Mr. Cappuccino的第26杯咖啡——金三银四面试题之Redis篇

1. 谈谈Redis的应用场景？

1. Token令牌的生成；
2. 短信验证码Code；
3. 缓存查询数据；
4. 网页计数器；
5. 分布式锁；
6. 延迟操作；

2. Redis为什么这么快？

纯内存操作；
单线程操作，避免了频繁的上下文切换；
采用了非阻塞 I/O 多路复用机制；
基于跳跃表进行数据的增删改，效率非常高；

3. Redis为什么能够抗高并发？

Redis底层采用NIO中的多路IO复用机制，能够非常好的支持高并发，从而保证线程安全问题；Redis单线程，也就是底层采用一个线程维护多个不同的客户端的IO操作。但是NIO在不同的操作系统上实现方式有所不同，在windows操作系统使用select实现轮训，时间复杂度是为o(n)，而且还存在空轮训的情况，效率非常低，其次是默认对轮训的数据有一定限制，所以支持上万的TCP连接非常难。在Linux操作系统采用epoll实现事件驱动回调，不会存在空轮训的情况，只对活跃的socket连接实现主动回调，这样在性能上有大大的提升，时间复杂度为o(1)。

4. Redis中有哪些数据结构？

String（最大容量512MB）、List、Hash、Set、Sorted Set。

5. 全量同步和增量同步有什么区别？

全量同步：就是每天定时（避开高峰期）或者采用一个周期实现将数据拷贝到一个地方也就是RDB存储。
增量同步：比如采用对行为的操作实现对数据的同步，也就是AOF。
全量与增量的比较：增量同步比全量同步更加消耗服务器的内存，但是能够更加的保证数据的同步。

6. RDB与AOF实现持久化的区别？

Redis提供了两种持久化的机制，分别为RDB、AOF实现，RDB采用定时（全量）持久化机制，但是服务器因为某种原因宕机后可能数据会丢失，AOF是基于数据日志操作实现的持久化，所以AOF采用增量同步的方案。

7. 如何解决MySQL和Redis的数据一致性问题？

方式1：直接清除Redis的缓存，重新读取数据库即可；
方式2：使用mq异步订阅mysql的binlog文件，实现增量同步；
方式3：使用alibaba的canal；

8. Redis的内存淘汰策略有哪些？

noeviction：当内存使用达到阈值的时候，所有引起申请内存的命令会报错。
allkeys-lru：在主键空间中，优先移除最近未使用的key。(推荐)
volatile-lru：在设置了过期时间的键空间中，优先移除最近未使用的key。
allkeys-random：在主键空间中，随机移除某个key。
volatile-random：在设置了过期时间的键空间中，随机移除某个key。
volatile-ttl：在设置了过期时间的键空间中，具有更早过期时间的key优先移除。

9. 谈谈Redis的事务操作？

开启事务，提交事务，取消事务（Redis中没有回滚事务）。

10. 谈谈Redis的主从复制？

单个Redis如果因为某种原因宕机的话，可能会导致Redis服务不可用，可以使用主从复制实现一主多从，主节点负责写的操作，从节点负责读的操作，主节点会定期将数据同步到从节点中，保证数据一致性的问题。该主从同步方式存在如果从节点非常多的话，会导致对主节点同步多个从节点压力非常大，可以采用树状类型解决该问题。

