Redis面试题

1.Redis的使用场景

• 缓存
  • 缓存三兄弟（穿透、击穿、雪崩）
  • 双写一致
  • 持久化
  • 数据过期策略
  • 数据淘汰策略
• 分布式锁
  • setnx
  • redisson
• 消息队列、延迟队列
  • 何种数据类型

2.什么是缓存穿透，怎么解决

• 缓存穿透：查询一个不存在数据，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，这种情况大概率是遭到了攻击。
• 解决方案：
  • 1.缓存空数据：查询结果为空时，仍把这个空结果存入缓存。
    • 优：简单
    • 缺：消耗内存，可能发生不一致的问题
  • 2.布隆过滤器

什么是布隆过滤器?

• 布隆过滤器：用于检索一个元素是否在一个集合中，拦截不存在的数据。我们当时使用的是redisson实现的布隆过滤器。
• 底层原理：
  • 初始化一个bitmap（位图）的数组，默认为0
  • 存储时通过多次hash计算，根据哈希值将对应数据改为1
  • 查找时根据计算的hash判断位置是否为1
• 缺：可能会产生一定的误判、实现复杂
• 解决方案：
  • 1.设置误判率，不会超过5%
  • 2.增加数组的长度

误判率：数组越小误判率越大，数组越大误判率越小，但同时带来了很大内存消耗

3.什么缓存击穿，怎么解决

• 缓存击穿：给某个key设置了过期时间，当key过期时，恰好这时对这个key有大量的并发请求，这些并发请求可能会瞬间将DB压垮
• 解决方案：
  • 1.互斥锁，强一致性，性能差
  • 2.逻辑过期，高可用，性能优，不能保证数据绝对一致

4.什么时缓存雪崩，怎么解决

• 缓存雪崩：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
• 解决方案：
  • 1.给不同的key的TTL添加随机值，让失效时间重复率降低
  • 2.利用Redis集群提高服务的可用性
    • 哨兵模式
    • 集群模式
  • 3.给缓存业务添加降级限流策略（是保底策略，适用穿透、击穿、雪崩）
    • ngxin
    • spring cloud gateway
  • 4.给业务添加多级缓存
    • Guava
    • Caffeine

《缓存三兄弟》
穿透无中生有key，布隆过滤null隔离
缓存击穿过期key，锁与非期解难题
雪崩大量过期key，过期时间要随机
面试必考三兄弟，可用限流来保底

5.Redis作为缓存，MySQL的数据如何与Redis进行同步（双写一致性）

• 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求要一致
• 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

1.什么使延时双删？
先删缓存，再修改数据库，再延时后删除缓存

2.先删缓存还是先修改数据库？
都会导致脏数据的出现，使数据库与缓存不一致

3.为什么要删除两次缓存？
降低脏数据的出现

4.为什么要延时删除？
一般是为了等待主从节点同步数据，防止脏数据出现
延时双删可以极大控制风险，但是延时时间不好确定，依旧有脏数据风险

• 1.业务背景：一致性要求高（抢券）

• 解决方案：

  • 共享锁：读锁readLock，加锁后，其他线程可以共享读操作
  • 排他锁：也叫独占锁writeLock，加锁后，阻塞其他线程读写操作

• 2.业务背景：允许延迟一致

• 解决方案：异步通知保证数据最终一致性

  • 1.使用MQ中间件：更新数据后，通知缓存删除，需要MQ的可靠性
  • 2.使用Canal中间件：基于MySQL的主从同步来实现的。不需要修改业务代码，伪装为MySQL的一个从节点，通过读取binlog数据更新缓存

6.Redis做为缓存，数据的持久化怎么做

• RDB：数据快照，把Redis内存存储的数据写到磁盘上，当Redis实例宕机恢复数据的时候，方便从RDB的快照文件中恢复数据
• AOF：追加文件，当Redis操作写命令的时候，都会存储到这个文件中，当Redis实例宕机恢复数据的时候，会从这个文件中，再执行一遍命令来恢复数据
• 二者对比：数据完整性，文件大小，宕机恢复速度，数据恢复优先级，系统资源占用，使用场景

7.Redis中的key过期后，会立即删除吗（数据过期策略）

• 数据过期策略：Redis对数据设有数据的有效时间，数据过期以后就要从内存中删除掉，删除时要有数据删除规则，这种删除规则就是数据过期策略
• 惰性删除：访问key时判断是否过期，过期了就删除
  • 优：对cpu友好，不浪费性能
  • 缺：对内存不友好，容易积攒
• 定期删除：定期随机删除一定量的key中过期的key
  • 1.slow模式：定时任务，执行频率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
  • 2.fast模式：执行频率不固定，每次事件循环都会尝试执行，但两次间隔不低于2ms，每次耗时不超过1ms
  • 优：既能通过限制时长和频率减少操作对cpu影响，也能定时释放过期占用的内存
  • 缺：难以确定删除操作时长和频率

