场景题：“我有 10 亿个用户手机号，请你设计一个系统，支持毫秒级查询手机尾号（后 4 位）。” 这道题其实是架构设计里典型的“照妖镜” 。它考的根本不是 SQL 语法，而是你对“异构索引”

很多应用场景都离不开地理位置：外卖平台需要知道离你最近的骑手，电商要给你推荐周边的店铺，物流系统得算最短的配送路线。Redis 其实早就提供了 GEO 系列命令，能很高效地处理地理空间数据

面试官问我：“MySQL有2000万条数据，Redis只能存20万，怎么保证Redis里都是热点数据？”——这题看似简单，其实藏着缓存体系设计的灵魂！今天就跟着我，一起拆解这道“高频面试题”，用故事讲

Cache-aside下数据变更推荐使用删除缓存的策略，为降低数据不一致通常会配合延迟双删策略。但大厂却很少使用这种方式。背后原因是什么呢？延迟双删策略有致命缺陷么？大厂采用什么策略。

在 Redis 3.0 之前，使用 哨兵（sentinel）机制来监控各个节点之间的状态。Redis Cluster 是 Redis 的 分布式解决方案，在 3.0 版本正式推出，有效地解决了 Redis 在 分布式 方面的需求。当遇到 单机内存、并发、流量 等瓶颈时，可以采用…

我们都知道，在面对并发问题时，有加锁操作和保证原子操作两种解决方案。当我们采用加锁操作的时候，因为Redis多采用集群的方式部署，因此我们就需要考虑到锁在分布式系统中使用的注意事项。

Redis 脑裂问题是指，在 Redis 哨兵模式或集群模式中，由于网络原因，导致主节点（Master）与哨兵（Sentinel）和从节点（Slave）的通讯中断，此时哨兵就会误以为主节点已宕机，就会

Redis通过结合纯内存操作、单线程模型、IO多路复用技术和一系列精心设计的高效数据结构，实现了在高并发、低延迟场景下的优秀性能表现。

有个同学去大厂面试，面试官问：redis宕机了，如何恢复数据？ 这位同学当时一脸懵，不知道如何回答。 分析分析这个问题，redis宕机，要想恢复数据，首先redis的数据有没有做持久化，用的是哪