Redis面试题

1.Redis执行效率为什么很快

1. redis执行完全基于内存，绝大部分请求是纯粹的内存操作，非常快速。数据存在内存中，类似于HashMap，HashMap的优势就是查找和操作的时间复杂度都是O(1);
2. redis数据结构简单，对数据的操作也简单，Redis中的数据结构是专门进行设计的；
3. 采用单线程，避免了不必要的上下文切换和竞争条件，也不存在多进程或多线程导致的切换而消耗CPU，不用去考虑各种锁的问题，不存在枷锁释放锁的操作，没有因为可能出现死锁而导致的性能消耗；
4. 使用多路I/O复用模型，非阻塞IO;
5. 使用底层模型不同，它们之间底层实现方式以及客户端之间的通信的应用协议不一样，redis直接自己构建了VM机制，因为一般的系统调用系统函数的话，会浪费一定的时间去移动和请求；

2.Redis有哪些数据类型，分别有什么特点

Redis目前支持5中数据类型，分别是：

String字符串

1. 说明：String是简单的key-value键值对，value不仅可以是String，可以是数字
2. 使用场景：String是最常用的一种数据类型，普通的key/value存储都可以归为此类；

List列表

1. 说明：Redis列表是简单的字符串列表，简单的说就是一个链表或者一个队列。可以从头部或者尾部想redis列表添加元素。Redis -list的实现为一个双向链表，既可以支持返乡查询和便利，更方便操作，不过带来了部分额外的内存开销，redis内部的很多实现，包括发送缓冲队列等也是使用的这个数据结构；
2. 使用场景：比如twitter的关注列表、粉丝列表等都可以用Redis的结构来实现，再比如有的应用使用Redis的list类型实现一个简单的轻量级消息队列，生存着push，消费者pop/bpop；

Hash字典

1. 说明：类似C#中dedict类型或者C++中的hash_map类型
2. 使用场景：假设有多个用户及对应的用户信息，可以用来存储以用户ID为key，将用户信息序列化为比如json格式做为value进行保存；

Set集合

1. 说明：可以理解为一堆值不重复的列表，类似数学领域中的集合概念，且Redis也提供了针对集合的求交集、并集、差集等操作；Set的内部实现是一个value永远为null的HashMap，实际就是通过计算hash的方式来快速排查的，这也是set能提供判断一个成功是否在集合内的原因；
2. 使用场景：对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list不能提供的。又或者在微博应用中，每个用户关注的人存在一个集合中，就很容易实现求两个人共同好友的功能；

ZSet（sorted Set）有序集合

1. 说明：Redis有序集合类似Redis集合， 不同的事增加了一个功能，及集合事有序的，一个有序集合的每个成员带有分数，用于进行排序；
2. 使用场景：与set类似，区别是set不是自动有序的，而zset可通过用户额外提供一个优先级（score）的参数来为成员排序，并且是插入有序的，即自动排序。你需要一个有序并且不重复的集合列表，那么可以选择zset的数据结构，比如twitter的public timeline可以以发表时间作为score来存储，这样获取时就是自动按时间排好序的。又比如用户的积分排行榜需求就可以通过有序集合实现。还有上面介绍的使用list实现轻量级的消息队列，其实也可以通过zset实现优先级或按权重排序。

3.Redis的持久化原理

什么是持久化

Redis是一种内存的数据库，将数据保存在内存中，一旦进程退出，redis的数据就会丢失。为了解决这个问题，redis提供了RDB和AOF两种持久化方案，将内存中的数据保存到磁盘中，避免数据丢失；

持久化方式RDB和AOF的底层原理

Redis提供了不同级别的持久化方式：RDB(默认)和AOF

RDB 持久化方式能够在指定的时间间隔对数据进行快照（snapshotting）存储，将内存中的数据不断写入二进制文件中，默认文件dump.rdb，可配置Redis在n妙内如果超过m个key被修改就自动保存快照（性能高，但可能会出现数据丢失）；
例：

