Redis-使用场景
1、缓存穿透
出现原因：
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。
- 缓存空数据
原理：缓存空数据，查询返回的数据为空，仍把这个空结果进行缓存
优点：简单
缺点: 消耗内存，可能会发生不一致的问题
- 布隆过滤器
原理：在进行缓存预热时，同时也会预热过滤器，当查询一个不存在的数据时，会经过过滤器查询是否存在，若不存在，则直接返回，不会去查询redis，也不会去查数据库。
布隆过滤器的过滤流程：
原理就是将请求元素进行(3次）多次哈希，记录哈希值为1的区域，下次查询会根据请求元素计算的哈希值位置都为1 来判断是否需要去查询redis。
误判情况：
误判率：数组越小误判率就越大，数组越大误判率就越小，但是同时带来了更多的内存消耗。
2、缓存击穿
出现原因：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
原理就是当线程一进来去redis查询数据时，数据过期了，这时候线程一就会加上一把互斥锁，别的线程进来获得锁失败只能休眠或者重试，当线程一进行缓存重建完成后，会释放锁，别的线程进来也可以查到数据了。
- 解决方案二：逻辑过期
原理就是：
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
3、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。
-
大量的缓存key同时失效
给不同的Key的TTL添加随机值 -
Redis服务宕机
4、双写一致
双写一致性：当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致。
- 延迟双删
延迟双删，如果是写操作，我们先把缓存中的数据删除，然后更新数据库，最后再延时删除缓存中的数据，其中这个延时多久不太好确定，在延时的过程中可能会出现脏数据，并不能保证强一致性，所以没有采用它。
参考链接：redis的延迟双删策略总结------作者：Hellboy_M
- 分布式锁
又分为共享锁和排他锁:
采用的是redisson实现的读写锁，在读的时候添加共享锁，可以保证读读不互斥，读写互斥。当我们更新数据的时候，添加排他锁，它是读写，读读都互斥，这样就能保证在写数据的同时是不会让其他线程读数据的，避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一把锁才行。
- 异步通知
- 基于Canal的异步通知
采用的阿里的canal组件实现数据同步：不需要更改业务代码，部署一个canal服务。canal服务把自己伪装成mysql的一个从节点，当mysql数据更新以后，canal会读取binlog数据，然后在通过canal的客户端获取到数据，更新缓存即可。
5、Redis持久化
- RDB（Redis数据备份文件）
把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据
RDB文件是一种紧凑、可压缩的
二进制文件，它包含了Redis的键值对数据、过期时间、数据类型等信息
RDB的执行原理？
执行流程：
- 主进程会fork一个子进程，同时也会将页表拷贝过去（类似拷贝）
- 这时主子进程的页表会同时指向物理内存，共享内存数据
- 子进程进行写新RDB文件操作，覆盖掉旧的文件
- 执行RDB持久化操作同时主进程在进行写的操作时，会拷贝一份数据再执行写操作，原本的数据会设置成只读，同时读的时候只会读拷贝后写完的数据副本。
RDB文件的加载：当Redis服务器启动时，它会检查是否存在RDB文件。如果存在，Redis会读取RDB文件，并将其中的数据加载到内存中进行恢复。
如果是通过
BGSAVE命令生成RDB文件，那么Redis会在子进程中完成这个过程，然后继续处理客户端请求。
如果是通过SAVE命令生成RDB文件，那么Redis会阻塞客户端请求，直到RDB操作完成才继续处理。
- AOF（追加文件）
Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件
存储的是Redis服务器接收到的写操作命令。它记录了所有的写操作命令，包括对不同类型数据的操作。
因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。
AOF的执行原理？
- 写入操作追加到AOF缓冲区：当客户端发送写操作到Redis服务器时，服务器会将该操作追加到AOF缓冲区中，而不是直接写入磁盘文件。AOF缓冲区是一个内存缓冲区，用于临时存储待持久化的写操作。
- AOF缓冲区数据写入AOF文件：Redis服务器使用文件事件处理器在合适的时机将AOF缓冲区中的数据写入到AOF文件中。写入操作可以通过多种方式触发，如定时、命令计数等。
- AOF文件重写（可选）：为了避免AOF文件过大，Redis支持对AOF文件进行重写。AOF重写是通过生成一份与当前数据集完全一致的新AOF文件来实现的，过程中会跳过不必要的写操作。重写过程不会阻塞客户端请求，并且生成的新AOF文件比旧文件更小，节省磁盘空间。
- AOF文件加载恢复数据：当Redis重启时，可以通过加载AOF文件来恢复数据。Redis会读取AOF文件中记录的写操作，并按照顺序重新执行这些写操作，以还原数据集状态。
RDB与AOF对比
6、数据过期策略
- 惰性删除
设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key
优点：对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查
缺点：对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放
- 定期删除
每隔一段时间，我们就对一些key进行检查，删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中的过期key)。
定期清理有两种模式：
SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms，以通过修改配置文件redis.conf 的hz 选项来调整这个次数
FAST模式执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms
优点：可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除，也能有效释放过期键占用的内存。
缺点：难以确定删除操作执行的时长和频率。
