Redis相关面试题_2024 Java面试题

一、什么是缓存穿透 ? 怎么解决 ?
缓存穿透是指，在高并发场景下，请求的数据在缓存中不存在，并且对应的数据在数据库中也不存在，导致大量请求直接穿透到数据库，从而引起数据库压力过大，甚至导致宕机的情况。缓存穿透问题不仅会影响系统性能，还可能导致数据不一致的问题。常见的缓存穿透问题场景包括：

• 查询一个不存在的 key。
• 查询一个已经被删除的 key。
• 查询一个非法的 key，比如包含特殊字符、长度超出限制等。

为了避免缓存穿透问题，通常有以下几种解决方法：

1. 布隆过滤器

布隆过滤器是一种数据结构，可以高效地检测一个元素是否存在于集合中。在缓存中使用布隆过滤器，可以在缓存命中之前先对请求参数进行过滤，如果请求参数被布隆过滤器拦截，则直接返回，不再进行后续的缓存和数据库查询操作，从而避免缓存穿透问题。

2. 缓存空对象

在缓存中，对于不存在的数据，可以将其对应的 key 和一个空对象一起存入缓存中，这样在下一次查询时，如果缓存中存在这个 key，就直接返回空对象，避免了对数据库的查询操作。

3. 数据预热

数据预热是指在系统启动时，预先将一些热门数据加载到缓存中。这样，在系统运行时，这些数据已经存在于缓存中，可以直接从缓存中获取，避免了对数据库的查询操作。

4. 限流

限流是指在高并发场景下，控制请求的流量，避免大量的请求同时涌入系统，导致系统崩溃。常见的限流策略包括：漏桶算法、令牌桶算法等。通过限流，可以避免缓存穿透问题。

需要注意的是，在实际应用中，不同的场景和业务需求，可能需要选择不同的解决方案来避免缓存穿透问题，同时还需要考虑缓存的一致性和可靠性等问题。

二、你能介绍一下布隆过滤器吗？
当需要查询一个元素是否在一个集合中时，通常的做法是使用哈希表或者树等数据结构进行查询。但是，当元素的数量非常大时，这种方法的内存开销会变得非常大。布隆过滤器（Bloom Filter）是一种空间效率高、查询效率快的数据结构，可以用来判断一个元素是否在一个集合中。布隆过滤器的基本思想是，使用多个哈希函数对元素进行哈希，并将哈希值分散存储在一个比特数组中。当查询一个元素是否在集合中时，对该元素进行哈希，然后判断对应的比特数组中的值是否都为 1，如果都为 1，那么该元素很可能在集合中，如果有一个 0，那么该元素一定不在集合中。

布隆过滤器优缺点：

优点：

1. 空间效率高：布隆过滤器只需要使用一个比特数组即可，不需要存储元素本身，因此空间效率比较高。

2. 查询效率快：布隆过滤器只需要进行哈希计算和比特数组的查询操作，查询效率非常快。

缺点：

1. 无法删除元素：由于布隆过滤器使用的是哈希函数和比特数组，无法删除元素。

2. 有一定的误判率：由于哈希函数的分布和比特数组的大小等因素，布隆过滤器可能存在误判的情况，即判断一个元素在集合中，实际上并不在集合中。

3. 无法确定一个元素是否在集合中，只能判断一个元素很可能在集合中或者一定不在集合中。

布隆过滤器应用场景：

1. 垃圾邮件过滤：将已知的垃圾邮件的特征放入布隆过滤器中，当新的邮件到来时，对邮件的内容进行哈希，然后查询是否命中布隆过滤器，如果命中则可判定该邮件为垃圾邮件。

2. 缓存穿透：在缓存中使用布隆过滤器，可以在缓存命中之前先对请求参数进行过滤，如果请求参数被布隆过滤器拦截，则直接返回，不再进行后续的缓存和数据库查询操作，从而避免缓存穿透问题。

