Redis面试

redis数据类型

5.0之前5种：String、list、hash、set、zset
5.0之后新增了一种Stream流

zset的内存结构和原理

参考资料 https://www.bilibili.com/video/BV1BG4y197wV/?spm_id_from=333.788&vd_source=ec8146623a6d9ddb61ce61566ed2a56c

zset类型需要两个功能：
1、存储数据
2、进行排序
用来存储数据可以选择的数据结构是hash，用member当做key，score当做value。可以实现保存数据，但是无法进行排序；
跳表数据结构可以实现排序，但是无法实现用过member查询
因此redis，zset的数据结构就是既用了hash也用了跳表，同一个数据会存两份，一份存在hash，一份存在跳表。如果需要排序了，就用跳表，如果需要通过key查找了，就用hash。
存在的问题：占用空间，因为数据存了两份


当元素数量小于128并且每个元素都小于64字节时，采用压缩列表。不采用hash+跳表
这俩值，可以修改，但是一般不建议改。直接用默认就行

Redis数据结构

redis存储数据的方式类似hashmap，也是数组加链表的方式
底层存储数据的结构是bit[]

Redis pipeline

redis批量操作 大致原理
redis客户端执获取管道
发送命令－〉命令排队－〉命令执行－〉返回结果

redis为什么快

Redis内部结构是一张全局哈希表

redis初始化存储的容量是6，随着redis存入的数据增多，redis会进行扩容，称之为rehash，但是扩容的话就涉及元素 移动，影响性能，为了解决扩容带来的性能形象，进行了渐进式rehash

redis6.0之前为什么不适用多线程

redis6.0为什么引入多线程

根本原因是为了redis能抗住更大的并发

为什么要用 redis 而不用 map/guava 做缓存?（即为什么不使用本地缓存）

map/guava做的本地缓存，最主要的特点是 轻量以及快速，生命周期随着 jvm 的销毁而结束，并且在多实例的情况下，每个实例都需要各自保存一份缓存，缓存不具有一致性。
redis 或 memcached 之类的称为分布式缓存，在多实例的情况下，各实例共用一份缓存数据，缓存具有一致 性。缺点是需要保持 redis 或 memcached服务的高可用，整个程序架构上较为复杂。

redis 和 memcached 的区别

redis支持更丰富的数据类型，可以持久化

redis的key是字符串类型，value是string、list、set、hash、zset

hash的意思指的是映射，hash类型就是对象类型

key=JavaUser293847 
value={
    "id": 1,
    "name": "张三",
    "age": 22
}

set是无序不重复集合
zset是有序不重复集合

Redis过期key删除策略

redis key的过期时间，记录的时绝对时间，时间戳，比如4点设置10秒后过期，记录的过期时间戳是4点零10秒。记录的是这个时刻。

redis key有两种过期方式：主动式和被动式

• 定期删除(主动式):redis默认是每隔 100ms 就随机抽取一些设置了过期时间的key，检查其是否过期，如果过期就删除。
  注意这里是随机抽取的。为什么要随机呢?你想一想假如 redis 存了几十万个 key ，每隔100ms就遍历所有的 设置过期时间的 key
  的话，就会给 CPU 带来很大的负载!

• 惰性删除 (被动式):定期删除可能会导致很多过期 key 到了时间并没有被删除掉。所以就有了惰性删除。假如你的过期key，
  靠定期删除没有被删除掉，还停留在内存里，访问key的时候，会判断下key是否过期，如果过期就删除。
  注意：在redis主从集群中，master同步数据到slave，从节点不会主动删除key，必须等master的删除命令才会删除。确保主从节点的数据一致性

如果定期删除漏掉了很多过期 key，然后你也没及时去查，也就没走惰性删除，此时会怎么样？如果大量过期 key 堆积在内存里，导致 redis 内存块耗尽了，咋整？