1. Save 900 1#900妙内如果超过1个key被修改，则发起快照保存
2. Save 300 10#300秒内如果超过10个key被修改，则发起快照保存

RDB持久化只会周期性的保存数据，在未触发下一次存储时服务宕机，就会丢失增量数据。当数据较大的情况下，fork子进程这个操作很消耗cpu，可能会发生长达秒级别的阻塞情况；

SAVE是阻塞式持久化，执行命令时，redis主进程把内存写入到RDB文件中直到创建完毕，期间redis不能处理任何命令；

BGSAVE属于非阻塞式持久化，创建一个子进程把内存中数据写入RDB文件里同时主进程处理命令请求；

如图展示了RDB使用save 或者 bgsave 进行fork子进程进行持久化的流程：

AOF 持久化方式记录每次对服务器写的操作，当服务器重启的时候回重新执行这些命令来恢复原始的数据，AOF命令以redis协议追加保存每次写的操作到文件末尾，redis还能对AOF文件进行后台重写，是的AOF文件的体积不至于过大。类似于于Mysql的日志方式，记录每次更新的日志。性能低，旦数据完整；

当开始AOF后，服务端每执行一次写操作就会把该条命令追加到一个单独的AOF缓冲区的末尾，然后把AOF缓冲区的内容写入AOF的文件里，由于磁盘缓冲区的存在，写入AOF文件只会，并不代表数据已经落盘了，而何时进行文件同步则是根据appendfsync来进行配置：

appendfsync选项：always、everysec和no：

1. always：服务器在每执行一个世界就把AOF缓冲区的内容强制性的写入硬盘上的AOF文件里，保证数据持久化的完整性，效率最慢，但最安全；
2. everysec：服务端每隔一秒才会进行一次文件同步，把内存缓冲区里的AOF缓存数据真正写入AOF文件里，兼顾了效率和完整性，极端情况服务器宕机的情况下只会丢失一秒内对redis数据库的写操作；
3. no：表示默认系统的缓存区写入磁盘的机制，不做程序强制，数据安全性和完整性差一些；

RDB和AOF的优缺点和使用场景

RDB优点

• RDB是一个非常紧凑的文件，它保存了某个时间点的数据集，非常适用于数据集的备份，比如你可以再每小时保存一个过去24小时内的数据，同时每天保存过去30天的数据，这样即使出了问题，也可以根据需求恢复到不同版本的数据集；
• RDB是一个紧凑的单一文件，很方便传送到另一个远端数据中心或者亚马逊的S3(可能加密)，非常适用于灾难恢复；
• RDB在保存RDB文件时，父进程唯一需要做的就是fork出一个子进程，接下来的工作全部由子进程来做，父进程不需要再做其
  他IO操作，所以RDB持久化方是可以最大化redis的性能
• 与AOF相比，在恢复大的数据集的时候，RDB方式会快一些；

RDB缺点

• RDB数据安全性是不如AOF的，保存整个数据集的过程是比较繁重的，根据配置可能需要几分钟才能快照一次，如果服务器宕机，那么就可能丢失几分钟的数据；
• redis数据集较大时，fork的子进程要完成快照会比较耗CPU、耗时；