主从复制数据同步的过程

1. Redis从节点向主节点建立socket连接
2. Redis采用全量或者增量的形式将数据同步给从节点
   

11. Redis主从复制有什么缺点？

如果主节点存在了问题，整个Redis环境是不可以实现写的操作，需要人工更改配置变为主操作
如何解决该问题：使用哨兵机制可以帮助解决Redis集群主从选举策略。

12. 谈谈Redis的哨兵机制？

Redis的哨兵机制就是解决主从复制存在缺陷（选举问题），解决问题保证我们的Redis高可用，实现自动化故障发现与故障转移。
哨兵机制原理

1. 哨兵机制每个10s时间只需要配置监听主节点就可以获取当前整个Redis集群的环境列表，采用info 命令形式。
2. 哨兵不建议是单机的，最好每个Redis节点都需要配置哨兵监听。
3. 哨兵集群原理是如何：多个哨兵都执行同一个主的master节点，订阅到相同都通道，有新的哨兵加入都会向通道中发送自己服务的信息，该通道的订阅者可以发现新哨兵的加入，随后相互建立长连接。
4. Master的故障发现 单个哨兵会向主的master节点发送ping的命令，如果master节点没有及时的响应，哨兵会认为该master节点为“主观不可用状态”会发送给其他都哨兵确认该Master节点是否不可用，当前确认的哨兵节点数>=quorum(可配置)，会实现重新选举。

13. 谈谈Redis Cluster集群？

传统Redis集群存在的问题：Redis哨兵集群模式，每个节点都保存全量同步数据，冗余的数据比较多；而在Redis Cluster模式中集群中采用分片集群模式，可以减少冗余数据，缺点就是构建该集群模式成本非常高。
Redis3.0开始官方推出了集群模式 RedisCluster，原理采用hash槽的概念，预先分配16384个卡槽，并且将该卡槽分配给具体服务的节点；通过key进行crc16（key）%16384 获取余数，余数就是对应的卡槽的位置，一个卡槽可以存放多个不同的key，从而将读或者写转发到该卡槽的服务的节点。 最大的优点：动态扩容、缩容。

14. 缓存穿透、缓存击穿、缓存雪崩有什么区别？

缓存穿透：缓存穿透是指使用不存在的key进行大量的高并发查询，导致缓存无法命中，每次请求都要都要穿透到后端数据库查询，使得数据库的压力非常大，甚至导致数据库服务压死；
解决方案：

1. 接口层实现api限流、用户授权、id检查等 黑名单和白名单；
2. 从缓存和数据库都取不到数据的话，一样将数据库空值放入缓存中，设置30s有效期避免使用同一个id对数据库攻击压力大；
3. 使用布隆过滤器

缓存击穿：在高并发的情况下，当一个缓存key过期时，因为访问该key请求较大，多个请求同时发现缓存过期，因此对多个请求同时数据库查询、同时向Redis写入缓存数据，这样会导致数据库的压力非常大；
解决方案：

1. 使用分布式锁
2. 保证在分布式情况下，使用分布式锁保证对于每个key同时只允许只有一个线程查询到后端服务，其他没有获取到锁的权限，只需要等待即可；这种高并发压力直接转移到分布式锁上，对分布式锁的压力非常大。
3. 使用本地锁，使用本地锁与分布式锁机制一样，只不过分布式锁适应于服务集群、本地锁仅限于单个服务使用。
4. 软过过期，设置热点数据永不过期或者异步延长过期时间；

缓存雪崩：缓存雪崩指缓存服务器重启或者大量的缓存集中在某个时间段失效，突然给数据库产生了巨大的压力，甚至击垮数据库的情况。
解决思路：对不用的数据使用不同的失效时间，加上随机数

15. 什么是布隆过滤器？

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

如果想判断一个元素是不是在一个集合里，一般想到的是将集合中所有元素保存起来，然后通过比较确定。链表、树、散列表（又叫哈希表，Hash table）等等数据结构都是这种思路。但是随着集合中元素的增加，我们需要的存储空间越来越大。同时检索速度也越来越慢，上述三种结构的检索时间复杂度分别为：O(n), O(log n), O(n/k)。

布隆过滤器的原理是，当一个元素被加入集合时，通过K个Hash函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，我们只要看看这些点是不是都是1就（大约）知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在。这就是布隆过滤器的基本思想。

布隆过滤器最大的问题：就是可能会存在一个误判的问题，如果向误判概率越低，则二进制数组会越大，同时也会非常占用空间。（布隆过滤器加强版–布谷鸟过滤器）