这就要提到了Redis的内存淘汰机制。

内存淘汰机制
Redis的内存淘汰策略是指在Redis的用于缓存的内存不足时，怎么处理需要新写入且需要申请额外空间的数据，如何淘汰旧数据给新数据腾出内存空间。

redis 内存淘汰机制有以下几个：

• noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。
• allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。（这个是最常用的）
• allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。
• volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。
• volatile-random：当内存不足以容纳新写入数据时，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数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。

Redis的内存淘汰策略的选取并不会影响过期的key的处理。内存淘汰策略用于处理内存不足时的需要申请额外空间的数据；过期策略用于处理过期的缓存数据。
深入追问：
追问1： 简单介绍一下LRU淘汰机制吧
淘汰最近最少使用的；算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。
算法思路：

新数据插入到链表头部；

每当缓存命中（即缓存数据被访问），则将数据移到链表头部；

当链表满的时候，将链表尾部的数据丢弃。

redis面试详见https://baijiahao.baidu.com/s?id=1714823432163166272&wfr=spider&for=pc

redis事务

就是客户端执行完mutil之后，服务端会开始接受客户端的命令，只接收，不执行。然后服务端接收到exec命令之后，开始把接收到的一组命令一起执行，如果这一组命令有语法错误，则会直接报错，相当于java编译期就不通过，所以全都不会执行。但是如果没有语法错误，比如操作的是不存在的数据，这种语法没有错误，属于运行时报错。那么该条语句之前的命令则会执行成功。所以redis的事物是弱事物。无法保证全部回滚

redis锁可以保证原子性，但是无法保证一致性。

Redis 大key

1、指的是如果在分片存储的redis集群中，大key会被分到某个节点，导致该节点内存使用比较高，但是其他节点又没同样现象

bigkey的解决方案，能拆分就拆分。

redis bigkey 参考https://www.cnblogs.com/cangqinglang/p/17632287.html

redis如何解决key冲突

1、业务隔离，不同业务，使用不同redis
2、key设计，业务模块+系统名称+关键字+key的方式 等
3、节能是不同端操作共享变量，那就加分布式锁解决

如何提高缓存的命中率

1、提前加载到缓存

缓存穿透

缓存击穿：数据库和redis里面都没有的数据，如果并发访问这种数据，对数据库压力很大
1、缓存空对象到redis：开发维护简单，效果一般
2、使用布隆过滤器：开发维护麻烦，效果好

缓存击穿

数据库里面有数据，redis里面没有数据
解决方案：

• 提前预热热点数据到redis
• 代码方面 解决
  1、先查redis，发现没有数据
  2、加锁，查询redis，如果有数据则返回。如果没有数据进行下一步
  3、查询数据库，然后把数据缓存到redis
  双重检查锁。至于锁，可以用分布式锁，也可以用jdk的锁。使用jdk锁，可能会放一些请求打到数据库，请求量并不多，对数据库来说没影响的。

可以把代码提取出来封装到一个模板里面，只需要传入查询数据库的方法即可

缓存雪崩

大部分数据失效
解决方案：缓存的失效时间，不要设置同一时间，建议在时间后面添加随机数

Redis持久化

RDB方式持久化（默认）

RDB持久化策略
save 900 1 900秒内进行了一次update，就触发持久化
save 300 10 300秒内进行了10次update，就触发持久化
save 60 10000 60秒内进行了1w次update，就触发持久化

AOF持久化

将redis的写命令以日志追加的方式写入到持久化文件

AOf重写机制，比如上面自增命令执行了10次，aof会将命令修改为set lock 10。对持久化文件进行压缩。压缩后以rdb文件进行存储（redis4.0提供了混合持久化，指的就是这个）rdb是二进制方式存储，因此文件占用空间更小

aof重写机制的出发时机

64mb是默认配置，生产环境一般根据redis配置，会进行调大，比如调成几个g

RDB和ROF对比

Redis缓存一致性问题

https://baijiahao.baidu.com/s?id=1772845427366028025&wfr=spider&for=pc

Redis分布式锁

LRU和LFU的区别

https://blog.csdn.net/weixin_38937840/article/details/131551469