3. 爬虫重复判定：当爬虫爬取网页时，可以使用布隆过滤器来判断网页是否已经被爬取，如果已经被爬取，则可以直接跳过，避免重复爬取。

需要注意的是，在使用布隆过滤器时，需要对哈希函数的选择和比特数组的大小进行合理的设计，以保证误判率的控制和查询效率的提高。

三、什么是缓存击穿 ? 怎么解决 ?
缓存击穿是指在高并发场景下，一个热点的 key 在缓存中过期或者被删除，导致大量请求直接访问数据库，从而引起数据库压力过大，甚至导致宕机的情况。缓存击穿问题不仅会影响系统性能，还可能导致数据不一致的问题。常见的缓存击穿问题场景包括：

• 热点数据访问频繁，缓存失效时间比较短。
• 缓存中的某个 key 被恶意攻击删除。

为了避免缓存击穿问题，通常有以下几种解决方法：

1. 缓存雪崩

缓存雪崩是指在高并发场景下，缓存中大量的 key 同时失效或者被删除，导致大量请求直接访问数据库，从而引起数据库压力过大，甚至导致宕机的情况。为了避免缓存雪崩问题，可以采用以下几种方法：

• 将缓存失效时间分散开，避免大量的 key 同时失效。
• 对于重要的数据，可以采用多级缓存的方式，这样即使一级缓存失效，也可以从二级缓存中获取数据。
• 对于不同的 key，可以设置不同的过期时间，尽可能的减少缓存同时失效的情况。

2. 加锁

在热点数据访问频繁的情况下，可以通过加锁的方式来避免缓存击穿问题。在缓存失效的时候，加锁操作可以防止多个请求同时访问数据库，只有一个请求可以访问数据库，其他请求等待，直到请求完成后，释放锁让其他请求继续访问。需要注意的是，加锁操作会降低系统的并发度和性能，因此需要合理地使用。

3. 数据预热

数据预热是指在系统启动时，预先将一些热门数据加载到缓存中。这样，在系统运行时，这些数据已经存在于缓存中，可以直接从缓存中获取，避免了对数据库的查询操作。

4. 限流

限流是指在高并发场景下，控制请求的流量，避免大量的请求同时涌入系统，导致系统崩溃。常见的限流策略包括：漏桶算法、令牌桶算法等。通过限流，可以避免缓存击穿问题。

需要注意的是，在实际应用中，不同的场景和业务需求，可能需要选择不同的解决方案来避免缓存击穿问题，同时还需要考虑缓存的一致性和可靠性等问题。

四、什么是缓存雪崩 ? 怎么解决 ?
缓存雪崩是指在高并发场景下，缓存中大量的 key 同时失效或者被删除，导致大量请求直接访问数据库，从而引起数据库压力过大，甚至导致宕机的情况。缓存雪崩问题不仅会影响系统性能，还可能导致数据不一致的问题。常见的缓存雪崩问题场景包括：

• 缓存中的数据过期时间一致，导致在同一时间大量的 key 同时失效。
• 缓存中的数据被恶意攻击删除，导致大量的 key 同时失效。

为了避免缓存雪崩问题，可以采用以下几种解决方法：

1. 将缓存失效时间分散开

将缓存失效时间分散开，避免大量的 key 同时失效。对于相同类型的数据，可以使用不同的过期时间，尽可能的减小缓存雪崩的发生。

2. 采用多级缓存

对于重要的数据，可以采用多级缓存的方式，这样即使一级缓存失效，也可以从二级缓存中获取数据。多级缓存的方式可以有效地避免缓存雪崩问题。

3. 数据预热

在系统启动时，预先将一些热门数据加载到缓存中。这样，在系统运行时，这些数据已经存在于缓存中，可以直接从缓存中获取，避免了对数据库的查询操作。数据预热可以有效地避免缓存雪崩问题。

