01-Redis 面试题

目录

1.redis使用的场景、如果发生了缓存穿透？

2.什么是缓存击穿？

3.什么是缓存雪崩？

4.redis 作为缓存，mysql的数据如何与redis进行同步？（双写一致性）

5.redis做为缓存，数据的持久化是怎么做的？

6.数据的过期（删除）策略

7.数据的淘汰策略

8.分布式锁使用场景

9.分布式锁实现原理 

 10.主从复制、主从同步流程

11. 哨兵模式

12.分片集群结构

13.redis 是单线程的为啥那么快？

---

redis 使用场景

• 缓存（穿透、击穿、雪崩，双写一直，持久化，数据过期，淘汰策略）
• 分布式锁（setnx，redisson） 
• 计数器（incr 命令实现）
• 保存token（string）
• 消息队列（list）
• 延迟队列（zset）

其它

• 集群（主从、哨兵、集群）
• 事务
• redis 为什么这么快？

1.redis使用的场景、如果发生了缓存穿透？

我看你做的项目中，都用到了redis，你在最近的项目中哪些场景使用了redis呢？

结合项目

• 一是验证你的项目场景的真实性，二是为了作为深入发问的切入点
• 缓存 （缓存三兄弟（穿透、击穿、雪崩）、双写一致、持久化、数据过期策略、数据淘汰策略）
• 分布式锁 （setnx、redisson）
• 消息队列、延迟队列 （何种数据类型）

什么是缓存穿透？

例：
一个get请求：api/news/getById/1

缓存穿透：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，就会导致每次请求都查数据库（导致数据库并发并不高，请求到达一定量会击垮数据库）

解决方案一：缓存空数据，如果mysql查询的数据结果为空，仍把这个空结果进行缓存（如查询key为1的null 数据，则在redis中缓存{key:1, value:null}）
优点：简单
缺点：消耗内存，可能会发生数据不一致的问题

为什么会发生数据不一致问题？

比如一开始数据库中没有key=1的数据，redis缓存空数据（key:1,value:null），后面往数据库中添加key=1的数据时，用户过来查询还是查到了redis 的空数据，由此产生redis和数据库数据不一致的问题。

例：
一个get请求：api/news/getById/1

缓存预热：一些热点数据添加到缓存数据库同时，也要添加到布隆过滤器中

解决方案二：布隆过滤器

优点：没有多余key，所以内存占用较少
缺点：实现复杂，存在误判

布隆过滤器

bitmap（位图）：相当于是一个以（bit）位为单位的数组，数组中每个单元只能存储二进制数0或1
布隆过滤器作用：布隆过滤器可以用于检索一个元素是否在一个集合中。

基本概念
1. bit(位，又名“比特”)：bit的缩写是b，是计算机中的最小教据单位(属于二进制的范畴，其实就是0或者1)
2.Bvte(字节)：Byte的缩写是B，是计算机文件大小的基本计算单位，比如一个字符就是 1Byte 如果是汉字，则是2 Byte，1B(字节)=8b(位)

为什么存在误判？

假设id=1的数据，通过多个hash函数，获取多个hash值，假如这个值分别为1、3、7，需要把对应数组上由0改为1，假设id=2的数据按照上面方法也获取多个hash值，分别为9、12、14，也把对应的数组上的0改为1。现在查询id=3，通过多个hash函数计算，值为3、9、12，虽然数组中没有id=3的数据，但还是返回查询成功，这个就是误判。降低误判需要增大数组，增大数组的长度会增大内存的消耗，一般项目内设置5%的误判率，不至于高并发压倒数据库。

Redis的使用场景

• 根据自己简历上的业务进行回答
• 缓存 （穿透、击穿、雪崩、双写一致、持久化、数据过期、淘汰策略）
• 分布式锁（setnx、 redisson）

什么是缓存穿透，怎么解决

• 缓存穿透：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，就会导致每次请求都查数据库
• 解决方案一：缓存空数据
• 解决方案二：布隆过滤器

面试参考回答：

面试官：什么是缓存穿透 ? 怎么解决 ?

候选人：

嗯~~，我想一下

缓存穿透是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。这种情况大概率是遭到了攻击。

解决方案的话，我们通常都会用布隆过滤器来解决它

面试官：好的，你能介绍一下布隆过滤器吗？

候选人：

嗯，是这样~

布隆过滤器主要是用于检索一个元素是否在一个集合中。我们当时使用的是redisson实现的布隆过滤器。

它的底层主要是先去初始化一个比较大数组，里面存放的二进制0或1。在一开始都是0，当一个key来了之后经过3次hash计算，模于数组长度找到数据的下标然后把数组中原来的0改为1，这样的话，三个数组的位置就能标明一个key的存在。查找的过程也是一样的。

当然是有缺点的，布隆过滤器有可能会产生一定的误判，我们一般可以设置这个误判率，大概不会超过5%，其实这个误判是必然存在的，要不就得增加数组的长度，5%以内的误判率一般的项目也能接受，不至于高并发下压倒数据库。

2.什么是缓存击穿？

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，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

假如缓存重建的过程中花费50毫秒，为什么需要花费50毫秒？

有的时候存入缓存中的数据需要涉及多张表，多张表需要先分头统计后汇总结果，这样花费时间会更久

解决方案一：互斥锁
解决方案二：逻辑过期

什么是互斥锁？

缺点：只能有一个线程获取锁，其它线程只能等待，性能相对来说比较低
优点：强一致性（和钱相关的需要保持强一致）

什么是逻辑过期？

热点key不在缓存中设置过期时间，如何判断当前数据是否过期？新增数据到缓存的时候，新增一个过期的时间字段

优点：高可用、性能优（注重用户体验，互联网一般选择高可用）
缺点：不能保证数据的绝对一致

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
• 解决方案一:互斥锁，强一致，性能差
• 解决方案二:逻辑过期，高可用，性能优，不能保证数据绝对一致

面试参考回答：

面试官：什么是缓存击穿 ? 怎么解决 ?

