Java八股文——Redis相关面试题最详细解答！

一.Redis作为缓存。

1.什么是缓存穿透？怎么解决？

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，通常都会用布隆过滤器来解决它。

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，其实已经算是很划分了，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？怎么解决？

缓存击穿的意思是对于设置了过期时间的key，缓存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？怎么解决？

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，如何与MYsql中的数据保持一致？（双写一致性问题）

首先解释什么是双写一致性：

双写一致性：当修改了数据库中的数据同时也要更新缓存中的数据，保证数据的一致性。

回答的思路：

第一步：先设置前提，先介绍自己的业务背景，是强一致性，还是最终一致性。

比如最终一致性：我们当时是把一些热点数据存到了缓存中，虽然是热点数据，但是实时的要求性没有那么高，所以，我们当时采用的是异步的方案同步的数据。

比如强一致性：我们当时是把抢券的库存存入了缓存中，这个需要实时进行数据同步，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。

（1）强一致性

可以采用分布式锁去解决。

但是如果采用普通的分布式锁，只在读的时候或者写的时候加锁，不能保证数据的强一致性，而且性能是比较低的。普通的分布式锁原理图如下：

我们分析可知，保证数据库和缓存的数据一致，通常是因为读写的操作，而且以读多写少的情况最多，所以最好采用读写锁去保证数据的强一致性。

共享锁：也就是读锁readLock，加锁之后，其他线程可以共享读操作。

排他锁：也叫独占锁writeLock，加锁之后，阻塞其他线程进行读写操作。

 具体的代码如下：

读锁：

 写锁：

采用Redisson实现的读写锁去保证强一致性，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。

但是这种读写锁的方法虽然能保证数据的强一致性，但是性能也是比较低的。

5.有的面试官可能会问：为什么不采用延迟双删呢？

这是因为延迟双删，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。

延迟双删的逻辑：

 但是无论是先删除缓存再修改数据库，还是先修改数据库再删除缓存，都有可能产生脏数据。原理如下：

（2）最终一致性

最终一致性在开发中出现的场景比较多，它可以允许数据不一致，只要最终数据是一致的就行。

解决方法1：异步通知保证数据的最终一致性。

如图：

 采用异步通知保证数据的最终一致性，只需要保证MQ的可靠性就行。

解决方法2：基于canal的异步通知：

这个阿里的canal组件实现数据同步：不需要更改业务代码，只需要部署 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。 

6.Redis的数据过期策略。

面试官通常会这么问：假如Redis的key过期之后，会立即删除吗？

首先解释下什么是过期策略。

Redis对数据设置的有效时间，数据过期之后，就需要将数据从内存中删除掉。可以按照不同的规则进行删除，这种删除规则就被称之为数据的删除策略。

Redis中提供了两种数据过期删除策略：惰性删除，定期删除。

惰性删除，就是在设置该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。

惰性删除的优点：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，就是说每隔一段时间，我们就对一些key进行检查，删 除里面过期的key。

定期删除有两种模式：

SLOW模式是定时任务，执行频率默认为10hz（1秒执行10次），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，每次事件循环会尝试执行，但两次间隔不低于2ms， 每次耗时不超过1ms。

定期删除的优点：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.Redis的数据淘汰策略有哪些？

在redis中提供了很多种，默认是noeviction，不删除任何key，但内存满时不允许写入新数据，内存不足直接报错。默认配置是可以在redis的配置文件中进行手动设置的。

里面有两个非常重要的概念，一个 是LRU，另外一个是LFU。

LRU的意思就是最少最近使用，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。

LFU的意思是最少频率使用。会统计每个key的访问频率，值越小淘汰优先级 越高。

我们在项目设置的allkeys-lru，挑选最近最少使用的数据淘汰，把一些经常访问的key留在redis中

二.Redis作为分布式锁。

1.Redis作为分布式锁是如何实现的？

通常情况下，分布式锁使用的场景：集群情况下的定时任务，抢单抢券，秒杀活动，幂等性场景等。

例如：抢券的场景。【多台服务器的情况下使用分布式锁】

Redis 分布式锁的实现：setnx命令或者Redisson框架。

（1）setnx命令是SET if not exists（如果不存在则set）的简写。

         获取锁：SET lock value NX EX 10  （#添加锁，NX是互斥，EX是设置超时时间）

         释放锁：DEL key  （#直接释放， 删除即可。）

2.那么Redis实现的分布式锁的有效时长怎么合理的控制呢？

解决方法：给锁续期。 就是基于Redisson框架实现分布式锁。

执行流程：

 在redisson中需要手动加锁，并且可以控制锁的失效时间和等待时间，当锁 住的一个业务还没有执行完成的时候，在redisson中引入了一个看门狗机 制，就是说每隔一段时间就检查当前业务是否还持有锁，如果持有就增加加 锁的持有时间，当业务执行完成之后需要使用释放锁就可以了。