4. 加锁

在缓存失效的时候，加锁操作可以防止多个请求同时访问数据库，只有一个请求可以访问数据库，其他请求等待，直到请求完成后，释放锁让其他请求继续访问。需要注意的是，加锁操作会降低系统的并发度和性能，因此需要合理地使用。

5. 限流

通过限流，可以避免大量请求同时涌入系统，导致系统崩溃。常见的限流策略包括：漏桶算法、令牌桶算法等。通过限流，可以避免缓存雪崩问题。

需要注意的是，在实际应用中，不同的场景和业务需求，可能需要选择不同的解决方案来避免缓存雪崩问题，同时还需要考虑缓存的一致性和可靠性等问题。

五、redis做为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）
在实际应用中，使用 Redis 作为缓存服务器时，需要考虑 MySQL 数据库和 Redis 缓存之间的数据一致性问题。通常有以下两种方式来保证 MySQL 数据库和 Redis 缓存之间的数据一致性：

1. 双写一致性

双写一致性是指在 MySQL 数据库和 Redis 缓存中同时进行数据写入，保证数据始终一致。在实际应用中，可以使用以下两种方式来实现双写一致性：

• 在应用程序中，同时操作 MySQL 数据库和 Redis 缓存。当应用程序需要写入数据时，先写入 MySQL 数据库，然后再写入 Redis 缓存。这种方式需要保证 MySQL 数据库和 Redis 缓存的数据一致性，如果写入 Redis 缓存失败，可以根据业务需求选择回滚 MySQL 数据库的写入操作，或者发送重试消息等方式来保证数据一致性。
• 使用消息队列，将数据写入 MySQL 数据库和 Redis 缓存的操作封装成消息发送到消息队列中，然后由消费者从消息队列中获取消息并执行写入操作。这种方式可以将 MySQL 数据库和 Redis 缓存的写入操作解耦，提高系统的可扩展性和可维护性，同时也可以实现数据的异步更新。

2. 延迟双删

延迟双删是指在 MySQL 数据库中进行数据删除操作时，先将 Redis 缓存中的数据标记为过期，然后再异步删除 Redis 缓存中过期的数据。在实际应用中，可以使用以下两种方式来实现延迟双删：

• 在应用程序中，先将 MySQL 数据库中的数据删除，然后将 Redis 缓存中的数据标记为过期，再异步删除 Redis 缓存中过期的数据。这种方式需要保证 MySQL 数据库和 Redis 缓存的数据一致性，如果删除 Redis 缓存中的数据失败，可以根据业务需求选择回滚 MySQL 数据库的删除操作，或者发送重试消息等方式来保证数据一致性。
• 使用定时任务，定期扫描 Redis 缓存中过期的数据，并从 MySQL 数据库中查询数据是否被删除。如果数据被删除，则删除 Redis 缓存中对应的数据。这种方式可以减少对 MySQL 数据库的访问次数，提高系统的性能，但是可能会出现数据不一致的情况，需要根据业务需求进行权衡。

需要注意的是，在实际应用中，双写一致性和延迟双删都需要考虑数据一致性和性能的问题，并选择合适的方式来保证 MySQL 数据库和 Redis 缓存之间的数据一致性。

六、那这个排他锁是如何保证读写、读读互斥的呢？
在并发环境下，通过使用排它锁可以保证读写、读读之间的互斥性，从而避免了并发访问的数据竞争问题。在实现排它锁时，通常有以下几种方式来保证读写、读读之间的互斥性：

1. 读写锁

读写锁是一种特殊的锁，它允许多个读操作同时进行，但只允许一个写操作进行。在读写锁的实现中，读操作和写操作之间使用互斥的方式进行，即在写操作进行时，需要等待所有的读操作完成后才能进行写操作。读写锁常用于读多写少的环境中，可以提高系统的并发度和性能。