Redis的过期删除策略：惰性删除 + 定期删除两种策略进行配合使用
7、数据淘汰策略
当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。
Redis支持8种不同策略来选择要删除的key：
noeviction：不淘汰任何key，但是内存满时不允许写入新数据，默认就是这种策略。
volatile-ttl：对设置了TTL的key，比较key的剩余TTL值，TTL越小越先被淘汰
allkeys-random：对全体key ，随机进行淘汰。
volatile-random：对设置了TTL的key ，随机进行淘汰。
allkeys-lru：对全体key，基于LRU算法进行淘汰
volatile-lru：对设置了TTL的key，基于LRU算法进行淘汰
allkeys-lfu：对全体key，基于LFU算法进行淘汰
volatile-lfu：对设置了TTL的key，基于LFU算法进行淘汰
其中：
LRU（Least Recently Used）最近最少使用。用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
key1是在3s之前访问的, key2是在9s之前访问的，删除的就是key2
LFU（Least Frequently Used）最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高。
key1最近5s访问了4次, key2最近5s访问了9次， 删除的就是key1
数据淘汰策略-使用建议
关于数据淘汰策略其他的面试问题
Redis-分布式锁
1、redis分布式锁，是如何实现的？
Redis实现分布式锁主要利用Redis的setnx命令。
死锁的情况，就是在拿到锁执行业务的时候，服务突然宕机，导致锁没有被释放
解决办法就是给锁设置过期时间
锁的失效时长怎么控制：
但是这两种方式都不是很靠谱，实现起来也很复杂，可以使用redisson实现的分布式锁
2、redisson实现的分布式锁执行流程
其中：枷锁成功后，可以保证业务执行完成才会去释放锁，业务如果未完成，锁的时间到期了，看门狗会每隔30秒做一次续约，直到业务执行完成释放锁的时候会给看门狗一个信号，不需要对锁续时间了。
如果在执行线程一的时候，拿到了分布式锁，线程二也进来了，这个时候线程二想要拿到锁，发现拿不到，就会进行一个重试机制，当然如果重试到一定的次数会停止重试获取锁的操作。
参考链接：Redission可重入,锁重试,锁续约,watchDog机制------->作者：
alonePointer
3、redisson实现的分布式锁-可重入
针对同一个线程多次请求获取分布式锁的情况，Redisson使用一个计数器来记录当前线程对锁的获取次数。初始时计数器为1，每次成功获取锁后，将计数器加1；每次释放锁后，将计数器减1。只有当计数器归零时，才会真正释放锁。
参考链接：Redission可重入,锁重试,锁续约,watchDog机制------->作者：
alonePointer
4、redisson实现的分布式锁-主从一致性
RedLock(红锁)：不能只在一个redis实例上创建锁，应该是在多个redis实例上创建锁(n / 2 + 1)，避免在一个redis实例上加锁。
使用redisson提供的红锁来解决，但是这样的话，性能就太低了，如果业务中非要保证数据的强一致性，建议采用zookeeper实现的分布式锁。
参考链接：Redisson 分布式锁主从一致性问题-----作者：刘婉晴
Redis-其他面试题
1、Redis集群有哪些方案？
1.1 主从复制
单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。
一般redis都是
读多写少，主节点执行写操作，然后同步到从节点，从节点只执行读操作。
- 第一部分：主从全量同步（一般都是第一次主节点和从节点同步）
其中：
Replication Id：简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid，slave则会继承master节点的replid。
offset：偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。
流程：
- 1.从节点
请求主节点同步数据（replication id、 offset） - 2.主节点判断
是否是第一次请求，是第一次就与从节点同步版本信息（replication id和offset） - 3.主节点执行bgsave，
生成rdb文件后，发送给从节点去执行 - 4.在rdb生成执行期间，
主节点会以命令的方式记录到缓冲区（一个日志文件） - 5.把生成之后的命令日志文件发送给
从节点进行同步
主从是否同步取决于主从offset偏移量是否相等
第二部分：主从增量同步（一般是从节点slave重启或后期数据变化）
流程：
- 1.从节点
请求主节点同步数据，主节点判断不是第一次请求，不是第一次就获取从节点的offset值 - 2.主节点从
命令日志中获取offset值之后的数据，发送给从节点进行数据同步
1.2 哨兵模式
Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。
其中服务状态监控：
Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例
发送ping命令：
主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。
客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。
哨兵选主规则:
- 首先判断
主与从节点断开时间长短，如超过指定值就排该从节点 - 然后判断从节点的
slave-priority值，越小优先级越高 - 如果slave-prority一样，
则判断slave节点的offset值，越大优先级越高 - 最后是判断slave节点的运行id大小，越小优先级越高。
1.2.1、redis集群（哨兵模式）脑裂
脑裂（Split Brain）是指由于网络分区或其他故障导致多个主节点同时存在的情况。这会导致数据不一致和服务不可用的问题。
由于主节点和从节点和sentinel处于不同的网络分区，使得sentinel没有能够心跳感知到主节点，所以通过选举的方式提升了一个从节点为主，这样就存在了两个master，就像大脑分裂了一样，这样会导致客户端还在老的主节点那里写入数据，新节点无法同步数据，当网络恢复后，sentinel会将老的主节点降为从节点，这时再从新master同步数据，就会导致数据丢失.
