2024 最新Java面试系列——Redis（精简、纯手打）

大家好，我是程序员阿奇。今年找工作确实很难，尤其是对于Java开发者来说，面试中Redis的掌握程度往往成为决定你能否拿到offer的关键因素。Redis作为一个高性能的键值存储系统，已经成为许多公司后端技术栈中不可或缺的一部分。今天，我就来和大家分享一些Redis的面试题目，希望能帮助到正在求职的你。

Redis面试题目

• Redis有哪些数据类型？

字符串 String、字典 Hash、列表List、集合 Set、有序集合 SortedSet。如果是高级用户，那

么还会有，如果你是 Redis 中高级用户，还需要加上下面几种数据结构 HyperLogLog、

Geo、 Pub/Sube

• 知道 Redis 的持久化吗？底层如何实现的？有什么优点缺点？

RDB(Redis DataBase: 在不同的时间点将 redis 的数据生成的快照同步到磁盘等介质上):内存到硬盘的快照，定期更新。缺点：耗时，耗性能(fork+io 操作)，易丢失数据。
AOF(Append Only File：将 redis 所执行过的所有指令都记录下来，在下次 redis 重启时，只需要执行指令就可以了):写日志。缺点：体积大，恢复速度慢。
bgsave 做镜像全量持久化，aof 做增量持久化。因为 bgsave 会消耗比较长的时间，不够实
时，在停机的时候会导致大量的数据丢失，需要 aof 来配合，在 redis 实例重启时，优先使
用 aof 来恢复内存的状态，如果没有 aof 日志，就会使用 rdb 文件来恢复。Redis 会定期做
aof 重写，压缩 aof 文件日志大小。Redis4.0 之后有了混合持久化的功能，将 bgsave 的全量
和 aof 的增量做了融合处理，这样既保证了恢复的效率又兼顾了数据的安全性。

bgsave 的原理，fork 和 cow, fork 是指 redis 通过创建子进程来进行 bgsave 操作，cow 指的是 copy on write，子进程创建后，父子进程共享数据段，父进程继续提供读写服务，写脏的页面数据会逐渐和子进程分离开来

• Redis 过期策略都有哪些？LRU 算法知道吗？写一下 java 代码实现？

过期策略:
定时过期(一 key 一定时器)，惰性过期：只有使用 key 时才判断 key 是否已过期，过期则清
除。定期过期：前两者折中。
LRU:new LinkedHashMap<K, V>(capacity, DEFAULT_LOAD_FACTORY, true);
//第三个参数置为 true，代表 linkedlist 按访问顺序排序，可作为 LRU 缓存；设为 false 代表
按插入顺序排序，可作为 FIFO 缓存
LRU 算法实现：1.通过双向链表来实现，新数据插入到链表头部；2.每当缓存命中（即缓存
数据被访问），则将数据移到链表头部；3.当链表满的时候，将链表尾部的数据丢弃。
LinkedHashMap：HashMap 和双向链表合二为一即是 LinkedHashMap。HashMap 是无序
的，LinkedHashMap 通过维护一个额外的双向链表保证了迭代顺序。该迭代顺序可以是插
入顺序（默认），也可以是访问顺序。

缓存穿透、缓存击穿、缓存雪崩解决方案？

缓存穿透：指查询一个一定不存在的数据，如果从存储层查不到数据则不写入缓存，这将
导致这个不存在的数据每次请求都要到 DB 去查询，可能导致 DB 挂掉。
解决方案：

        1.查询返回的数据为空，仍把这个空结果进行缓存，但过期时间会比较短；

        2.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 DB 的查询。
缓存击穿：对于设置了过期时间的 key，缓存在某个时间点过期的时候，恰好这时间点对
这个 Key 有大量的并发请求过来，这些请求发现缓存过期一般都会从后端 DB 加载数据并
回设到缓存，这个时候大并发的请求可能会瞬间把 DB 压垮。