候选人：

嗯！！

缓存击穿的意思是对于设置了过期时间的key，key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。

解决方案有两种方式：

第一可以使用互斥锁：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

第二种方案可以设置当前key逻辑过期，大概是思路如下：

①：在设置key的时候，设置一个过期时间字段一块存入缓存中，不给当前key设置过期时间

②：当查询的时候，从redis取出数据后判断时间是否过期

③：如果过期则开通另外一个线程进行数据同步，当前线程正常返回数据，这个数据不是最新

当然两种方案各有利弊：

如果选择数据的强一致性，建议使用分布式锁的方案，性能上可能没那么高，锁需要等，也有可能产生死锁的问题

如果选择key的逻辑删除，则优先考虑的高可用性，性能比较高，但是数据同步这块做不到强一致。

3.什么是缓存雪崩？

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：

1. 给不同的Key的TTL（过期时间）添加随机值（在原有过期时间上添加随机值1-5分钟），这样每个缓存的过期时间重复率会降低，很难引起集体失效
2. 对redis服务宕机造成缓存雪崩，利用Redis集群提高服务的可用性（解决方案是哨兵模式、集群模式）
3. 给缓存业务添加降级限流策略（ngxin或spring cloud gateway，降级可做为系统的保底策略，适用于穿透、击穿、雪崩）
4. 给业务添加多级缓存（Guava或Caffeine，作为一级缓存）

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：

1. 给不同的Key的TTL添加随机值
2. 利用Redis集群提高服务的可用性
3. 给缓存业务添加降级限流策略
4. 给业务添加多级缓存

面试参考回答：

面试官：什么是缓存雪崩 ? 怎么解决 ?

候选人：

嗯！！

缓存雪崩意思是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。

解决方案主要是可以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。

4.redis 作为缓存，mysql的数据如何与redis进行同步？（双写一致性）

一定、一定、一定要设置前提，先介绍自己的业务背景，有两种方案：

1. 一致性要求高
2. 允许延迟一致

双写一致性

当修改了数据库中的数据也要同时更新缓存中的数据，缓存和数据库中的数据要保持一致

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
写操作：延迟双删

缺点： 

1. 有脏数据风险
2. 代码耦合性高

1.先删除缓存，还是先修改数据库？（都会导致脏数据的出现）
2.为什么要删除两次缓存？
3.为什么要延迟删除？

为什么要删除两次缓存？为什么要延迟双删？

1.事务1进行数据库写入，当有其他事务2在A时间段内进行查询操作时，因为这时候数据库还没写入，这时候事务2读到的是旧数据。

2.如果事务1在写入数据库后直接进行redis的删除，这时候事务2在事务1最后删除redis后更新了redis，那么这样就导致了数据不一致。以后每次读取时读到的都是脏数据直到redis过期。

延时多长时间不好控制，在延时的过程中，依然会出现脏数据。延迟双删极大的控制了脏数据的风险，也会有脏数据出现， 做不到绝地的强一致性。

先删除缓存，后操作数据库

1、如果先删除Redis缓存数据，然而还没有来得及写入MySQL，另一个线程就来读取
2、这个时候发现缓存为空，则去Mysql数据库中读取旧数据写入缓存，此时缓存中为脏数据。
3、然后数据库更新后发现Redis和Mysql出现了数据不一致的问题

先操作数据库 ，后删除缓存

1、如果先写了库，然后再删除缓存，不幸的写库的线程挂了，导致了缓存没有删除
2、这个时候就会直接读取旧缓存，最终也导致了数据不一致情况
3、因为写和读是并发的，没法保证顺序

方案1：分布式锁（强一致性）
优点：强一致性
缺点：性能不高

优化：

一般放入缓存中的数据都是读多写少
共享锁：也叫读锁readLock，加锁之后，其他线程可以共享读操作，不能写
排他锁：也叫独占锁writeLock，加锁之后，阻塞其他线程读写操作 

读锁 

 写锁

方案2：异步通知（允许短暂的不一致性）

优点：强一致
缺点：性能低

异步通知保证数据的最终一致性

基于Canal的异步通知

代码零侵入

二进制日志（BINLOG）记录了所有的 DDL（数据定义语言）语句和 DML（数据操纵语言）语句，但不包括数据查询（SELECT、SHOW）语句。

redis做为缓存，mysql的数据如何与redis进行同步呢?(双写一致性)

1. 介绍自己简历上的业务，我们当时是把文章的热点数据存入到了缓存中，虽然是热点数据，但是实时要求性并没有那么高，所以，我们当时采用的是异步的方案同步的数据
2. 我们当时是把抢券的库存存入到了缓存中，这个需要实时的进行数据同步，为了保证数据的强一致,我们当时采用的是redisson提供的读写锁来保证数据的同步

那你来介绍一下异步的方案(你来介绍一下redisson读写锁的这种方案）

• 允许延时一致的业务，采用异步通知

1. 使用MQ中间中间件，更新数据之后，通知缓存更新
2. 利用canal中间件，不需要修改业务代码，伪装为mysql 的一个从节点，canal通过读取binlog数据更新缓存

• 强一致性的，采用Redisson提供的读写锁

1. 共享锁：读锁readLock，加锁之后，其他线程可以共享读操作
2. 公排他锁：独占锁writeLock，加锁之后，