Redis面试题

ens
196 阅读41分钟

使用 Redis 有哪些好处？

Redis（Remote Dictionary Server）是一种开源的内存数据库，被广泛用于构建高性能、高可扩展性的应用程序。使用Redis带来了许多好处，包括：

  1. 快速的读写性能： Redis将数据存储在内存中，因此可以提供非常快速的读写访问速度。这使得Redis成为高吞吐量应用程序的理想选择，如缓存层、会话存储和计数器等。
  2. 支持丰富的数据结构： Redis支持多种数据结构，包括字符串、列表、集合、散列、有序集合等。这使得Redis不仅可以用作缓存，还可以用于各种其他用途，如队列、发布/订阅系统等。
  3. 持久化选项： Redis提供了不同的持久化选项，可以将数据持久化到磁盘上，以便在重启后恢复数据。这使得Redis可以用于更持久的数据存储需求。
  4. 分布式支持： Redis支持分布式部署，可以将数据分片到多个节点上，以实现更高的容量和可扩展性。它还提供了内置的复制和故障转移机制，以增加可用性。
  5. 事务支持： Redis支持事务，允许多个命令在一个事务中执行，保证了原子性。这对于需要执行多个操作并保持数据一致性的应用程序非常有用。
  6. 发布/订阅模式： Redis支持发布/订阅模式，可以用于构建实时通知系统、消息队列和事件驱动的应用程序。

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。

解决方案一：
缓存空数据，查询返回的数据为空，仍把这个空结果进行缓存{key:1,value:null}
优点：简单
缺点：消耗内存，可能会发生不一致的问题

解决方案二：
布隆过滤器
优点：内存占用较少，没有多余key
缺点：实现复杂，存在误判

1694073555697.png

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？

嗯，是这样~

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。

布隆过滤器误判是怎么回事？

hash 算法也叫做 摘要算法，作用是对任意一组数据输入，得到一个固定长度的输出摘要。

image.png

误判的原因，主要是Hash算法的问题。布隆过滤器是由于一个二进制和一个 Hash 算法组成的，Hash 算法存在着一定的碰撞几率。Hash 碰撞的含义是不同的输入值经过 hash 得到相同的 hash 结果。

hash 算法的输入值是无限的，输出值空间是固定的，比如 16位 hash 值的之空间是 65535 这样碰撞几率就是 1/65535 ，即输入值的个数超过 65535 就一定会发生碰撞。

但是，如果使用更长的 hash 值会带来更高的存储成本和计算成本，32 位的 hash 算法，值空间长度是 2^32-1 大概 42亿，如果有 20亿用户数据，碰撞的概率高达 50%。hash 碰撞造成两个用户，A 和 B 会计算出相同的两个 hash 值，如果A 是注册用户，B不是注册用户， 但是 A 和 B 在的的数组中是相同的，然后产生误判。

布隆过滤器的误判有一个特点，只会出现 false positive 的情况，当布隆过滤器判断元素在集合中，这个元素可能不在集合中，但是布隆过滤器判断这个元素不在集合时，它一定不在集合中，这一点非常适合解决缓存穿透的问题。

布隆过滤器有一个可预测的误判率(FPP)：

image.png

n 是已经添加元素的数量；
k 哈希的次数；
m 布隆过滤器的长度(如比特数组的大小)；

布隆过滤器的缺点

  1. 在判断元素是否在集合中有一定的错误几率，会误判，把不是在集合中的元素判断为处在集合中。
  2. 不支持删除元素

什么是缓存击穿，怎么解决

1694073872870.png

缓存击穿的意思是对于设置了过期时间的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：

第一可以使用互斥锁：当缓存失效时，不立即去load db，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 load db的操作并回设缓存，否则重试get缓存的方法直到缓存命中

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的逻辑过期，则优先考虑高可用性，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。