8.假如缓存过多，内存是有限的，内存占满了怎么办（数据淘汰策略）

• 数据淘汰策略：当Redis的内存不够用时，此时再向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淘汰掉
  • noeviction：不淘汰任何key，内存满了不写入新数据（默认）
  • volatile-ttl：对所有TTL的key，TTL剩余的越少越先淘汰
  • allkeys-random：全体，随机淘汰
  • volatile-random：有TTL的，随机淘汰
  • allkeys-lru：全体，LRU（最近最少使用）淘汰
  • volatile-lru：有TTL的，LRU（最近最少使用）淘汰
  • allkeys-lfu：全体，LFU（最少频率使用）淘汰
  • volatile-lfu：有TTL的，LFU（最少频率使用）淘汰

9.Redis分布式锁，是如何实现的

• 使用场景：集群情况下定时任务，抢单，幂等性
• setnx：如果不存在则SET
• redisson：底层实现是使用了setnx和lua脚本（保证原子性）

1.Redisson实现的分布式锁如何合理控制锁的有效时长？
在redisson中提供了WatchDog（看门狗），一个线程获取锁成功以后，WatchDog会给持有锁的线程续期（默认时每隔十秒续期一次）
由于高并发下，业务执行的很快，新来的业务想要获取锁，不会马上被拒绝，会自动不断尝试，性能得到一定的提升

2.Redisson锁可以重入吗?
可以，多个锁重入需要判断是否是当前线程，在redis中进行存储的时候使用hash结构，来存储线程信息和重入的次数

3.Redisson可以解决主从数据一致的问题吗？
不可以，但是可以使用redisson提供的红锁来解决，但是这样的话，性能就太低了，如果非要保证数据的强一致性，建议采用zookeeper实现的分布式锁

10.Redis集群有哪些方案

• 主从集群

1.介绍一下redis的主从同步
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，搭建主从集群，实现读写分离。一般是一主多从，主节点负责写数据，从节点负责读数据

2.说一下主从同步数据的流程
全量同步
增量同步

• 哨兵模式
  • 功能： 监控、自动故障恢复、通知
  • 服务状态监控：主观下线、客观下线
  • 哨兵选主规则：断开时间、slave-priority、offset值、运行id大小

1.脑裂问题怎么解决
由于网络等原因，使master和salve、sentinel处于不同的网络分区，使得sentinel没有能够心跳感知到master，所以通过选举的方式提升了一个salve为master，这样就存在了两个master，就像大脑分裂了一样，这样会导致客户端还在old master那里写入数据，新节点无法同步数据，当网络恢复后，sentinel会将old master降为salve，这时再从新master同步数据，这会导致old master中的大量数据丢失。
解决方案：
1.设置最少的salve节点个数
2.设置主从数据复制和同步的延迟时间，达不到要求就拒绝请求

• 分片集群：解决的是，海量数据存储的问题
  • 功能：
    • 1.集群中有多个master，每个master保存不同数据
    • 2.每个master设置多个slave节点，就可以继续增大集群的高并发能力
    • 3.每个master之间通过ping监测彼此健康状态，就类似于哨兵模式了
    • 4.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
  • 读写数据：哈希槽
    • 有 16384 个哈希槽
    • key通过 CRC16 校验后对 16384 取模来决定放置哪个槽，通过槽找到对应的节点进行存储

11.Redis是单线程为什么还那么快

• 纯内存
• 单线程，避免不必要的线程上下文切换和安全问题
• I/O多路复用模型，非阻塞值I/O

1.解释一下I/O复用模型
Redis的性能瓶颈是网络延迟，I/O多路复用模型主要就实现了高效的网络请求
用户空间和内核空间
常见IO模型

• 阻塞IO：等待和拷贝都阻塞
• 非阻塞式IO：拷贝阻塞
• IO多路复用：利用单线程来监听多个Socket，并在某个Socket可读，可写时得到通知，从而避免无效的等待，充分利用cpu资源
  • 实现方式：
    • select，poll：不知道已就绪的Socket是哪一个，要逐渐遍历Socket来确认
    • epoll：在通知用户进程Socket就绪的同时，把已就绪的Socket写入用户空间，不需要挨个遍历Socket来判断是否就绪，提升了性能。

Redis网络模型：使用I/O多路复用结合事件的处理器来应对多个Socket请求

• 连接应答处理器
• 命令回复处理器：在Redis6.0之后，使用了多线程来处理回复事件
• 命令请求处理器：在Redis6.0之后，将命令的转换使用了多线程，增加命令转换速度，在命令执行的时候，依然是单线程