redis总结

缓存穿透，如何解决？

缓存穿透是指查询一个不存在的数据，如果从存储层查不到数据也就不会写入缓存，就会导致这个不存在的数据每次请求都要到DB去查询，当查询量过多时可能就会导致DB挂掉。一般这种情况就是遭到了攻击。

一般使用布隆过滤器去解决它（也可以给redis设置这个数据的key然后对应null值，以后都返回null）

什么是布隆过滤器？

布隆过滤器主要用于检索一个元素是否在一个集合中。

他的底层主要是先去优化一个比较大的数组，里面存放的二进制0或1。最开始都是0，当一个key来了之后经过3次hash计算，计算出存放的下标然后把数组中原来的0改为1，三个数组的位置就可以表明一个key的存在。查询过程也是一样的。

缺点就是布隆过滤器可能产生一定的误判，我们一般可以设置这个误判率，一般是不超过5%，这个误判是必然存在的，我们还可以有另一种方法就是尽力增加数组的长度。误判率在5%以内一般项目也是可以接受的，不至于高并发下压倒数据库。

缓存击穿，如何解决？

缓存击穿就是一个设置了过期时间的key，在某个时间点过期了，恰好此时对这个key有大量的并发请求过来，这些请求发现缓存中key已经过期了就会从DB中去查询，此时的大并发就有可能把DB压垮。

有两种解决方案：

1.互斥锁。用于强一致的时候，性能相对差。

2.逻辑过期。在设置key的时候，设置一个过期时间字段一起存入缓存之中，不给当前的key设置过期时间。当查询的时候，从redis取出数据后判断时间是否过期。如果过期就开启另一个线程去进行数据同步，当前线程正常返回数据，这个数据不是最新的。高可用，性能高，但不是强一致。

缓存雪崩，如何解决？

缓存雪崩就是设置缓存时采用了相同的过期时间，导致缓存存在某一时刻同时失效，请求全部转发到DB，DB瞬间压力剧增可能导致宕机。（也有可能是因为redis宕机）

缓存击穿与缓存雪崩的区别：雪崩是很多key，击穿是一个key。

解决方案就是将缓存的过期时间分散开，可以在原有的过期时间上增加个随机值，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。

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

需要看业务是强一致性还是延时一致性

如果是延时一致的业务，采用异步通知。

1.使用MQ中间件，更新数据之后通知缓存进行删除。

2.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。

如果是强一致的业务，采用Redisson提供的读写锁。

1.共享锁：读锁readLock，可以共享读操作。

2.排他锁：独占锁writeLock，阻塞其他线程的读写操作。

排他锁是如何保证读写，读读互斥？

排他锁底层使用了setnx，保证了同时只能有一个线程操作锁住的方法。

延时双删是什么，有什么特性？

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。

但是延时多久不好确定，在延时的过程中可能出现脏数据，并不能保证强一致性。

redis作为缓存，数据的持久化是怎么做的？

在redis中提供了两种数据持久化的方式：1.RDB 2.AOF

两种持久化方式有什么区别？

RDB是一个快照文件，它是把redis内存存储的数据写到磁盘上，当redis实例宕机恢复数据的时候，方便从RDB的快照文件中恢复数据。

AOF的含义是追加文件，当redis操作写命令的时候，都会存储到这个文件中，当redis实例宕机恢复数据时，会从这个文件中再次执行一遍命令来恢复数据。

这两种方式，哪种恢复的比较快？

RDB因为是二进制文件，在保存的时候体积也是比较小的，它的恢复速度比较快，但是它有可能会丢失数据，我们通常在项目中也会使用AOF来恢复数据，虽然AOF恢复的速度慢一些，但是它丢失数据的风险要小很多，在AOF文件中可以设置刷盘策略，可以设置成每秒批量写入一次命令。

redis的数据过期策略有哪些？

redis中提供了两种数据过期删除策略。

第一种就是惰性删除，在设置该key的过期时间后，我们不去管他，当需要该key时，再去检查它是否过期，如果过期就删掉它，没过期就返回。

第二种就是定期删除，就是每隔一段时间，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：

1.SLOW模式时定时任务，执行频率默认为10hz，每次不超过25ms，通过修改配置文件redis.conf的hz选项来调整这个次数。

2.FAST模式执行的频率不固定，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。

redis的过期删除策略一般是惰性删除+定期删除两种策略进行配合使用。

redis的数据淘汰策略有哪些？

在redis中提供了很多种，默认是noeviction，不删除任何数据，内存不足直接报错。

可以在redis的配置文件中进行设置，里面有两个重要的概念，一个是LRU，另一个是LFU。

LRU的意思就是最近最少使用，用当前时间减去最后一次访问时间，这个值越大淘汰优先级就越高。

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

如果数据库有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？

可以使用allkeys-lru，留下来的就是经常访问的热点数据。

redis分布式锁如何实现？

在redis中提供了一个命令setnx（SET if not exists）

由于redis是单线程的，用了命令之后，只能有一个一个客户端对某一个key设置值，在没有过期或删除key的时候，其他客户端是不能设置这个key的。

如何控制redis实现分布式锁有效时长？

redis的setnx指令不好控制这个问题，所以可以使用redis的一个框架redisson。

在redisson中需要手动加锁，并且可以控制所得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，就是每隔一段时间就增加加锁的持有时间，当业务执行完成之后释放锁就可以了。

