Redis面试题整理（二）Redis的线程模型，如何保证Redis中存的是热点数据，数据库和缓存的数据不一致问题

9、Redis的线程模型

Redis内部使用文件事件处理器file event handler，这个文件事件处理器是单线程的，所以Redis才叫单线程的模型。采用IO多路复用机制同时监听多个Socket，根据Socket上的事件来选择对应的事件处理器进行处理。

文件事件处理器的结构包含四个部分：

1. 多个Socket
2. IO多路复用程序
3. 文件事件分派器
4. 事件处理器（连接应答处理器、命令请求处理器、命令回复处理器）

多个Socket可能会并发的产生不同的操作，因为一个服务器可能会连接多个Socket，每个操作对应的不同的文件事件，但是IO多路复用程序会监听多个Socket，会将Socket产生的时间放入队列中排队，·时间分派器每次从队列中取出一个事件，把该事件交给对应的事件处理器进行处理。

10、布隆过滤器的原理

如何在海量的 元素（十亿无序不定长，不重复）中快速判断一个元素存在？

使用传统的数据结构肯定是不行的，为了解决这种问题，引入了位图，它是一个有序的数组，只有0（不存在）、1（存在）。

原理：当一个元素被加入到集合中时，通过k个hash函数将这个元素映射为一个对数组中的k个点，并将他们设置为1，检索时，根据同样的Hash函数查看这些点是否为1，如果这些点中，有任何一个为0，则说明该元素一定不存在，如果都是1，就很可能存在，因为使用Hash函数会产生冲突，查找的点可能是其他元素通过Hash修改的。

可以使用Guava提供的相关类库。

11、Redis和MySQL数据不一致怎么解决？

在高并发场景下，因为数据库时用户并发访问的薄弱地方，因此需要使用缓存来做一个缓冲的作用，请求先到达Redis，而读取数据一般没有什么问题，当涉及到数据更新时，就会出现数据库和缓存之间的数据不一致问题。

为了考虑一致性问题，可以考虑更新数据库和缓存或者更新数据库删除缓存。

这两种方式在并发场景下都会出现问题。

为了解决数据不一致问题本质是通过 重试的方式。

解决方案

延时双删：在写库前后都将缓存中的key删除(redis.delKey(key))，并设设定合理的超时时间。

public void write(String key,Object data){
    redis.delKey(key);
    db.updateData(data);
    Thread.sleep(500);
    redis.delKey(key);
}

先删除缓存，在更新数据库，休眠一定的时间，再次删除缓存。

这个休眠一定的时间是根据自己项目的读数据业务逻辑的耗时，以及Redis和数据库的主从同步的耗时来设定的。

休眠是为了保证数据库更新成功，再删除缓存，说到底还是为了保证数据一致性。

缺点:增加了写请求的耗时，在分布式和高并发场景下很难评估具体的延迟时间。

异步重试：把重试请求写到消息队列中，有专门的消费者来重试，直到成功，或者直接把操作缓存这一步放在消息队列中，有消费者来操作缓存。因为消息队列可以保证可靠性以及消息可以成功传递。

具体步骤就是当有数据变更时，更新数据库，同时将消息存入消息队列中有消费者来操作缓存。

订阅数据库变更日志，在操作缓存：在修改数据时，只需要修改数据库，不操作缓存，因为当数据库更新成功后，一定会有binlog日志，然后订阅这个日志，拿到对应的数据，来删除对应的缓存。在订阅变更日志这块，阿里有开元的中间件canal，canal会自动把数据库变更日志投递给下面的消息队列。

12、如何保证Redis中存的数据都是热点数据？

因为Redis本身有一个内存淘汰策略，在Redis内存数据到一定大小后就会施行内存淘汰策略，可以设置Redis的内存淘汰策略为allkeys-lru，或者allkeys-random淘汰策略等。

13、Redis里面有1亿个key，其中有10w个key是以某个固定的已知的前缀开头的，如何将它们全部找出来？

使用keys指令扫描出指定模式的key列表：keys pre*。但是这个指令会阻塞，因为Redis是单线程的，如果Redis正在线上提供服务，线上服务就会停顿，这时可以使用scan指令，它可以无阻塞的提取出key列表，但有一定的重复概率。