剑指Java面试 -- 缓存

仅作为面试知识点记录，具体课程请在慕课网搜索剑指Java面试-Offer直通车

缓存

主流应用架构

缓存中间件——Memcache和Redis的区别

Memcache：代码层类似Hash

• 支持简单数据类型
• 不支持数据持久化存储
• 不支持主从
• 不支持分片

Redis

• 数据类型丰富
• 支持数据磁盘持久化存储
• 支持主从
• 支持分片

为什么Redis能这么快

100000+QPS（QPS即query per second， 每秒内查询速度）

• 完全基于内存，绝大部分请求是纯粹的内存操作，执行效率很高
• 数据结构简单，对数据操作也简单
• 采用单线程，单线程也能处理高并发请求，向多核也可启动多实例
• 使用多路I/O复用模型，非阻塞IO

多路I/O复用模型

FD：File Descriptor，文件描述符

一个打开的文件通过唯一的描述符进行引用，该描述符是打开文件的元数据到文件本身的映射

传统的阻塞I/O模型

Select系统调用

Redis采用的I/O多路复用函数：epoll/kqueue/evport/select？

• 因使用环境来决定
• 优先选择时间复杂度为O(1)的多路复用函数作为底层实现
• 以时间复杂度为O(n)的select作为保底
• 基于react设计模式监听I/O事件

Redis的数据类型

• String：最基本的数据类型，二进制安全
• Hash：String元素组成的字典，适合用于存储对象
• List：列表，按照String元素插入顺序排序
• Set：String元素组成的无序集合，通过哈希表实现，不允许重复
• Sorted Set：通过分数来为集合中的成员进行从小到大的排序
• 用于计数的HyperLogLog，用于支持存储地理位置的Geo

使用keys对线上的业务的影响

KEYS pattern：查找所有符合给定模式pattern的key

• KEYS指令一次性返回所有匹配的key
• 键的数量过大会使服务卡顿

从海量Key里查询出某一固定前缀的Key

SCAN cursor [MATCH pattern] [COUNT count]

• 基于游标的迭代器，需要基于上一次的游标延续之前的迭代过程
• 以0作为游标开始一次新的迭代，知道命令返回游标0完成一次遍历
• 不保证每次执行都返回某个给定数量的元素，支持模糊查询
• 一次返回的数量不可控，只能是大概率符合count参数

如何通过Redis实现分布式锁

分布式所需要解决的问题

• 互斥性
• 安全性
• 死锁
• 容错

SETNX key value：如果key不存在，则创建并赋值

• 时间复杂度：O(1)
• 返回值：设置成功，返回1；设置失败，返回0

如何解决SETNX长期有效的问题

EXPIRE key seconds

• 设置key的生存时间，当key过期时（生存时间为0），会被自动删除
• 缺点：原子性得不到满足

SET key value [EX seconds] [PX milliseconds] [NX|XX]*

• EX seconds：设置键的过期时间为second秒
• PX millisecond：设置键的过期时间为millsecond毫秒
• NX：只在键不存在时，才对键进行设置操作
• XX：只在键已经存在时，才对键进行设置操作
• SET操作成功完成时，返回OK，否则返回nil

大量key同时过期时的注意事项

集中过期，由于清除大量的key很耗时，会出现短暂的卡顿现象

• 解决方案：在设置key的过期时间的时候，给每个key加上随机值

如何使用Redis做异步队列

使用List作为队列，RPUSH生产消息，LPOP消费消息

• 缺点：没有等待队列里有值就直接消费
• 弥补：可以通过在应用层引入Sleep机制去调用LPOP重试

BLPOP key [key …] timeout：阻塞直到队列有消息或者超时

• 缺点：只能供一个消费者消费

pub/sub：主题订阅者模式

• 缺点：消息的发布是无状态的，无法保证可达

Redis如何做持久化

RDB(快照)持久化：保存某个时间点的全量数据快照

• SAVE：阻塞Redis的服务器进程，直到RDB文件被创建完毕
• BGSAVE：Fork出一个子进程来创建RDB文件，不阻塞服务器进程

自动化触发RDB持久化的方式

• 根据redis.conf配置里的SAVE m n 定时触发（用的是BGSAVE）
• 主从复制时，主节点自动触发
• 执行Debug Reload
• 执行Shutdown且没有开启AOF持久化

BGSAVE原理

• 系统调用fork()：创建进程，实现了Copy-on-Write

Copy-on-Write

RDB持久化缺点

• 内存数据的全量同步，数据量大会由于I/O而严重影响性能
• 可能会因为Redis挂掉而丢失从当前至最近一次快照期间的数据

AOF(Append-Only-File)持久化：保存写状态

• 记录下除了查询以外的所有变更数据库状态的指令
• 以append的形式追加保存到AOF文件中（增量）

日志重写解决AOF文件大小不断增大的问题，原理如下

• 调用fork()，创建一个子进程
• 子进程把新的AOF写到一个临时文件里，不依赖原来的AOF文件
• 主进程持续将新的变动同时写到内存和原来的AOF里
• 主进程获取子进程重写AOF的完成信号，往新AOF同步增量变动
• 使用新的AOF文件替换掉旧的AOF文件

Redis数据的恢复

RDB和AOF文件共存情况下的恢复流程

RDB和AOF的优缺点

• RDB优点：全量数据快照，文件小，恢复快
• RDB缺点：无法保存最近一次快照之后的数据
• AOF优点：可读性高，适合保存增量数据，数据不易丢失
• AOF缺点：文件体积大，恢复时间长

RDB-AOF混合持久化方式

• BGSAVE做镜像全量持久化，AOF做增量持久化

Pipeline的好处

• Pipeline和Linux的管道类似
• Redis基于请求/响应模型，单个请求处理需要一一应答
• Pipeline批量执行指令，节省多次IO往返的时间
• 有顺序依赖的指令建议分批发送

Redis的同步机制

主从原理

全同步过程

• Slave发送sync命令到Master
• Master启动一个后台进程，将Redis中的数据快照保存到文件中
• Master将保存数据快照期间接收到的写命令缓存起来
• Master将保存数据快照期间接收到的写命令缓存起来
• Master完成写文件操作后，将该文件发送给Slave
• 使用新的AOF文件替换掉旧的AOF文件
• Master将这期间收集的增量写命令发送给Slave端

增量同步过程

• Master接收到用户的操作指令，判断是否需要传播到Slave
• 将操作记录追加到AOF文件
• 将操作传播到其他Slave：1.对齐主从库；2.往响应缓存写入指令
• 将缓存中的数据发送给Slave

Redis Sentinel

解决主从同步Master宕机后的主从切换问题

• 监控：检查主从服务器是否运行正常
• 提醒：通过API向管理员或者其他应用程序发送故障通知
• 自动故障迁移：主从切换

流言协议Gossip

在杂乱无章中寻求一致

• 每个节点都随机地与对方通信，最终所有节点的状态达成一致
• 种子节点定期随机向其他节点发送节点列表以及需要传播的消息
• 不保证信息一定会传递给所有节点，但是最终会趋于一致

Redis的集群原理

如何从海量数据里快速找到所需

• 分片：按照某种规则去划分数据，分散存储在多个节点上
• 常规的按照哈希划分无法实现节点的动态增减

一致性哈希算法：对2^32取模，将哈希值空间组织成虚拟的圆环

将数据key使用相同的函数Hash计算出哈希值

Hash环的数据倾斜问题

引入虚拟节点解决数据倾斜的问题