Redis高频面试

数据类型

String、List、Set、Zset（有序集合）、Hash

一、缓存

1.1 缓存穿透

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询数据库。
解决：
（1）缓存空数据

缺点：消耗内存，有可能发生数据不一致问题

（2）布隆过滤器

缺点：存在误判，redisson一般设置无判断在5%以下也是可以接受

1.2 缓存击穿

缓存击穿：给某一个热点的key设置了过期时间，当key过期时，恰好这个时间点对这个key有大量的并发请求过来，这个并发的请求可能会瞬间把DB压垮。
（1）互斥锁

强一致，性能差

（2）逻辑过期

高可用，性能好，不能保证数据绝对一致

1.3 缓存雪崩

缓存雪崩：在同一时间段大量的key同时失效或者redis服务宕机，导致大量的请求到达数据库，带来巨大压力。
（1）针对同时过期，给不同的key过期时间添加随机值
（2）利用redis集群提高服务可用性（哨兵或者集群模式）
（3）给缓存业务添加降级限流策略
（4）给业务添加多级缓存

1.4 双写一致问题

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证一致。

采用延时双删：
首先我们明确一点，当数据库中值修改后，先删除缓存还是先写数据，其实真正情况下，二者都肯能会产生问题。

解决方案：一般情况下进入缓存的数据都是读多写少型，
（1）分布式锁可以解决

读数据：采用共享锁（readLock），加锁之后其他线程可用共享读操作
写数据：采用独占锁（writeLock），加锁之后阻塞其他线程读写操作
读写锁也是Redisson就可以完成。

（2）异步通知保证最终一致性

①数据库写完后，发送MQ利用MQ保证最终一致
②数据库写完后，基于Canal异步通知，Canel监控Binlog实现

二、Redis持久化

2.1 RDB

RDB是一个快照文件，它是把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。

2.2 AOF

AOF的含义是追加文件，当redis操作写命令的时候，都会存储这个文件中，当redis实例宕机恢复数据的时候，会从这个文件中再次执行一遍命令来恢复数据。

总结

RDB因为是二进制文件，在保存的时候体积也是比较小的，它恢复的比较快，但是它有可能会丢数据，我们通常在项目中也会使用AOF来恢复数据，虽然AOF恢复的速度慢一些，但是它丢数据的风险要小很多，在AOF文件中可以设置刷盘策略，我们当时设置的就是每秒批量写入一次命令。

三、Redis数据过期策略

3.1 惰性删除

惰性删除：访问key的时候判断是否过期，如果过期，则删除

3.2 定期删除

定期删除：定期删除一定量的key是否过期（SLOW模式+FAST模式）

总结

一般使用中，采用惰性删除+定期删除两者配合使用

四、Redis数据淘汰策略

数据的淘汰策略: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。
以下8中淘汰策略：

• 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。
• volatile-lru: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

LRU(Least Recently Used)最近最少使用。用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
LFU(Least Frequently Used)最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高。

使用建议：
1、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。
2、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alkeys-random，随机选择淘汰
3、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。
4、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。

五、Redis分布式锁

1、可以直接采用redis的setNx来完成，当redis中没有数据返回ture表示拿锁成功，否则拿锁失败。接下来进行业务处理，最后删除redis数据。
可能会带来以下问题：
（1）拿到锁后，接下来执行的操作不具有原子性，如果抛出异常后锁无法释放，导致其他线程永远无法执行
（2）为了解决上面问题，设置redis超时时间，但是又引来了新的问题，超时时间没法明确到底需要多久，因为下面具体的业务执行时间需要多久无法确定。
（3）为了解决上面问题，当然也有解决方案，开启另外线程，监控业务情况，如果业务未完成给锁续命，带来的问题是代码非常复杂
2、Redisson实现分布式锁

注意：Redisson实现的分布式锁可以重入（利用线程hash结构记录线程id和重入次数，同一个线程如果进来可重入，降低死锁出现的情况）
总结：Redisson底层也是setnx和lua脚本（保证原子性）