Redis面试总结

redis使用场景：

 

1.redis缓存穿透问题：

    什么是缓存穿透：

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

解决方案：

方案一：

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。

方案二：

布隆过滤器

优点：内存占用较少，没有多余的key

缺点：实现复杂，存在误判

 bitmap(位图)：相当于是以一个（bit）位为单位的数组，数组中每个单元只能存储二进制数0或1

布隆过滤器作用：布隆过滤器可以用于检索一个元素是否在一个集合中。

 

 会产生误判（不能被消除）：

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。

 减小误判：

2.redis缓存击穿问题

 什么是缓存击穿：

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（分布式锁）（强一致性：性能比较差）

 解决方案二：逻辑过期（高可用，性能优，不能保证数据绝对一致）

 3.redis缓存雪崩问题

        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。

 

 

 4.redis缓存双写一致性问题

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。

方案一：

先删除缓存还是先修改数据库？

 都会出现问题（脏数据问题）

为什么要删除两次？

为什么要延时一会？

控制一部分脏数据问题，不能保证强一致性。

方案二（一致性要求高）：

加互斥锁（强一致性，性能低）

读锁

 写锁（排它锁）：

方案二 （异步通知保证数据的最终一致性）：

1.mq

2.canal

 面试问题：

redis作为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）

1.介绍自己简历上的业务，我们当时是把文章的热点数据存入到了缓存中，虽然是热点数据，但是实时要求性并没有那么高，所以，我们当时采用的是异步的方案同步的数据。

2.我们当时是把抢券的库存存入到了缓存中，这个需要实时的进行数据同步，为了保证数据的强一致性，我们当时采用的是redisson提供的读写锁来保证数据的同步。

那你来介绍一下异步的方案（你来介绍一下redisson读写锁的这种方案）

 1.允许延时一致的业务，采用异步通知

        使用mq中间中间件，更新数据之后，通知缓存删除

        利用canal中间件，不需要修改业务代码，伪装为mysql的一个从节点，canal通过读取binlog数据更新缓存

2.强一致性，采用Redisson提供的读写锁

        共享锁：读锁readLock，加锁之后，其他线程可以共享读操作

        排他锁：独占锁writeLock也叫加锁之后阻塞其他线程读写操作

面试回答：

 Redis持久化

 RDB：

RDB全称Redis Database Backup life（Redis数据备份文件），也被叫做Redis数据快照。简单来说就是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。

    Redis内部有出发RDB的机制，可以在redis.conf文件中找到，格式如下：

 RDB执行原理：

bgsave开始时会fork（克隆）主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入RDB文件。

 

AOF：

AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看作是命令日志文件。

 

 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思。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。

 

 面试问题：

Redis数据过期策略 

 Redis数据删除策略-惰性删除

惰性删除：设置该key过期时间后，我们不管它，当需要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。

Redis数据删除策略-定期删除

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。

面试问题：

 Redis数据淘汰策略

 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就会按照某一规则将内存中的数据删除掉，这种数据的删除规则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

 数据淘汰策略-使用建议

1.优先使用allkeys-lru策略。充分利用LRU算法的优势，把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分，建议使用。

2.如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用allkeys-random，随机选择淘汰。

3.如果业务中有置顶的需求，可以使用volatile-lru策略，同时置顶数据不设置过期时间，这些数据就一直不被删除，会淘汰其他设置过期时间的数据。

4.如果业务中有短时高频访问的数据，可以使用allkeys-ifu或volatile-lfu策略

有关数据淘汰策略其他的面试问题

1.数据库中有1000万数据，Redis只能缓存20W数据，如何保证Redis中的数据都是热点数据？

使用allkeys-lru（挑选最近最少使用的数据淘汰）淘汰策略，留下来的都是经常访问的热点数据

2.Redis的内存用完了会发生什么？

主要看数据淘汰策略是什么？如果是默认的配置（noeviction），会直接报错。

总结：

1.Redis提供了8种不同的数据淘汰策略，默认是noeviction不删除任何数据，内存不足直接报错。

2.LRU：最近最少使用。用当前时间减去最后一次的访问时间，这个值越大则淘汰优先级越高。

3.LFU：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。

平时开发过程中用的比较多的就是allkeys-lru（结合自己的业务场景）

面试问题：

 

Redis分布式锁：

 

 

 Redis实现分布式锁主要利用Redis的sentnx命令。setnx是SET if not exists（如果不存在，则SET）的简写

 

 代码实现：

 

 redisson实现的分布式锁-可重入

 redisson实现的分布式锁-主从一致性

 

Redis分布式锁是如何实现的：

 面试问题：

 

Redis其他面试问题： 

主从复制

主从数据同步原理：

主从全量同步：

 

主从增量同步（slave（从节点）重启或后期数据变化）：

 

 

 面试问题：

 

 

Redis哨兵模式：

 

 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都发送ping命令：

主观下线：如果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-priority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。

面试问题：

 

 

分片集群结构 

主从和哨兵可以解决高可用、高并发读的问题。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保存不同的数据

每个master都可以有多个slave节点

master之前通过ping检测彼此健康状态

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。

面试问题： 

 

 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

        采用I/O多路复用模型，非阻塞I/O

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多路复用模型主要是实现了高效的网络请求

        用户空间和内核空间

        常见的IO模型

                        阻塞IO（Blocking IO）

                        非阻塞IO（Nonblocking IO）

                        IO多路复用（IO Multiplexing）

        Redis网络模型

 

 

 

 IO多路复用：selelct模式一次性传递多个socket进程，只要有就绪的数据就会返回readable然后调用recvfrom函数，IO和阻塞IO直接调用recvfrom函数

IO多路复用：

IO多路复用是利用单个线程来同时监听多个Socket，并在某个Socket可读，可写时得到通知，从而避免无效的等待，充分利用CPU资源。不过监听Socket的方式，通知的方式又有多种实现，常见的有：

        select

        poll

        epoll

差异：

         select和poll只会通知用户进程有Socket就绪，但不确定具体是哪个Socket，需要用户进程逐个遍历Socket来确认

        epoll则会在通知用户进程Socket就绪的同时，把已就绪的Socket写入用户空间

面试题：