Redis面试详解

面试后端开发的职位，相信大家经常被问到有关redis问题。Redis作为缓存系统的代表很有必要弄熟搞懂，无论是在工作当中还是求职面试过程中都是大有裨益的，本文将详细介绍一些redis的一些典型问题，并给出了一些参考解答。
  由于作者水平有限，可能会有存在一些问题，欢迎大家不吝批评指教。文中参考了网友的一些资料，在这里先他们表示感谢。本文全文约4000字，阅读完大概需要10分钟时间。

常见问题

Redis性能为什么高?
单线程的redis如何利用多核cpu机器？
Redis的缓存淘汰策略？
Redis如何持久化数据？
Redis有哪几种数据结构？
Redis集群有哪几种形式？
有海量key和value都比较小的数据，在redis中如何存储才更省内存？
如何保证redis和DB中的数据一致性？
如何解决缓存穿透和缓存雪崩？
如何用redis实现分布式锁？

问题参考列表

Redis性能为什么高?

Redis是key-value存储的nosql数据库，具有以下一些性质，使其性能优异。

1. 完全基于内存操作，绝大多数操作都在内存中完成，非常高效。
2. 内部采用多路I/O复用模型，非阻塞式IO。Redis会根据系统情况优先调用高效的IO复用模型，例如linux的epoll多路IO函数；
3. 数据结构和数据操作简单，redis中的数据结构是专门进行设计的；
4. 处理请求模块采用单线程，避免了不必要的上下文切换和竞争条件，也不存在多进程或者多线程导致的切换而消耗 CPU，不用去考虑各种锁的问题，不存在加锁释放锁操作，没有因为可能出现死锁而导致的性能消耗；
5. 关于底层模型为了更有效的通讯,redis直接自己构建了VM 机制 ，因为一般的系统调用系统函数的话，会浪费一定的时间去移动和请求。

单线程的redis如何利用多核cpu机器？

  Redis的数据读取和处理性能非常强大，对于一般服务器配置，cpu都不会是性能瓶颈。Redis的性能瓶颈主要集中在内存和网络方面。举例来说，运行在一台普通的Linux机器上至少能处理50万并发请求。所以使用的redis命令多为O(N)、O(log(N))时间复杂度，那么基本上不会出现cpu瓶颈的情况。
  但是如果你确实需要充分使用多核cpu的能力，那么需要在单台服务器上运行多个redis实例(主从部署/集群化部署)，并将每个redis实例和cpu内核进行绑定来实现充分利用多核CPU。

Redis的缓存淘汰策略？

Redis缓存淘汰策略与Redis键的过期删除策略并不完全相同，前者是在Redis内存使用超过一定值的时候（一般这个值可以配置）使用的淘汰策略；而后者是通过定期删除+惰性删除两者结合的方式进行内存淘汰的。
有六种缓存淘汰策略：

1. volatile-lru：从已设置过期时间的数据中挑选最近最少使用的数据淘汰；
2. volatile-ttl：从已设置过期时间的数据中挑选将要过期的数据淘汰；
3. volatile-random：从已设置过期时间的数据中任意选择数据淘汰；
4. allkeys-lru：从数据集中挑选最近最少使用的数据淘汰；
5. allkeys-random：从数据集中任意选择数据淘汰；
6. no-enviction（驱逐）：禁止驱逐数据

注意这里的6种机制，volatile和allkeys都会对已设置过期时间的数据集淘汰数据。allkeys会从全部数据集淘汰数据，后面的lru、ttl以及random是三种不同的淘汰策略，再加上一种no-enviction永不回收的策略。

Redis如何持久化数据？

Redis支持两种数据持久化方式：RDB方式和AOF方式。前者会根据配置的规则定时将内存中的数据持久化到硬盘上，后者则是在每次执行写命令之后将命令记录下来。两种持久化方式可以单独使用，但是通常会将两者结合使用。
1、RDB方式
RDB方式的持久化是通过快照的方式完成的。当符合某种规则时，会将内存中的数据全量生成一份副本存储到硬盘上，这个过程称作”快照”。举例来说，根据配置规则进行自动快照流程：

• 用户执行SAVE, BGSAVE命令；
• 执行FLUSHALL命令；
• 执行复制（replication）。

2、AOF方式
在使用Redis存储非临时数据时，一般都需要打开AOF持久化来降低进程终止导致的数据丢失，AOF可以将Redis执行的每一条写命令追加到硬盘文件中，这一过程显然会降低Redis的性能，但是大部分情况下这个影响是可以接受的，另外，使用较快的硬盘能提高AOF的性能。

Redis有哪几种数据结构？

Redis支持五种数据类型：string（字符串），hash（哈希），list（列表），set（集合）及zset(sorted set：有序集合)。

Redis集群有哪几种形式？

redis有三种集群方式：主从复制，哨兵模式和集群。 详细内容参见：Redis集群管理方式

有海量key和value都比较小的数据，在redis中如何存储才更省内存？

可以考虑通过大幅减少key的数量来降低内存的消耗。
实现：在客户端通过分组将海量的key根据一定的策略映射到一组hash对象中，由于value较小，故hash类型的对象会使用占用内存较小的ziplist编码。
例如：如存在100万个键，可以映射到1000个hash中，每个hash保存1000个元素。

如何保证redis和DB中的数据一致性？

大多情况下，缓存策略是：读缓存，读取不到就读数据库然后同步到缓存中。
问题出现场景
在并发访问中，不论是先写库，再删除缓存；还是先删缓存，再写库，都有可能出现数据不一致的情况
1、在并发中是无法保证读写的先后顺序的，如果删掉了缓存还没来得及写库，另一个线程就过来读取发现缓存为空就去数据库读取并写入缓存，此时缓存中为脏数据。
2、如果先写了库，再删除缓存前，写库的线程宕机了，没有删除掉缓存，则也会出现数据不一致情况。
3、如果是redis集群，或者主从模式，写主读从，由于redis复制存在一定的时间延迟，也有可能导致数据不一致。
双删 + 超时
在写库前后都进行redis.del(key)操作，并且设定合理的超时时间。这样最差的情况是在超时时间内存在不一致，当然这种情况极其少见，可能的原因就是服务宕机。此种情况可以满足绝大多数需求。
当然这种策略要考虑redis和数据库主从同步的耗时，所以在第二次删除前最好休眠一定时间，比如500毫秒，这样毫无疑问又增加了写请求的耗时。

如何解决缓存穿透和缓存雪崩？

缓存雪崩：是指缓存同一时间大面积的失效，瞬间请求全落到数据库上，造成数据库短时间内承受大量请求而崩掉。
解决方案：缓存数据的过期时间设置随机，防止同一时间大量数据过期现象发生。
一般并发量不是特别多的时候，使用最多的解决方案是加锁排队。给每一个缓存数据增加相应的缓存标记，记录缓存的是否失效，如果缓存标记失效，则更新数据缓存。

缓存穿透: 是指缓存和数据库中都没有的数据，导致所有的请求都落到数据库上，造成数据库短时间内承受大量请求而崩掉。

解决方案

• 接口层增加校验，如用户鉴权校验，id做基础校验，id<=0的直接拦截；
• 从缓存取不到的数据，在数据库中也没有取到，这时也可以将key-value对写为key-null，缓存有效时间可以设置短点，如30秒（设置太长会导致正常情况也没法使用）。这样可以防止攻击用户反复用同一个id暴力攻击
• 采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的 bitmap 中，一个一定不存在的数据会被这个 bitmap拦截掉，从而避免了对底层存储系统的查询压力