Redis面试题

什么是 Redis？

Redis 是一种基于内存的数据库，对数据的读写操作都是在内存中完成，因此读写速度非常快，常用于缓存，消息队列、分布式锁等场景

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（关闭文件、AOF 刷盘、释放内存是会启动后台线程（BIO）的）

3、使用多路I/O复用模型，非阻塞IO

例如：RDB和AOF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

Redis 数据类型以及使用场景分别是什么？

- 5 种基础数据类型：String（字符串）、List（列表）、Set（无序唯一集合）、Zset（有序唯一集合）、Hash（散列）。
- 3 种特殊数据类型：HyperLogLog（基数统计）、Bitmap（位图）、Geospatial（地理位置）。

除了上面提到的之外，还有一些其他的比如 Bloom filter（布隆过滤器）、Bitfield（位域）。

- String 类型的应用场景：缓存对象、常规计数、分布式锁、共享 session 信息等。

- List 类型的应用场景：消息队列（但是有两个问题：1.生产者需要自行实现全局唯一 ID；2.不能以消费组形式消费数据）等。

- Set 类型的应用场景：聚合计算（并集、交集、差集）场景，比如点赞、共同关注、抽奖活动等。

- Zset 类型的应用场景：排序场景，比如排行榜、电话和姓名排序等。

- Hash 类型的应用场景：缓存对象、购物车等。

参考：https://xiaolincoding.com/redis/data_struct/command.html#string

什么是缓存穿透？怎么解决？

缓存穿透是指查询一个一定不存在的数据，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到DB去查询，可能导致DB挂掉。这种情况大概率是遭到了攻击。

解决方案的话，我们通常都会用布隆过滤器来解决它

你能介绍一下布隆过滤器吗？

布隆过滤器主要是用于检索一个元素是否在一个集合中。我们当时使用的是redisson实现的布隆过滤器。

它的底层主要是先去初始化一个比较大数组，里面存放的二进制0或1。在一开始都是0，当一个key来了之后经过3次hash计算，模于数组长度找到数据的下标然后把数组中原来的0改为1，这样的话，三个数组的位置就能标明一个key的存在。查找的过程也是一样的。

当然是有缺点的，布隆过滤器有可能会产生一定的误判，我们一般可以设置这个误判率，大概不会超过5%，其实这个误判是必然存在的，要不就得增加数组的长度，其实已经算是很划分了，5%以内的误判率一般的项目也能接受，不至于高并发下压倒数据库。

什么是缓存击穿？怎么解决？

缓存击穿的意思是对于设置了过期时间的热点key，缓存在某个时间点过期的时候，恰好这时间点对这个Key有大量的并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把DB压垮。

解决方案有两种方式：

第一可以使用分布式锁：当缓存失效时，不立即去查询数据库，先使用如Redis的setnx去设置一个互斥锁，当操作成功返回时再进行查询数据库的操作并回设缓存，否则重试get缓存的方法

第二种方案可以设置当前key逻辑过期，大概是思路如下：

①：在设置key的时候，设置一个过期时间字段一块存入缓存中，不给当前key设置过期时间

②：当查询的时候，从redis取出数据后判断时间是否过期

③：如果过期则开通另外一个线程进行数据同步，当前线程正常返回数据，这个数据不是最新当然两种方案各有利弊：

如果选择数据的强一致性，建议使用分布式锁的方案，性能上可能没那么高，锁需要等，也有可能产生死锁的问题

如果选择key的逻辑删除，则优先考虑的高可用性，性能比较高，但是数据同步这块做不到强一致。

什么是缓存雪崩？怎么解决？

缓存雪崩意思是设置缓存时采用了相同的过期时间，导致大量缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重雪崩。与缓存击穿的区别：雪崩是很多 key，击穿是某一个 key缓存。

解决方案主要是可以将缓存失效时间分散开，比如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。

缓存三兄弟

穿透无中生有key，布隆过滤null隔离。

缓存击穿过期key，锁与非期解难题。

雪崩大量过期key，过期时间要随机。

面试必考三兄弟，可用限流来保底。

Redis分布式锁如何实现？

我们当使用的redisson实现的分布式锁，底层是setnx和lua脚本（保证原子性）

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

那你如何控制Redis实现分布式锁有效时长呢？

在redisson中需要手动加锁，并且可以控制锁的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（WatchDog），一个线程获取锁成功以后没有设置锁自动释放时间的话，WatchDog会给持有锁的线程续期（默认是每隔10秒续期一次），就是说每隔一段时间就检查当前业务是否还持有锁，如果持有就增加加锁的持有时间，当业务执行完成之后需要使用释放锁就可以了

redisson实现的分布式锁是可重入的吗？

嗯，是可以重入的。这样做是为了避免死锁的产生，在存储数据的时候采用的hash结构，来存储线程信息和重入的次数，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。这个重入其实在内部就是判断是否是当前线程持有的锁，如果是当前线程持有的锁就会计数，如果释放锁就会在计算上减一。