解决：我们可以修改redis的配置，可以设置最少的从节点数量以及缩短主从数据同步的延迟时间，达不到要求就拒绝请求，就可以避免大量的数据丢失
1.3 分片集群结构
主从解决高并发读的问题，和哨兵可以解决高可用的问题。但是依然有两个问题没有解决：
海量数据存储问题- 高并发
写的问题
使用分片集群可以解决上述问题，分片集群特征：
- 集群中有
多个master，每个master保存不同数据 - 每个master都可以有
多个slave节点 master之间通过ping监测彼此健康状态- 客户端请求可以访问
集群任意节点，最终都会被转发到正确节点
分片集群结构-数据读写：
Redis 分片集群引入了哈希槽的概念，Redis 集群有 16384 个哈希槽，每个 key通过 CRC16 校验后对 16384 取模来决定放置哪个槽，集群的每个节点负责一部分 hash 槽。
其中：Redis分片集群中数据是怎么存储和读取的？
- Redis 分片集群引入了哈希槽的概念，Redis 集群有 16384 个哈希槽
- 将16384个插槽分配到不同的实例（主节点）
- 读写数据：
根据key的有效部分计算哈希值，对16384取余（有效部分，如果key前面有大括号，大括号的内容就是有效部分，如果没有，则以key本身做为有效部分）余数做为插槽，寻找插槽所在的实例
2、Redis是单线程的，但是为什么还那么快
- Redis是纯内存操作，执行速度非常快
- 采用单线程，避免不必要的上下文切换可竞争条件，多线程还要考虑线程安全问题
- 使用I/O多路复用模型，非阻塞IO
3、能解释一下I/O多路复用模型？
Redis是纯内存操作，执行速度非常快，它的性能瓶颈是网络延迟而不是执行速度， I/O多路复用模型主要就是实现了高效的网络请求。
参考链接：网络模型
4、网络模型-Redis是单线程的吗？为什么使用单线程？
Redis到底是单线程还是多线程？
- 如果仅仅聊Redis的
核心业务部分（命令处理），答案是单线程 - 如果是聊
整个Redis，那么答案就是多线程
在Redis版本迭代过程中，在两个重要的时间节点上引入了多线程的支持：
- Redis v
4.0：引入多线程异步处理一些耗时较旧的任务，例如异步删除命令unlink - Redis v6.0：在
核心网络模型中引入 多线程，进一步提高对于多核CPU的利用率
因此，对于Redis的核心网络模型，在Redis 6.0之前确实都是单线程。是利用epoll（Linux系统）这样的IO多路复用技术在事件循环中不断处理客户端情况。
为什么Redis要选择单线程？
- 抛开持久化不谈，Redis是
纯 内存操作，执行速度非常快，它的性能瓶颈是网络延迟而不是执行速度，因此多线程并不会带来巨大的性能提升。 - 多线程会导致过多的
上下文切换，带来不必要的开销 - 引入多线程会面临
线程安全问题，必然要引入线程锁这样的安全手段，实现复杂度增高，而且性能也会大打折扣
5、Redis的单线程模型-Redis单线程和多线程网络模型变更
核心在于：
- 单线程的模型
执行流程：包括三种事件
- server socket 可读事件（建立连接和持续监听客户读写请求）
- client socket 可读事件
- client socket 可写事件
- 多线程的模型（redis 6.0）
影响性能的最大的就是IO操作
多线程体现在于：
- 命令处理器解析客户端命令
也就是命令请求处理器在将客户端输入的命令（多线程下会有很多的请求，都等待着读）（此时是二进制）加入到缓冲区，并且解析除redis命令，这个过程是多线程的，至于执行命令把结果写入client队列之后的事还是单线程。
- 命令回复处理器写响应结果
也就是通过命令回复处理器，开启多线程去客户端缓冲区去拿数据，在写出来，
需要指出的是，虽然 Redis 6.0 引入了多线程模型，但 Redis 的关键操作（如
命令执行、写操作）仍然是单线程的，这是为了保证数据的一致性和避免竞态条件。多线程主要用于网络 I/O 操作和接收客户端命令，而实际的数据读写操作仍然是单线程执行的。因此，在 Redis 中，多线程并不意味着完全的并行执行，仍然保持了单线程的简洁性和高性能。
相关面试回答：
gitee-redis
持续更新中…，若内容有误，欢迎留言
素材来源：黑马程序员
587
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