AOF优点

• 使用AOF会使redis更加耐久：可以使用不同的appendfsync策略，always、everysec、no。使用默认的everysec策略，redis的性能依然很好（fsync是由后台线程进行处理的，主线程会尽力处理客户端请求），一旦出现故障，最多丢失1秒的数据（由于os会在内核中缓存write做的修改，所以可能不是立即写到磁盘上），这样AOF的持久化也还是可能会丢失一部分数据。可以通过配置文件告诉redis我们想要通过fsync函数强制os写入磁盘的时机；
• AOF文件是一个只进行追加的日志文件，所以不需要写入seek，即使由于某些原因（磁盘空间已满，写入的过程中宕机等）未执行完整的写入命令，也可以使用redis-check-aof工具修复这些问题
• redis可以在AOF文件体积变得过大时，通过命令bgrewriteaof自动地在后台对AOF进行重写，重写后的新AOF文件包含了恢复当前数据集所需的最小命令集合。整个重写操作是绝对安全的，因为redis在创建新的AOF文件的过程中，会继续将命令追加到现有AOF的文件里面，即会从就AOF文件切换到新AOF文件中，并开始对新AOF文件进行追加操作。
• redis-AOF的日志重写流程
• 
• AOF文件有序地保存了对数据库执行的所有写入操作，这些写入操作以redis协议的格式保存，因为AOF文件的内容非常容易被人读懂，对文件进行分析（parse）也很轻松。导出（export）AOF文件也非常简单。举个例子：如果不小心执行了FLUSHALL命令，但只要AOF文件未被重写，那么只要停止服务器，移除AOF文件末尾的FLUSHALL命令，并重启redis，就可以将数据将恢复到FLUSHALL执行之前的状态；

AOF缺点

• 对于相同的数据集来说，AOF文件的体积通常要大于RDB文件的体积；
• 根据所使用的的fsync策略，AOF的速度可能会慢于RDB。在一般情况下，每秒fsync的性能依然非常高，而关闭fsync可以让AOF的速度和RDB一样快，即使在高负荷之下也是如此。不过在处理巨大的写入载入时，RDB可以提供更有保证的最大延迟时间（latency）；

如何选择RDB和AOF

• 如果是数据不那么敏感，且可以从其他地方重新生成不回的，那么就可以关闭持久化；
• 如果是数据比较重要，不想再从其他地方获取，且可以承受数分钟的数据丢失，比如缓存等，那么可以只使用RDB；
• 如果是用做内存数据库，要是用Redis的持久化，建议是RDB和AOF都开启，或者定期执行bgSave做快照备份，RDB方式更加适合做数据的备份，AOF可以保证数据的不丢失；

RDB和AOF在数据恢复时的优先级

数据恢复时，AOF有限与RDB，因为AOF的同步频率相对较高，可靠性高；

4.缓存雪崩，缓存击穿，缓存穿透现象及解决方案

缓存雪崩

• 原因：同一时间缓存大面积失效，就像没有缓存一样，所有请求直接打到数据库。
• 影响：影响轻则查询变慢，重则当请求并发更高时，出现大面积服务不可用；
• 案例：电商首页缓存，如果首页的key全部在某一时刻失效，刚好在那一时刻有秒杀活动，那这样的话，所有请求就打到了DB。并发大的情况下，DB必然扛不住，导致服务不可用；
• 解决方案：批量忘redis存数据的时候，把每个key的失效时间加上一个随机数，这样的话，就能保证数据不会再同一个时间大面积失效；

缓存穿透

• 原因与影响：用户不断发起请求的数据，在缓存和DB中都没有，比如DB中的用户ID是自增的，但是用户请求传入了不存在的用户ID，这时候用户很有可能就是一个攻击者，这样的攻击会导致DB的压力过大，严重的话就是把DB搞挂了。因为每次都绕开了缓存直接查询DB；
• 解决方案：

1. 在接口层增加校验，不合法的参数直接返回。
2. 在缓存与DB都查询不到的数据，可以将对应key的value写为null，或者其他的特殊值写入缓存，同时将过期失效时间设置短一点，以免影响正常情况；
3. 可以在网关NG做一个配置项，为每个IP设置访问阀值；
4. 高级用户布隆过滤器（Bloom Fiter)，这个也能很好的防止缓存穿透。原理就是利用高效的数据结构与算法快速判断出你这个key是否在DB中存在，不存在直接return，存在就去查DB刷新key-value在return；

缓存击穿

• 原因与影响：跟雪崩类似，但稍有区别。雪崩是因为大面积缓存失效，请求全打到DB。而击穿是指一个KEY是热点，不停地抗住大小请求，全都集中访问此KEY，而当此key过期瞬间，持续的大并发请求就击穿缓存，全都打在DB上，就又引起雪崩的问题；