Redisson锁能解决主从数据一致的问题吗

不能解决，但是可以使用redisson提供的红锁来解决，但是这样的话，性能就太低了，如果业务中非要保证数据的强一致性，建议采用zookeeper实现的分布式锁

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

1.强一致性的，采用Redisson提供的读写锁

①共享锁：读锁readLock，加锁之后，其他线程可以共享读操作

②排他锁：独占锁writeLock也叫，加锁之后，阻塞其他线程读写操作

嗯！就说我最近做的这个项目，里面有 xxxx（根据自己的简历上写）的功能，需要让数据库与redis高度保持一致，因为要求时效性比较高，我们采用的是redisson实现的读写锁保证的强一致性。在读的时候添加共享锁，可以保证读读不互斥；当我们更新数据的时候，添加排他锁，它是读写，读读都互斥，这样就能保证在写数据的同时是不会让其他线程读数据的，避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一把锁才行。其实排他锁底层使用也是setnx，保证了同时只能有一个线程操作锁住的方法

2.允许延时一致的业务，采用异步通知

①使用MQ中间中间件，更新数据之后，通知缓存删除

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

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

双写一致性-延迟双删

你听说过延时双删吗？为什么不用它呢？

延迟双删，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，其中这个延时多久不太好确定，在延时的过程中可能会出现脏数据，并不能保证强一致性，所以没有采用它。

双写一致性-分布式锁读写锁

双写一致性-异步通知

Redis 的大 key 如何处理？

大 key 并不是指 key 的值很大，而是 key 对应的 value 很大。 一般而言，下面这两种情况被称为大 key：

-String 类型的值大于 10 KB；

-Hash、List、Set、ZSet 类型的元素的个数超过 5000个；

如何找到大 key ？

1、redis-cli --bigkeys 查找大key

redis-cli -h 127.0.0.1 -p6379 -a "password" -- bigkeys

2、使用 SCAN 命令查找大 key

3、使用 RdbTools 工具查找大 key

# 将大于 10 kb 的  key  输出到一个表格文件
rdb dump.rdb -c memory --bytes 10240 -f redis.csv

如何删除大 key？

1、分批次删除 2、异步删除

redis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，一般两种混合使用

(1) RDB是一个快照文件，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

[root@localhost ~]# redis-cl i
127.0.0.1:6379> save	#由Redis主进程来执行RDB，会阻塞所有命令
ok
127.0.0.1:6379> bgsave	#开启子进程执行RDB，避免主进程受到影响
Background saving started

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

#900秒内，如果至少有1个key被修改，则执行bgsave
save 9001
save 30010
save 6010000

(2) AOF的含义是追加文件，当redis操作写命令的时候，都会存储这个文件中，当redis实例宕机恢复数据的时候，会从这个文件中再次执行一遍命令来恢复数据。默认是关闭的，需要修改redis. conf配置文件来开启AOF:

#是否开启AOF功能，默认是no
appendonly yes
#AOF文件的名称
appendfilename" appendonly. aof"

AOF的命令记录的频率也可以通过redis. conf文件来配：

#表示每执行一次写命令，立即记录到AOF文件(同步刷盘	可靠性高，几乎不丢数据	性能影响大)
appendfsync always
#写命令执行完先放入AOF缓冲区，然后表示每隔1秒将缓冲区数据写到AOF文件，是默认方案(每秒刷盘	性能适中	最多丢失1秒数据)
appendfsync everysec
#写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘(操作系统控制  性能最好	可靠性较差，可能丢失大量数据)
appendfsync no

RDB和AOF这两种方式，哪种恢复的比较快呢？

RDB因为是二进制文件，在保存的时候体积也是比较小的，它恢复的比较快，但是它有可能会丢数据，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，但是它丢数据的风险要小很多，在AOF文件中可以设置刷盘策略，我们当时设置的就是每秒批量写入一次命令

Redis的数据淘汰策略有哪些？

嗯，这个在redis中提供了很多种，默认是noeviction，不删除任何数据，内部不足直接报错

是可以在redis的配置文件中进行设置的，里面有两个非常重要的概念，一个是LRU，另外一个是LFU

LRU的意思就是最少最近使用，用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。

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

我们在项目设置的是allkeys-lru，挑选最近最少使用的数据淘汰，把一些经常访问的key留在redis中

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（挑选最近最少使用的数据淘汰）淘汰策略，那留下来的都是经常访问的热点数据

Redis的数据过期策略有哪些？

在redis中提供了两种数据过期删除策略

第一种是惰性删除，在设置该key过期时间后，我们不去管它，当需要该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。

第二种是定期删除，就是说每隔一段时间，我们就对一些key进行检查，删除里面过期的key

定期清理的两种模式：

·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，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：惰性删除+定期删除两种策略进行配合使用。

Redis集群有哪些方案？

在Redis中提供的集群方案总共有三种：主从复制、哨兵模式、Redis分片集群

那你来介绍一下主从同步

单节点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

主从同步分为了两个阶段，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：

第一：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。

第二：主节点判断是否是第一次请求，主要判断的依据就是，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。

第三：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文件，这样就保持了一致

当然，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了，后期再同步数据的时候，都是依赖于这个日志文件，这个就是全量同步

增量同步指的是，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

你们使用redis是单点还是集群，哪种集群

我们当时使用的是主从（1主1从）加哨兵。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，也没法使用 lua脚本和事务

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