Redis相关笔记（包含面试重点）缓存穿透、缓存击穿、缓存雪崩、双写一致性、持久化、缓存过期策略、缓存淘汰策略、redis分布式锁、主从复制、主从同步、哨兵模式、聚群脑裂、分片聚群、数据读写规则

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

本文章主要分享在学习过程中的Redis相关内容，其中也有相关的高频面试题。笔记为黑马程序员Java八股文视频的整理。

---

一、使用场景

缓存
分布式锁

1、缓存穿透

这是正常查询过程

如果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，就会导致每次都查数据库。这就是缓存穿透。列入：被攻击数据库，造一些假数据，请求次数多的时候就会使得数据库宕机。

解决方案1：缓存空数据，查询返回的数据为空，把这个空结果进行缓存{key：1，value：null}
优点简单
缺点消耗内存，可能会发生不一致问题。列入当数据后期存入就会导致数据不一致

解决方案二：布隆过滤器

想要了解布隆过滤器原理可以参考：布隆过滤器

**优点：**内存占用较少
**缺点：**实现复杂，存在误判

面试题：

2、缓存击穿

**缓存击穿：**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

–逻辑过期

面试题：

3、缓存雪崩

缓存雪崩是指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：
给不同的Key的TTL添加随机值
利用Redis集群提高服务的可用性（哨兵模式、集群模式）
给缓存业务添加降级限流策略（ngxin或spring cloud gateway）
给业务添加多级缓存（Guava或Caffeine）

面试题

4、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持一致

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

无论哪种都会出问题

解决办法：
1.强调一致性的，采用Redisson提供的读写锁
共享锁：读锁readLock，加锁之后，其他线程可以共享读操作
排他锁：独占锁writeLock也叫，加锁之后，阻塞其他线程读写操作

2.允许延时一致的业务，采用异步通知


面试题：

5、持久化

• RDB
  RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据
  
  RDB的执行原理？
  bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。
  fork采用的是copy-on-write技术：
  当主进程执行读操作时，访问共享内存；
  当主进程执行写操作时，则会拷贝一份数据，执行写操作。
  
• AOF
  AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。
  
  因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。
• 对比
  
  RDB和AOF各有自己的优缺点，如果对数据安全性要求较高，在实际开发中往往会结合两者来使用。

面试题

6、缓存过期策略

• 惰性删除
  设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key
  **优点 ：**对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查
  **缺点 ：**对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放

• 定期删除
  每隔一段时间，我们就对一些key进行检查，删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中的过期key)。

定期清理有两种模式：
SLOW模式是定时任务，执行频率默认为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
FAST模式执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms

优点：可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除，也能有效释放过期键占用的内存。
缺点：难以确定删除操作执行的时长和频率。

一般是两种一起使用。

面试题

7、缓存淘汰策略

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。

Redis支持8种不同策略来选择要删除的key：

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

使用建议
1.优先使用 allkeys-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 allkeys-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。

面试题

二、redis分布式锁

1、使用场景

通常是抢单抢券的时候，流程图如下：
此时如果发生以下情况，则会导致数据库出错

那么解决办法就是加个互斥锁

单体项目的话没问题，如果是nginx进行反向代理，负载均衡的集群项目，则又出现问题了

此时，解决办法为加一个分布式锁

2、实现原理

Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在，则 SET)的简写。

如果不设置超时时间，那么则会大大占用内存，并且如果在执行业务的时候服务器宕机了，锁将一直得不到释放

那么我们应该如何合理设置超时时间呢？
为了解决这个问题，我们可以给锁续期

public void redisLock() throws InterruptedException {
//获取锁(重入锁)，执行锁的名称
RLock lock = redissonClient.getLock( s: "heimalock" );
try {
//尝试获取锁，参数分别是:获取锁的最大等待时间（期间会重试)，锁自动释放时间，时间单位
 	boolean isLock = lock.tryLock(10，30，TimeUnit.SECONDS);
//判断是否获取成功
	if(isLock){
		system.out.println("执行业务..." );
		}
}finally {
	//释放锁
	lock.unlock();
}
}

当然分布式锁是可以重入的

那么你就要问了什么是重入呢？
简单的说重入就是在方法一种执行方法二，在方法一中，已经锁住了，但是他仍然能执行方法二，因为他们同属于一个进程

public void add1(){
    RLock lock = redissonClient.getLock(“heimalock");
       boolean isLock = lock.tryLock();    
       //执行业务  
       add2();
       //释放锁  
       lock.unlock();
}
       
 public void add2(){
     RLock lock = redissonClient.getLock(“heimalock");
         boolean isLock = lock.tryLock();
         //执行业务
         //释放锁
         lock.unlock();
}

可以利用hash结构记录id和重入次数

那么问题又来了，如何在出现问题的时候解决主从一致性，在主节点出问题的时候，那么他会重新选择分节点为主节点，此时Java应用重新获取锁，那么就会导致两个线程同时有一把琐。

此时我们可以用红锁RedLock(红锁)：不能只在一个redis实例上创建锁，应该是在多个redis实例上创建锁(n / 2 + 1)，避免在一个redis实例上加锁。
但是这样的话，性能就太低了，如果业务中非要保证数据的强一致性，建议采用zookeeper实现的分布式锁