2. 互斥锁

互斥锁是一种普通的锁，用于保证同一时间只有一个线程可以访问共享资源，从而避免了多个线程之间的数据竞争问题。在互斥锁的实现中，当一个线程获得锁之后，其他线程需要等待该线程释放锁后才能获得锁。互斥锁常用于读写比较平衡的环境中，可以保证读写操作之间的互斥性。

3. 自旋锁

自旋锁是一种特殊的锁，用于避免线程进入睡眠状态，从而提高锁的性能。在自旋锁的实现中，当一个线程请求锁时，如果该锁已经被其他线程持有，那么该线程会一直等待，直到获得锁为止。自旋锁常用于锁的持有时间较短的情况下，可以提高系统的性能。

需要注意的是，在实际应用中，对于不同的场景和业务需求，需要选择合适的锁来保证读写、读读之间的互斥性，并考虑锁的性能和可扩展性等问题。同时，还需要注意锁的使用方式，避免死锁、饥饿等问题的发生。

七、redis做为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）
在实际应用中，使用 Redis 作为缓存服务器时，需要考虑 MySQL 数据库和 Redis 缓存之间的数据一致性问题。通常有以下两种方式来保证 MySQL 数据库和 Redis 缓存之间的数据一致性：

1. 双写一致性

双写一致性是指在 MySQL 数据库和 Redis 缓存中同时进行数据写入，保证数据始终一致。在实际应用中，可以使用以下两种方式来实现双写一致性：

• 在应用程序中，同时操作 MySQL 数据库和 Redis 缓存。当应用程序需要写入数据时，先写入 MySQL 数据库，然后再写入 Redis 缓存。这种方式需要保证 MySQL 数据库和 Redis 缓存的数据一致性，如果写入 Redis 缓存失败，可以根据业务需求选择回滚 MySQL 数据库的写入操作，或者发送重试消息等方式来保证数据一致性。
• 使用消息队列，将数据写入 MySQL 数据库和 Redis 缓存的操作封装成消息发送到消息队列中，然后由消费者从消息队列中获取消息并执行写入操作。这种方式可以将 MySQL 数据库和 Redis 缓存的写入操作解耦，提高系统的可扩展性和可维护性，同时也可以实现数据的异步更新。

2. 延迟双删

延迟双删是指在 MySQL 数据库中进行数据删除操作时，先将 Redis 缓存中的数据标记为过期，然后再异步删除 Redis 缓存中过期的数据。在实际应用中，可以使用以下两种方式来实现延迟双删：

• 在应用程序中，先将 MySQL 数据库中的数据删除，然后将 Redis 缓存中的数据标记为过期，再异步删除 Redis 缓存中过期的数据。这种方式需要保证 MySQL 数据库和 Redis 缓存的数据一致性，如果删除 Redis 缓存中的数据失败，可以根据业务需求选择回滚 MySQL 数据库的删除操作，或者发送重试消息等方式来保证数据一致性。
• 使用定时任务，定期扫描 Redis 缓存中过期的数据，并从 MySQL 数据库中查询数据是否被删除。如果数据被删除，则删除 Redis 缓存中对应的数据。这种方式可以减少对 MySQL 数据库的访问次数，提高系统的性能，但是可能会出现数据不一致的情况，需要根据业务需求进行权衡。

需要注意的是，在实际应用中，双写一致性和延迟双删都需要考虑数据一致性和性能的问题，并选择合适的方式来保证 MySQL 数据库和 Redis 缓存之间的数据一致性。

八、redis做为缓存，数据的持久化是怎么做的？
Redis 作为一种内存数据库，通常会将数据存储在内存中，以提高数据访问速度。但是，如果 Redis 服务器意外宕机或重启，内存中的数据将会丢失，导致数据不一致的问题。为了解决这个问题，Redis 提供了多种数据持久化方式，包括 RDB 和 AOF 两种方式。

1. RDB 持久化

RDB 持久化是指将 Redis 在内存中的数据定期保存到磁盘上的快照文件中。当 Redis 服务器重启时，可以从磁盘上加载快照文件，恢复数据。RDB 持久化的优点是效率高、恢复速度快，适合大规模数据的备份和恢复，缺点是数据的实时性较差。