缓存高可用方案

缓存雪崩、穿透、击穿是缓存最大的问题，要么不出现，一旦出现就是致命性的问题；一般避免以上情况发生我们从三个时间段去分析一下：

1. 事前：redis高可用，主从+哨兵，redis cluster，避免全盘崩溃；
2. 事中：本地ehchache缓存+Hystrix限流+降级，避免Mysql被打死；
3. 事后：redis持久化RDB+AOF，一旦重启，自动从磁盘上加载数据，快速恢复缓存数据；

Redis的过期策略和内存淘汰策略

Redis-key过期删除策略

redis在设置一个key之后，可以指定这个key的过期时间，到了过期时间就会被立即删除吗？redis是如何删除这些过期Key的呢？
—Redis是使用定期删除+惰性删除两者配合的过期策略；

- 定期删除：值得是redis默认每100ms就随机抽取一些设置了过期时间的key，检查这些key是否过期，若过期就将其删掉。过期扫描不会遍历过期字典中所有的key，而是采用了一种简单的贪心策略
1. 从过期的字段中随机抽选20个key；
2. 删除这20个key中已经过期的key；
3. 如果过期的key比率超过1/4，那就重复步骤1；
同时，为了保证过期扫描不会出现循环过度，导致线程卡死现象，算法还增加了扫描时间上限，默认不会超过25ms；

- 惰性删除：惰性删除不再是redis去主动删除，而是在客户端要获取某个key时，redis会先去检查一下这个key是否已过期，若未过期，则返回给客户端，若过期则会删除这个key，不会返回给客户端；
所以惰性删除可以解决一些过期了，但是没被定期删除随机抽取到的key，但有些过期的key既没有被随机收取，也没有被客户端访问，就会一直保留在数据库，占用内存，长期下去可能会导致内存耗尽

所以redis提供了内存淘汰机制来解决这个问题；

内存淘汰策略

Redis在使用内存打到某个阀值（通过maxmemory配置）的时候，就会触发内存淘汰机制，选取一些key来删除。内存淘汰有许多策略，下面分别介绍这几种不同的策略：

• noeviction：当内存不足以容纳新写入的数据时，新写入的操作就会报错。默认策略
• allkeys-lru：当内存不足以容纳新写入的数据时，在键空间中，移除最近最少使用的key。这个是最常用的策略
• allkeys-random:当内存不足以容纳新写入的数据时，在键空间中，随机移除某个key
• volatile-lru：当内存不足以容易新写入的数据时，在设置了过期时间得键空间中，移除最近最少使用的key
• volatile-random：当内存不足以容易新写入的数据时，在设置了过期时间的键空间中，随机移除某个key；
• volatile-ttl：当内存不足以容纳新写入的数据时，在设置了过期时间得键空间中，有更早过期时间的key优先移除；

如何选取适合的策略

比较推荐的事两种lru。根据自己的业务需求，如果使用redis只是作为缓存，不作为DB持久化，那推荐选择allkeys-lru；如果使用redis同时用于缓存和数据持久化，那推荐volatile-lru

缓存淘汰算法：LRU和LFU的区别

LRU 时间维度：最近最少使用页面置换算法（Least Recently Used）,也就是优先淘汰最长时间未被使用的页面；
LFU 计量维度：最近最不常用页面置换算法（Least Frequently Used），也就是淘汰一定时间内被访问次数最少的页面；

Redis集群方案

Redis主从复制是什么及其作用

• redis的主从复制功能是支持多个数据库直接的数据同步。一类是主数据库（master），一类是从数据库（Slave）主数据库可以进行读写操作，当发生写操作的时候，自动将数据同步到从数据库，而从数据库一般是只读，并接受主数据库同步过来的数据，一个主数据库可以有多个从数据库，而一个从数据库只能有一个主数据库；
• 通过redis的复制功能可以很好的实现数据库的读写分离，提高服务器的负载能力。主数据库主要进行写操作，而从数据库负责读操作；