还有一个好处就是，在高并发下，一个业务有可能会执行很快，先客户1持 有锁的时候，客户2来了以后并不会马上拒绝，它会自旋不断尝试获取锁， 如果客户1释放之后，客户2就可以马上持有锁，性能也得到了提升。

 代码实例：

注意：加锁，设置过期时间等操作都是基于lua脚本完成的。

3.Redis实现的分布式锁，可以重入吗？

是可以重入的。如果是同一个线程就可以重入，不是一个线程肯定要互斥。这样做是为了避免死锁的产生。这个重入其实 在内部就是判断是否是当前线程持有的锁，如果是当前线程持有的锁就会计 数，如果释放锁就会在计算上减一。在存储数据的时候采用的hash结构，大 key可以按照自己的业务进行定制，其中小key是当前线程的唯一标识，value 是当前线程重入的次数。

三.Redis集群问题

1.Redis集群都有哪些方案？

主从集群、哨兵集群、分片集群。

2.介绍一下主从同步集群？

单点的Redis的并发能力是有限的，如果想进一步提高并发能力，需要搭建主从集群，实现读写分离。

主从同步的原理：

（1）全量同步

全量同步是指从节点第一次与主节点建立连接的时候使用全量同步。

流程是这样的：

第一：从节点请求主节点同步数据，其中从节点会携带自己的replication id 和offset偏移量。

第二：主节点判断是否是第一次请求，主要判断的依据就是，主节点与从节 点是否是同一个replication id，如果不是，就说明是第一次同步，那主节点 就会把自己的replication id和offset发送给从节点，让从节点与主节点的信息 保持一致。

第三：在同时主节点会执行bgsave，生成rdb文件后，发送给从节点去执 行，从节点先把自己的数据清空，然后执行主节点发送过来的rdb文件，这 样就保持了一致 。

当然，如果在rdb生成执行期间，依然有请求到了主节点，而主节点会以命 令的方式记录到缓冲区，缓冲区是一个日志文件，最后把这个日志文件发送 给从节点，这样就能保证主节点与从节点完全一致了，后期再同步数据的时 候，都是依赖于这个日志文件，这个就是全量同步。

逻辑图如下：

Replication Id：简称replid，是数据集的标记，id一致说明是同一数据集。每个master都有唯一的replid，slave则会继承master节点的replid。

offest：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，则说明slave数据落后于master，需要更新。

（2）增量同步【slave重启或后期数据发生变化】

增量同步指的是，当从节点服务重启之后，数据就不一致了，所以这个时 候，从节点会请求主节点同步数据，主节点还是判断不是第一次请求，不是 第一次就获取从节点的offset值，然后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。

逻辑图如下：

 

3.怎么保证Redis的高并发高可用？

首先可以搭建主从集群，再加上使用redis中的哨兵模式，哨兵模式 可以实现主从集群的自动故障恢复，里面就包含了对主从服务的监控、自动 故障恢复、通知；如果master故障，Sentinel会将一个slave提升为master。 当故障实例恢复后也以新的master为主；同时Sentinel也充当Redis客户端的 服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户 端，所以一般项目都会采用哨兵的模式来保证redis的高并发高可用。

哨兵的作用：

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。哨兵的结构和作用如下：

* 监控：Sentinel会不断检查您的master和slave是否按预期工作。

*自动故障恢复：如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主。

*通知：Sentinel充当Redis的客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端。

服务状态监控：

Sentinel基于心跳机制检测服务状态，每个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的时间响应，则认为该实例主观下线。

*客观下线：如果超过指定数量的Sentinel都认为该实例主观下线，则该实例客观下线。

哨兵选主的规则：

*首先判断主从节点断开的时间长短，如果超过了指定值就排除该从节点。

*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。

4.redis集群脑裂，该怎么解决呢？

这个在项目很少见，不过脑裂的问题是这样的， 有的时候由于网络等原因可能会出现脑裂的情况，就是说，由于redis master节点和redis salve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master，所以通过选举的方式提升了一个salve为master， 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 old master那里写入数据，新节点无法同步数据，当网络恢复后，sentinel会 将old master降为salve，这时再从新master同步数据，这会导致old master中 的大量数据丢失。

关于解决的话，我记得在redis的配置中可以设置：第一可以设置最少的salve 节点个数，比如设置至少要有一个从节点才能同步数据，第二个可以设置主 从数据复制和同步的延迟时间，达不到要求就拒绝请求，就可以避免大量的数据丢失。