2. AOF 持久化

AOF 持久化是指将 Redis 在内存中的操作日志记录到磁盘上的 AOF 文件中。当 Redis 服务器重启时，可以通过 replay AOF 文件来恢复数据。AOF 持久化的优点是数据的实时性好，可以保证数据不丢失，缺点是效率较低，文件比较大，恢复速度较慢。

为了兼顾 RDB 和 AOF 持久化的优点，Redis 还提供了混合持久化方式。混合持久化方式可以同时使用 RDB 和 AOF 两种持久化方式，将快照和操作日志都保存到磁盘上，当 Redis 服务器重启时，可以使用快照和操作日志来恢复数据。

需要注意的是，Redis 的持久化方式可以通过配置文件进行配置。在实际应用中，需要根据业务需求和系统性能等因素，选择合适的持久化方式来保证数据的持久化和一致性。同时，还需要定期备份数据和监控 Redis 服务器的运行状态，避免数据丢失和系统故障的发生。

九、这两种方式，哪种恢复的比较快呢？
在 Redis 数据持久化方式中，RDB 恢复比 AOF 恢复快，因为恢复 RDB 数据只需要将 RDB 文件加载到 Redis 中即可，而恢复 AOF 数据则需要 replay AOF 文件中的所有操作，这个过程比较耗时。

RDB 持久化的恢复过程相对简单，通过将 RDB 文件加载到 Redis 中，就可以快速地恢复数据。但是 RDB 的恢复速度较快的同时，数据的实时性较差，如果 Redis 在生成快照文件之前宕机了，那么数据将会丢失。

而 AOF 持久化的恢复过程相对复杂，需要 replay AOF 文件中的所有操作，这个过程比较耗时。但是 AOF 的恢复速度相对较慢的同时，数据的实时性好，可以保证数据不丢失。

因此，在选择 Redis 数据持久化方式时，需要根据实际需求和业务场景来进行选择。如果需要保证数据的实时性，可以选择 AOF 持久化方式；如果数据的实时性要求不高，但是需要快速备份和恢复数据，可以选择 RDB 持久化方式。同时，也可以结合使用 RDB 和 AOF 的混合持久化方式，来兼顾数据的实时性和恢复速度。

十、Redis的数据过期策略有哪些 ?
Redis 作为一种内存数据库，通常用于缓存和高速读写的场景中。为了避免过多的数据占用内存，Redis 提供了多种数据过期策略，包括：

1. 定时过期策略

定时过期策略是指在写入 Redis 数据时，为数据设置一个过期时间，当数据过期时，Redis 会自动将该数据删除。在 Redis 中，可以通过 EXPIRE 和 PEXPIRE 命令来设置过期时间。EXPIRE 命令用于设置以秒为单位的过期时间，PEXPIRE 命令用于设置以毫秒为单位的过期时间。

2. 惰性过期策略

惰性过期策略是指在读取 Redis 数据时，检查数据是否过期，如果数据过期，则将该数据删除。在 Redis 中，可以通过对 key 进行访问操作来触发惰性过期策略，例如 GET 命令。

3. 定期过期策略

定期过期策略是指定期地对 Redis 中的过期数据进行删除。在 Redis 中，定期过期策略的执行由 Redis 服务器的自身机制来触发，Redis 会随机抽取一些设置了过期时间的键，并检查它们是否过期，如果过期则删除它们。在 Redis 中，可以通过设置 maxmemory-policy 参数来控制定期过期策略的执行频率和删除策略。

需要注意的是，在 Redis 中，数据过期策略的执行由 Redis 服务器自身机制来触发，因此无法保证数据一定会在过期时间到达时立即被删除。同时，还需要根据具体的需求和系统性能等因素，选择合适的过期策略来保证数据的内存使用和系统性能。

未完待续，下期再续…