解决方案：

        1.使用互斥锁：当缓存失效时，不立即去 load db，先使用如 Redis 的 setnx 去设
置一个互斥锁，当操作成功返回时再进行 load db 的操作并回设缓存，否则重试 get 缓存的
方法。

        2.永远不过期：物理不过期，但逻辑过期（后台异步线程去刷新）。
缓存雪崩：设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部
转发到 DB，DB 瞬时压力过重雪崩。与缓存击穿的区别：雪崩是很多 key，击穿是某一个
key 缓存。
解决方案：将缓存失效时间分散开，比如可以在原有的失效时间基础上增加一个随机值，
比如 1-5 分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效
的事件。

使用 Redis 如何设计分布式锁？说一下实现思路？使用 zk 可以吗？如何实现？这两种有什
么区别？

Redis:
        1.线程 A setnx(上锁的对象,超时时的时间戳 t1)，如果返回 true，获得锁。
        2.线程 B 用 get 获取 t1,与当前时间戳比较,判断是是否超时,没超时 false,若超时执行第 3 步;
        3.计算新的超时时间 t2,使用 getset 命令返回 t3(该值可能其他线程已经修改过),如果
t1==t3，获得锁，如果 t1!=t3 说明锁被其他线程获取了。
        4.获取锁后，处理完业务逻辑，再去判断锁是否超时，如果没超时删除锁，如果已超时，不用处理（防止删除其他线程的锁）。
zk:
        1.客户端对某个方法加锁时，在 zk 上的与该方法对应的指定节点的目录下，生成一个唯一的瞬时有序节点 node1;
        2.客户端获取该路径下所有已经创建的子节点，如果发现自己创建的 node1 的序号是最小的，就认为这个客户端获得了锁。
        3.如果发现 node1 不是最小的，则监听比自己创建节点序号小的最大的节点，进入等待。

        4.获取锁后，处理完逻辑，删除自己创建的 node1 即可。
区别:zk 性能差一些，开销大，实现简单。
 

缓存与数据库不一致怎么办？

假设采用的主存分离，读写分离的数据库，
如果一个线程 A 先删除缓存数据，然后将数据写入到主库当中，这个时候，主库和从库同
步没有完成，线程 B 从缓存当中读取数据失败，从从库当中读取到旧数据，然后更新至缓
存，这个时候，缓存当中的就是旧的数据。
发生上述不一致的原因在于，主从库数据不一致问题，加入了缓存之后，主从不一致的时
间被拉长了
处理思路：在从库有数据更新之后，将缓存当中的数据也同时进行更新，即当从库发生了
数据更新之后，向缓存发出删除，淘汰这段时间写入的旧数据。

Redis的内存淘汰策略有哪些？

voltile-lru 从已经设置过期时间的数据集中挑选最近最少使用的数据淘汰
voltile-ttl 从已经设置过期时间的数据库集当中挑选将要过期的数据
voltile-random 从已经设置过期时间的数据集任意选择淘汰数据
allkeys-lru 从数据集中挑选最近最少使用的数据淘汰
allkeys-random 从数据集中任意选择淘汰的数据
no-eviction 禁止驱逐数据

由于篇幅有限，上面的只列出了几个高频的题目，如果你想要获取更多的面试题内容，我花了半个月整理的Java面试内容，免费送给大家。

获取Redis相关资料

为了帮助大家更好地准备Redis相关的面试，我整理了一份详细的Redis学习资料。这份资料包含了Redis的基础概念、高级特性、最佳实践以及面试中常见的问题和答案。

想要获取这份资料吗？非常简单，只需关注我的公众号 阿巳杂谈，在后台回复 Redis，即可免费获取这份精心准备的Redis学习资料。这将是你面试准备过程中的一大助力，让你在面试中更加自信。

记住，机会总是留给有准备的人。希望我的分享能够帮助到你，也祝愿每一位正在求职的朋友们都能够顺利找到心仪的工作。如果你有任何问题或者想要交流更多关于Redis的话题，欢迎在评论区留言，我会及时回复大家的。

再次感谢大家的关注，我们下期再见！