主从复制的作用：

• 数据冗余，实现数据的热备份
• 故障恢复，避免单点故障带来的服务不可用
• 读写分离，负载均衡。主节点符合读写，从节点负责读，提高服务并发量
• 高可用基础，是哨兵机制和集群实现的基础

Redis主从复制过程及原理

主从复制过程：

• 当一个从数据库启动时，会向主数据库发送sync命令；
• 主数据库接收到sync命令后，会开始在后台保存快照（执行RDB操作），并将保存期间接受到的命令缓存起来-RDB-BGSAVE非阻塞式持久化
• 当快照完成后，redis会将快照文件和所以缓存命令发送给从数据库
• 从数据库收到后，会载入快照文件并执行收到的缓存的命令；
  

三主三从的集群使用多少台机器部署比较好？

土豪型：使用6台机器，每台部署一个Redis节点
经济型：使用3台机器，每台机器部署2个Redis节点，主从混部，即：同一组朱从节点，分布在不同的服务器，从而保证高可用；

Redis Sentinel哨兵机制

Redis sentinel是redis的高可用的实现方案，它是一个管理多个redis的实例工具。
Redis sentinel的主要功能包括：主节点存活检测、主从运行情况检测、自动故障转移（failover）、主从切换。Redis的sentinel最小配置是一主一从。
Redis的Sentinel系统可以用来管理多个redis服务器，该系统可以执行以下四个任务：

• 监控：Sentinel会不断检查主服务器和从服务器是否正常运行；
• 通知：当被监控的某个redis服务器出现问题，Sentinel通过API脚本像管理员或者其他的应用程序发送通知；
• 自动故障转移：当主节点不能正常工作时，Sentinel会开始一次自动的故障转移操作，它会将与失效主节点对应的【主从关系】中的其中一个从节点升级为新的主节点，并且将其他的从节点指向新的主节点；
• 配置提供者：在Redis sentinel模式下，客户端应用在初始化时连接的是Dentinel节点集合，从中获取主节点的信息；
  

Redis 哨兵机制如何实现故障的自动转移？

sentinel集群通过主观下线和客观下线判断redis节点是否失效。默认情况下，每个sentinel节点会以每秒一次的频率对redis节点和其他的Sentinel节点发送PING命令，并通过节点的回复来判断节点是否在线。

• 主观下线：主观下线适用于所有主节点和从节点，如果在down-after-miliseconds毫秒内，Sentinel没有收到目标节点的有效回复，则会判定该节点为主观下线；
• 客观下线：客观下线只适用于主节点，如果主节点出现故障，Sentinel节点会通过sentinel is-master-down-by-addr命令，向其它Sentinel节点询问对该节点的状态判断。如果超过个数的节点判定主节点不可达，则Sentinel节点会判断主节点为客观下线。
  当判断某个Redis节点是客观下线后，Sentinel会把master转移到另外的slave节点，让它充当新的master接受请求，从而 保证高可用性；

Redis性能优化

Redis常见性能问题和解决方案

• Master写内存快照，save命令调度rdbSave函数，会阻塞主线程工作，当快照比较大时，对性能影响是非常大的，会间断性暂停服务，所以Master最好不要写内存快照；
• Master-AOF持久化，如果不重写AOF文件，这个持久化方式对性能的影响是最小的，但是AOF文件会不断增大，AOF文件过大会影响Master重启的恢复速度。Master最好不要做任何持久化工作，包括内存快照（RDB）和AOF日志文件，特别是不要启用内存快照做持久化。如果数据比较关键，某个Slave开启AOF数据备份，策略为每秒同步一次；
• Master调用BGREWRITEAOF重写AOF文件，AOF在重写的时候回占大量的CPU和内存资源，导致服务load过高，出现短暂服务暂停现象；
• 为了主从复制的速度和连接的稳定性，Master和Slave最好在同一个局域网内，尽量避免在压力很大的主库上增加从库
• 主从复制不要使用图状结构，用单向链表结构更为稳定，即：Master <- Slave1 <- Slave2 <- Slave3…