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，他会自旋不断尝试获取锁，如果客户1释放了锁，客户2就可以马上持有锁，性能也得到了提升。

redisson实现的分布式锁是可重入的吗？

是可以重入的，这样可以避免死锁。这个重入其实是在内部判断是否是当前线程持有的锁，如果是，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。

redisson实现的分布式能解决主从一致性的问题吗？

不能。例如，当线程1加锁成功后，master节点数据会异步复制到slave节点，此时当前持有redis锁的master节点宕机，slave节点被提升为新的master节点，假如现在来了一个线程2，再次加锁，会在新的master节点上加锁成功，这个时候就会出现两个节点同时持有一把锁的问题。

我们可以利用redisson提供的红锁来解决，他的主要作用是，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，并且要求在大多数redis节点上都成功创建锁，红锁中要求redis的节点数量要过半。这样就能避免线程1加锁成功后master节点宕机导致线程2成功加锁到新的master节点上的问题。

但是如果使用了红锁，需要同时在多个节点上都添加锁，性能就变得很低，并且运维维护成本也非常高，所以一般在项目中也不会使用红锁，官方也暂时废弃了这个红锁。

如果业务非要保证数据的强一致性，如何解决？

redis本身就是支持高可用的，如果做到强一致就很影响性能，所以如果有强一致要求的业务，可以使用zookeeper实现的分布式锁，它可以保证强一致性。

redis集群有哪些方案？

总共有三种，主从同步，哨兵模式，redis分片集群

什么是主从同步？

单节点的redis的并发能力是有上限的，要进一步提高redis的并发能力，可以搭建主从集群，实现读写分离。一般都是一主多从，主节点负责写数据，从节点负责读数据，主节点写入数据之后，需要把数据同步到从节点中。

主从同步数据的流程？

主从同步分为两个阶段，一个是全量同步，一个是增量同步。

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：

1.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。

2.主节点判断是否是第一次请求，主要判断依据就是，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。

3.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，这样就保持了一致。

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，后期在同步数据的时候，都是依赖于这个日志文件，这个就是全量同步。

增量同步是指，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。

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。

使用redis是单点还是集群，哪种集群

一般单节点不超过10G内存，如果Redis内存不足则可以给不同服务分配独立的Redis主从节点。尽量不做分片集群。因为集群维护起来比较麻烦，并且集群之间的心跳检测和数据通信会消耗大量的网络带宽，也没有办法使用lua脚本和事务。

redis集群脑裂，该怎么解决呢？

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，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。

redis的分片集群有什么作用？

分片集群主要解决的是，海量数据存储的问题，集群中有多个master，每个master保存不同数据，并且还可以给每个master设置多个slave节点，就可以继续增大集群的高并发能力。同时每个master之间通过ping监测彼此健康状态，就类似于哨兵模式了。当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。

Redis分片集群中数据是怎么存储和读取的？

Redis 集群引入了哈希槽的概念，有 16384 个哈希槽，集群中每个主节点绑定了一定范围的哈希槽范围， key通过 CRC16 校验后对 16384 取模来决定放置哪个槽，通过槽找到对应的节点进行存储。

取值的逻辑是一样的。

Redis是单线程的，但是为什么还那么快？

1、完全基于内存的，C语言编写。

2、采用单线程，避免不必要的上下文切换可竞争条件。

3、使用多路I/O复用模型，非阻塞IO。

例如：bgsave 和 bgrewriteaof 都是在后台执行操作，不影响主线程的正常使用，不会产生阻塞。

解释一下I/O多路复用模型？

I/O多路复用是指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。目前的I/O多路复用都是采用的epoll模式实现，它会在通知用户进程Socket就绪的同时，把已就绪的Socket写入用户空间，不需要挨个遍历Socket来判断是否就绪，提升了性能。

其中Redis的网络模型就是使用I/O多路复用结合事件的处理器来应对多个Socket请求，比如，提供了连接应答处理器、命令回复处理器，命令请求处理器；

在Redis6.0之后，为了提升更好的性能，在命令回复处理器使用了多线程来处理回复事件，在命令请求处理器中，将命令的转换使用了多线程，增加命令转换速度，在命令执行的时候，依然是单线程。