面试题

三、redis其他面试问题

Redis集群有哪些方案, 知道嘛
什么是 Redis 主从同步
你们使用Redis是单点还是集群 ? 哪种集群
Redis分片集群中数据是怎么存储和读取的
redis集群脑裂
怎么保证redis的高并发高可用
你们用过Redis的事务吗 ? 事务的命令有哪些
Redis是单线程的，但是为什么还那么快？

1、主从复制、主从同步

主从复制
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，就需要搭建主从集群，实现读写分离。

主从同步

• 全量同步
  1.从节点请求主节点同步数据（replication id、 offset ）
  2.主节点判断是否是第一次请求，是第一次就与从节点同步版本信息（replication id和offset）
  3.主节点执行bgsave，生成rdb文件后，发送给从节点去执行
  4.在rdb生成执行期间，主节点会以命令的方式记录到缓冲区（一个日志文件）
  5.把生成之后的命令日志文件发送给从节点进行同步
  
• 增量同步
  1.从节点请求主节点同步数据，主节点判断不是第一次请求，不是第一次就获取从节点的offset值
  2.主节点从命令日志中获取offset值之后的数据，发送给从节点进行数据同步
  
  面试题
  

2、哨兵模式、聚群脑裂

哨兵模式
Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。哨兵的结构和作用如下：

监控：Sentinel 会不断检查您的master和slave是否按预期工作
自动故障恢复：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主
通知：Sentinel充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端

Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令：
主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。
客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。

哨兵选主规则
首先判断主与从节点断开时间长短，如超过指定值就排该从节点
然后判断从节点的slave-priority值，越小优先级越高
如果slave-prority一样，则判断slave节点的offset值，越大优先级越高
最后是判断slave节点的运行id大小，越小优先级越高。

聚群脑裂
集群脑裂是由于主节点和从节点和sentinel处于不同的网络分区，使得sentinel没有能够心跳感知到主节点，所以通过选举的方式提升了一个从节点为主，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老的主节点那里写入数据，新节点无法同步数据，当网络恢复后，sentinel会将老的主节点降为从节点，这时再从新master同步数据，就会导致数据丢失

如何解决呢？
我们可以修改redis的配置，可以设置最少的从节点数量以及缩短主从数据同步的延迟时间，达不到要求就拒绝请求，就可以避免大量的数据丢失

redis中有两个配置参数：
min-replicas-to-write 1 表示最少的salve节点为1个
min-replicas-max-lag 5 表示数据复制和同步的延迟不能超过5秒

面试题

3、分片聚群、数据读写规则

分片聚群
主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决：
海量数据存储问题
高并发写的问题

使用分片集群可以解决上述问题，分片集群特征：
集群中有多个master，每个master保存不同数据
每个master都可以有多个slave节点
master之间通过ping监测彼此健康状态
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

数据读写规则
Redis 分片集群引入了哈希槽的概念，Redis 集群有 16384 个哈希槽
将16384个插槽分配到不同的实例
读写数据：根据key的有效部分计算哈希值，对16384取余（有效部分，如果key前面有大括号，大括号的内容就是有效部分，如果没有，则以key本身做为有效部分）余数做为插槽，寻找插槽所在的实例

面试题

4、Redis是单线程的，但是为什么还这么快

Redis是纯内存操作，执行速度非常快
采用单线程，避免不必要的上下文切换可竞争条件，多线程还要考虑线程安全问题
使用I/O多路复用模型，非阻塞IO

用户空间和内核空间
Linux系统中一个进程使用的内存情况划分两部分：内核空间、用户空间
用户空间只能执行受限的命令（Ring3），而且不能直接调用系统资源
必须通过内核提供的接口来访问
内核空间可以执行特权命令（Ring0），调用一切系统资源

Linux系统为了提高IO效率，会在用户空间和内核空间都加入缓冲区：
写数据时，要把用户缓冲数据拷贝到内核缓冲区，然后写入设备
读数据时，要从设备读取数据到内核缓冲区，然后拷贝到用户缓冲区

阻塞IO
顾名思义，阻塞IO就是两个阶段都必须阻塞等待：
阶段一：
用户进程尝试读取数据（比如网卡数据）
此时数据尚未到达，内核需要等待数据
此时用户进程也处于阻塞状态
阶段二：
数据到达并拷贝到内核缓冲区，代表已就绪
将内核数据拷贝到用户缓冲区
拷贝过程中，用户进程依然阻塞等待
拷贝完成，用户进程解除阻塞，处理数据

可以看到，阻塞IO模型中，用户进程在两个阶段都是阻塞状态。

非阻塞IO
顾名思义，非阻塞IO的recvfrom操作会立即返回结果而不是阻塞用户进程。
阶段一：
用户进程尝试读取数据（比如网卡数据）
此时数据尚未到达，内核需要等待数据
返回异常给用户进程
用户进程拿到error后，再次尝试读取
循环往复，直到数据就绪

阶段二：
将内核数据拷贝到用户缓冲区
拷贝过程中，用户进程依然阻塞等待
拷贝完成，用户进程解除阻塞，处理数据
可以看到，非阻塞IO模型中，用户进程在第一个阶段是非阻塞，第二个阶段是阻塞状态。虽然是非阻塞，但性能并没有得到提高。而且忙等机制会导致CPU空转，CPU使用率暴增。

IO多路复用
是指利用单个线程来同时监听多个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。目前的I/O多路复用都是采用的epoll模式实现，它会在通知用户进程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
就是使用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，为了提升更好的性能，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

面试题