使用的键值对进⾏淘汰，也就是LRU算法。

LRU算法的实现：

维护一个链表，用于顺序存储被访问过的key；在访问数据的时候，每次将最新访问的key移动到表头，即最近被访问的key在表头，最少访问的key在表尾；

Redis对LRU算法做了改进：

给每个key维护一个时间戳，淘汰时随机采样5个key，从中淘汰掉最旧的key；如果还是超出内存限制，则继续随机采样淘汰。优点就是比原始的LRU算法节约内存，并可以取得非常近似得效果；

4、缓存穿透

• 场景
  • 查询根本不存在的数据，使大量请求直接达存储层，导致负载过大，甚至宕机
• 解决方案
  • 缓存空对象
    • 存储层未命中后，仍然将空值存入缓存层，再次访问该数据时，缓存层就会直接返回空值
  • 布隆过滤器
    • 将所有存在的key提前存入布隆过滤器，在访问缓存层之前，先通过布隆过滤器拦截，若请求的是不存在的key，则直接返回空值

5、缓存击穿

• 场景
  • 一份热点数据，它的访问量非常大，在其缓存失效瞬间大量请求直达存储层，导致服务崩溃
• 解决方案
  • 加互斥锁
    • 对数据的访问加互斥锁，当一个线程访问该数据时，其它线程只能等待；
    • 该线程访问结束后，缓存中的数据被重建，届时其它线程就可以直接从缓存取值了；
  • 永不过期
    • 对热点数据不设置过期时间，就不会出现缓存击穿的问题了；
    • 为每个value设置逻辑过期时间，是对value，当发现该值逻辑过期时，使用单独的线程重建缓存；

6、缓存雪崩

• 场景
  • 由于某些原因，缓存层不能提供服务，导致所有的请求直达存储层；或者是大批热点数据瞬间同时过期，导大量请求瞬间直达存储层；造成存储层宕机。
• 解决方案
  • 避免同时过期
    • 为key设置过期时间的时候，附加一个随机数避免大量的key同时过期；
  • 构建高可用的Redis缓存
    • 部署多个Redis实例，个别实例宕机依然可以保持服务的整体可用性；
  • 构建多级缓存
    • 增加本地缓存，在存储层前面多加一级屏障，降低请求直达存储层的几率；
  • 启用限流和降级措施
    • 对存储层增加限流措施，当请求超出限制时对其提供降级服务；

7、Redis分布式锁