Redis 面试
Q0: redis的数据结构
- String 、Hash、List、Set、ZSet
- HyperLogLog、BitMap、Geo、 SkipList
Q1: redis和memcached的区别
- 1.Redis相比Memcached来说,拥有更多的数据结构和并支持更丰富的数据操作,通常在Memcached里,你需要将数据拿到客户端来进行类似的修改再set回去。这大大增加了网络IO的次数和数据体积。
- 2.memcached没有原生的集群模式,需要依靠客户端来实现往集群中分片写入数据;但是redis目前是原生支持cluster模式的
Q2: redis的线程模型
- 文件事件处理器
IO多路复用机制同时监听多个socket,根据socket上的事件来选择对应的事件处理器来处理这个事件
Q3:redis单线程为什么快?
- 1.纯内存操作
- 2.核心是基于非阻塞的IO多路复用机制
- 3.单线程反而避免了多线程的频繁上下文切换问题
Q4: 客户端与redis的通信流程
- 1.发起一个连接请求,由[IO多路复用程序]监听, 放进[队列]
- 2.由[文件事件分派器]分给[连接应答处理器]
- 3.由[连接应答处理器]跟客户端建立连接,创建客户端对应的socket,同时把socket跟[命令请求处理器]关联
- 4.当客户端向redis发起请求时,在socket产生事件,由对应的[命令请求处理器]处理事件
- 5.当redis准备好了给客户端的响应数据,会把socket跟[命令回复处理器]关联,并由[命令回复处理器]处理事件
- 6.[命令回复处理器]写完之后,就会删除这个socket和[命令回复处理器]的关联关系
涉及的模块: IO多路复用程序、队列、文件事件分派器、[连接应答处理器、命令请求处理器、命令回复处理器]
Q5:Redis的过期策略
-
1.设置了过期时间的情况:定期删除+惰性删除
定期删除: 每隔100ms随机抽一些设置了过期时间的key,检查是否过期,过则删
惰性删除: 获取key的时候,redis检查一下过期没有,过则删
存在问题: 如果既没有走到定期删除,也没有被查,走惰性删除, 则走2↓
-
2.内存淘汰机制
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
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,更早过期时间的key优先移除
Q6: Redis如何支撑高并发
redis replication -> 主从架构 -> 读写分离 -> 水平扩容支撑读高并发
- 采用异步方式复制数据到slave节点
- 一个master node是可以配置多个slave node
- slave node用来横向扩容
Q7:Redis如何保证高可用
- 开启master node的持久化(rdb,aof)
- 哨兵节点, 当master node故障时,自动检测,并将slave node切换为master node(需要至少3个实例)
- 哨兵难以支持在线扩容,可用redis3.0以后支持的redis-clust模式(见Q9)
Q8:Redis如何容灾
- redis持久化:RDB(周期性冷备),AOF(append-only方式写入日志文件 两种方式都要开
Q9:Redis如何支撑海量数据
-
使用redis cluster
支撑N个redis master node,每个master node都可以挂载多个slave node
自动将数据进行分片,每个master上放一部分数据
提供内置的高可用支持,部分master不可用时,还是可以继续工作的 -
redis cluster vs. replication + sentinal
redis cluster,主要是针对海量数据+高并发+高可用的场景
replication + sentinal, 数据量很少,主要是承载高并发高性能的场景
Q10:Redis一致性hash算法
- 2^32-1环+自动寻下一个最近的结点
Q11:缓存穿透
- 事前:redis高可用,主从+哨兵,redis cluster,避免全盘崩溃
- 事中:本地ehcache缓存 + hystrix限流&降级,避免MySQL被打死
- 事后:redis持久化,快速恢复缓存数据
Q12:缓存与数据库双写不一致的问题
- 1.简单的不一致: 先删除缓存,再修改数据库
- 2.复杂的不一致: 更新数据的时候,根据数据的唯一标识,将操作路由之后,发送到一个jvm内部的队列中**,串行化**处理
Q13:缓存写入并发竞争如何解决
- 1.使用分布式锁,确保同一时间只有一个实例在操作某个key
- 2.每次写入之前,判断时间戳是否比当前key值的时间戳更加新,如果是才写入覆盖