Redis常⻅⾯试问题

1. 过期策略

key的⽣存时间到了，Redis会⽴即删除吗？不会⽴即删除。

Redis的过期策略——“定期删除+惰性删除” 。

1、定期删除

定期删除是指Redis默认每隔100ms就随机抽取 N 个设置了过期时间的key，检测这些key是否过期，如果过期了就将其删除。

• 100ms：在Redis的配置文件redis.conf中有一个属性 hz，默认为10，表示1s执行10次定期删除，即每隔100ms执行一次，可以修改这个配置值。
• N 个key：N 同样是由redis.conf文件中的 maxmemory-samples 属性决定的，默认为5。

 
2、惰性删除

• 惰性删除不是去主动删除，而是在你要获取某个key 的时候，redis会先去检测一下这个key是否已经过期，如果没有过期则返回给你，如果已经过期了，那么redis会删除这个key，不会返回给你。

2、淘汰机制

在配置文件redis.conf 中，可以通过参数 maxmemory 来设定最大内存，不设定该参数默认是无限制的。当内存不足时，就会采取内存淘汰机制，Redis内存淘汰方式有以下八种：

淘汰策略	描述
volatile-lru	在内存不⾜时，Redis会在设置过了⽣存时间的key中⼲掉⼀个最近最少使⽤的key
allkeys-lru	在内存不⾜时，Redis会在全部的key中⼲掉⼀个最近最少使⽤的key
volatile-lfu	在内存不⾜时，Redis会在设置过了⽣存时间的key中⼲掉⼀个最近最少频次使⽤的key
allkeys-lfu	在内存不⾜时，Redis会在全部的key中⼲掉⼀个最近最少频次使⽤的key
volatile-random	在内存不⾜时，Redis会在设置过了⽣存时间的key中随机⼲掉⼀个
allkeys-random	在内存不⾜时，Redis会在全部的key中随机⼲掉⼀个
volatil-ttl	在内存不⾜时，Redis会在设置过了⽣存时间的key中⼲掉⼀个剩余⽣存时间最少的key
noeviction	在内存不⾜时，直接报错，默认值

在配置文件redis.conf 中，可以通过参数  maxmemory-policy 来设置淘汰的方式。

过期策略用于处理过期的缓存数据；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。所以内存淘汰策略的选取并不会影响过期的key的处理。

设置 Redis 的最⼤内存：

maxmemory 字节⼤⼩

3. Redis缓存问题

        

1. 缓存穿透

名词解释：即请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常。
解决方案:

1. 缓存空对象

当存储层未命中后，即使数据库返回的空对象也对其进⾏缓存，同时设置⼀个过期时间，之后再访问这个数据将会

从缓存中获取，保护了后端数据源。

2. 布隆过滤器

布隆过滤器是⼀种数据结构，对所有可能查询的参数以 hash 形式存储，在控制层进⾏校验，不符合则丢弃，从⽽避 免了对底层存储系统的查询压⼒。

它的优点是空间效率和查询时间都远远超过⼀般的算法，缺点是有⼀定的误识别率和删除困难。

3. 设置可访问的⽩名单

使⽤ bitmaps 类型定义⼀个可以访问的名单，名单 id 作为 bitmaps 的偏移量，每次访问和 bitmap ⾥⾯的 id 进⾏⽐ 较，如果访问id 不在 bitmaps ⾥⾯，进⾏拦截，不允许访问。

4. 进⾏实时监控

当发现 Redis 的命中率开始急速降低，需要排查访问对象和访问的数据，和运维⼈员配合，可以设置⿊名单限制服务。

2. 缓存击穿

缓存击穿(热点key)
名词解释：是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。
解决方案:

1. 预先设置热⻔数据

在 Redis ⾼峰访问之前，把⼀些热⻔数据提前存⼊到 Redis ⾥⾯，加⼤这些热⻔数据 key 的时⻓。

2. 设置热点数据永不过期

若缓存的数据是基本不会发⽣更新的，则可尝试将该热点数据设置为永不过期。

3. 实时调整

现场监控哪些数据热⻔，实时调整 key 的过期时⻓。

4. 使⽤分布式锁

使⽤分布式锁，保证对于每个 key 同时只有⼀个线程去查询后端服务，其他线程在没有获取分布式锁的权限时，需 要等待。这种⽅式将⾼并发的压⼒转移到了分布式锁，因此对于分布式锁的考验很⼤。

5. 定时线程

若缓存的数据更新频繁或者在缓存刷新的流程耗时较⻓的情况下，可以利⽤定时线程在缓存过期前主动地重新构建 缓存或者延后缓存的过期时间，以保证所有的请求能⼀直访问到对应的缓存。

3. 缓存雪崩

缓存雪崩(缓存失效)
名词解释：即缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而导致数据库连接异常。
解决方案:

1. 构建集群

通过搭建 Redis 集群，保障 Redis 的⾼可⽤，避免全盘崩溃。

2. 搭建多级缓存架构

Nginx 缓存 + Redis 缓存 + 其他缓存（ Ehcache 等）。

3. 限流降级

在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量，从⽽避免失效时⼤量的并发请求落到底层存储系统上。⽐如对某个key 只允许⼀个线程查询数据和写缓存，其他线程等待。不适⽤⾼并发情况。

4. 数据预热

在正式部署之前，先把可能的数据先预先访问⼀遍，这样部分可能⼤量访问的数据就会加载到缓存中，在即将发⽣⼤并发访问前⼿动触发加载缓存不同的key ，设置不同的过期时间，让缓存失效的时间点尽量均匀。

5. 设置过期标志更新缓存

记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际 key 的缓存。

6. 将缓存失效时间分散开

⽐如我们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。