Redis面试问题一

Redis在面试中有很大的概率会问到，因此我们一定要学会回答此方面的问题。 Redis主要涉及到使用场景已经一些其他方面的问题。

下面是有可能涉及到的问题。

问题一：你最近的项目中那些场景用到了Redis呢？

需要结合简历项目上的业务进行具体说明。该问题一是验证你项目场景的真实性，二是作为深入发问的切入点。
若是回答有关缓存的内容，那么接下来有可能就会问你有关缓存三兄弟（穿透、击穿、雪崩）、双写一致、持久化、数据过期策略、数据淘汰策略方面的问题。
若回答有关分布式锁的内容，那么下面就有可能问你setnx、redisson等。
若回答有关消息队列、延迟队列方面内容，那么接下来就有可能对采用何种数据类型进行提问。
所以可根据回答内容对有关方面进行强化。

问题二：如果发生了缓存穿透、击穿、雪崩，该如何解决？

1.缓存穿透

Redis缓存穿透是一个在缓存系统中常见的问题，它指的是当缓存和数据库中都不存在某个查询的数据时，大量的请求会直接穿透缓存层，直接访问数据库，导致数据库的压力骤增，甚至可能引发系统崩溃或拒绝服务（DoS）攻击。以下是关于Redis缓存穿透的详细分析：

Redis缓存穿透的原因

数据不存在：查询的数据在数据库中本身就不存在，每次查询都会直接访问数据库。
恶意攻击：攻击者故意查询大量不存在的数据，以绕过缓存层，直接对数据库造成压力。
业务逻辑问题：由于代码缺陷或数据异常，导致系统频繁查询不存在的数据。

Redis缓存穿透的解决方案

缓存空对象
原理：当数据库中查询的数据为空时，将空结果也缓存起来，并设置较短的过期时间。这样，在缓存有效期内，对于相同的查询请求，可以直接从缓存中返回空结果，避免对数据库的再次查询。
应用场景：适用于查询结果可能为空，且对实时性要求不高的场景。
布隆过滤器（Bloom Filter）
原理：布隆过滤器主要由一个很长的二进制向量（位数组）和一系列随机映射函数（哈希函数）组成。当需要存储一个元素时，该元素通过多个哈希函数计算出一系列位置，并将这些位置在二进制向量中对应的位设置为1。当需要查询一个元素是否存在于集合中时，也通过同样的哈希函数计算出位置，并检查这些位置上的位是否都为1。如果都为1，则认为该元素可能存在于集合中；如果有任何一个位置上的位不为1，则可以确定该元素一定不存在于集合中。在查询缓存之前，使用布隆过滤器过滤掉可能不存在于数据库中的请求。


缺点
存在误判率：由于哈希函数的碰撞问题，布隆过滤器在判断元素是否存在时存在一定的误判率。即，有可能将不存在的元素误判为存在。
无法删除元素：布隆过滤器中的元素一旦被添加，其对应的位就会被设置为1，之后无法再将这些位恢复为0，因此布隆过滤器不支持元素的删除操作。
应用场景：适用于查询数据量大，且对误判率有一定容忍度的场景。

2.缓存击穿

**缓存击穿（Cache Breakdown）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

解决方案：

互斥锁（Mutex Lock）：在缓存失效后，第一个请求线程去查询数据库并重新构建缓存，其他线程则等待构建完成，然后直接从缓存中读取数据。这种方式可以减少对数据库的访问次数，但会增加线程等待时间。强一致性，但性能差

逻辑过期：逻辑过期是一种处理缓存数据失效时间的策略，与物理过期（即直接设置缓存项的过期时间）不同。在逻辑过期的方式中，缓存数据并不会在过期时被直接删除，而是会在缓存中保留该数据，但标记其为“过期”，表示该数据已经不再是最新的，或者已经不可用。高可用性，性能优，但不能保证数据绝对一致

3.缓存雪崩

缓存雪崩是指在缓存系统中，大量缓存key在同一时间失效或Redis服务宕机，导致大量请求直接到达数据库，造成后端系统的压力骤增，甚至引起系统崩溃的现象。

解决方案

1.给不同key的TTL添加随机值，设置随机的失效时间：为缓存对象设置稍微有差异的随机失效时间，避免大量缓存对象在同一时间失效。

2.利用Redis集群提高服务的可用性：如Redis哨兵模式或Redis集群部署方式，确保个别Redis节点下线时，整个缓存层依然可用。
哨兵模式实现原理
监控：哨兵节点定期向所有主节点和从节点发送PING命令，以检查它们的运行状态。
主观下线：如果哨兵节点在给定的时间内（通过sentinel down-after-milliseconds配置）未收到某个节点的有效响应，则将该节点标记为主观下线。
客观下线：当多个哨兵节点（达到配置的quorum值）都将某个主节点标记为主观下线时，该主节点被标记为客观下线。
故障转移：在主节点被标记为客观下线后，哨兵节点会进行故障转移操作，包括从所有健康的从节点中选举一个新的主节点，并将所有从节点切换到新的主节点上。
集群模式实现原理
数据分片：Redis Cluster将数据分为16384个槽（slot），每个节点可以处理0个或多个槽。
节点通信：节点之间通过Gossip协议进行通信，交换彼此的状态信息和槽的分配情况。
故障检测：节点之间会定期发送PING消息来检测对方是否在线。如果某个节点在一段时间内未收到其他节点的响应，则将该节点标记为疑似下线。当足够多的节点都认为某个节点已下线时，该节点被正式标记为已下线。
故障转移：当主节点下线时，集群中的从节点会进行选举，选举出一个新的主节点来接管原来的槽和数据。

3.给缓存业务添加降级限流策略：
降级可作为系统的保底策略，适用于穿透、击穿、雪崩
自动降级：系统可以根据一些关键数据进行自动降级，如CPU使用率、内存占用率、响应时间等。当这些指标超过预设的阈值时，系统可以自动关闭一些非核心服务或功能，以释放资源，保护核心服务。
人工降级：在某些情况下，如系统升级、维护或遇到严重错误时，管理员可以手动触发降级操作，以减少对系统的影响。
流量控制：通过设置系统的最大并发数，当请求超过这个数值时，系统可以拒绝新的请求或将其放入队列等待处理。通过限制单位时间内的请求数量，如每秒请求数（QPS），来防止系统被过量的请求压垮。
流量整形：通过平滑突发请求，将请求流量整形为稳定的流量，以避免系统资源的突然波动。
排队与请求：当请求超过系统处理能力时，可以将请求放入队列中等待处理。同时，可以设置合理的等待时间和超时时间，以避免用户长时间等待或系统资源被无效占用。
4.给业务添加多级缓存：虽然这会增加Redis的存储空间需求，但可以避免大量缓存同时失效的问题。

助记

《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。