缓存雪崩的原因有可能是 redis 故障

image.png

《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。

总结

穿透: 缓存不存在，数据库不存在，高并发，少量key
击穿：缓存不存在，数据库存在，高并发，少量key
雪崩：缓存不存在，数据库存在，高并发，大量key
语义有些差异，但是，都可以使用限流互斥锁，来保证数据库的稳定。
关键：把每个key的请求量变为1个，O(1)的，所有的请求去抢锁，抢到锁的请求才可以操作数据库 O(1)的，对缓存更新也是O(1)的，其他的请求因为抢不到锁，而在本地自旋，过一会儿再从缓存取，这样的架构是比较健壮和稳定的

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

1694077238043.png 一定、一定、一定要设置前提，先介绍自己的业务背景

允许延迟一致

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，数据同步可以有一定的延时（符合大部分业务）

我们当时采用的阿里的canal组件实现数据同步：不需要更改业务代码，部署一个canal服务。canal服务把自己伪装成mysql的一个从节点，当mysql数据更新以后，canal会读取binlog数据，然后在通过canal的客户端获取到数据，更新缓存即可。

异步通知 1694077180758.png

1694076902746.png

一致性要求高

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

候选人：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，我们当时采用的读写锁保证的强一致性。

我们采用的是redisson实现的读写锁，在读的时候添加共享锁，可以保证读读不互斥，读写互斥。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。

1698210914653.png

面试官：那这个排他锁是如何保证读写、读读互斥的呢？

候选人：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

面试官：你听说过延时双删吗？为什么不用它呢？

候选人：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（数据库主从同步需要时间）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。

redis做为缓存，数据的持久化是怎么做的？

候选人：在Redis中提供了两种数据持久化的方式：1、RDB 2、AOF

面试官：这两种持久化方式有什么区别呢？

候选人：RDB是一个快照文件，它是把redis内存存储的数据写到磁盘上，当redis实例宕机恢复数据的时候，方便从RDB的快照文件中恢复数据。

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

面试官：这两种方式，哪种恢复的比较快呢？

候选人：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

RDB

RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。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

主动备份 image.png

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

RDB的执行原理？
bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。
fork采用的是copy-on-write技术：
当主进程执行读操作时，访问共享内存；
当主进程执行写操作时，则会拷贝一份数据，执行写操作。 1694155457838.png

AOF

AOF全称为Append Only File（追加文件）。Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件

1694155557986.png

1694155647842.png

RDB与AOF对比

1694155803491.png

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。

优点 ：对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查  
缺点 ：对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放

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(每秒执行10次)，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
优点：可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除，也能有效释放过期键占用的内存。
缺点：难以确定删除操作执行的时长和频率。

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的数据淘汰策略有哪些 ?

(假如缓存过多，内存是有限的，内存被占满了怎么办？)

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

面试官：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 ?

候选人：

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

面试官：Redis的内存用完了会发生什么？

候选人：

嗯~，这个要看redis的数据淘汰策略是什么，如果是默认的配置，redis内存用完以后则直接报错。我们当时设置的 allkeys-lru 策略。把最近最常访问的数据留在缓存中。

数据淘汰策略

1694156854638.png

数据淘汰策略-使用建议

  1. 优先使用 allkeys-lru 策略。充分利用 LRU 算法的优势，把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分，建议使用。
  2. 如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用 allkeys-random，随机选择淘汰。
  3. 如果业务中有置顶的需求，可以使用 volatile-lru 策略，同时置顶数据不设置过期时间，这些数据就一直不被删除，会淘汰其他设置过期时间的数据。
  4. 如果业务中有短时高频访问的数据，可以使用 allkeys-lfu 或 volatile-lfu 策略。

Redis分布式锁如何实现 ?

候选人：嗯，在redis中提供了一个命令setnx(SET if not exists)

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

面试官：好的，那你如何控制Redis实现分布式锁有效时长呢？

1694161573659.png

候选人：嗯，的确，redis的setnx指令不好控制这个问题，我们当时采用的redis的一个框架redisson实现的。

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，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

还有一个好处就是，在高并发下，一个业务有可能会执行很快，先客户1持有锁的时候，客户2来了以后并不会马上拒绝，它会自旋不断尝试获取锁，如果客户1释放之后，客户2就可以马上持有锁，性能也得到了提升。

加锁、设置过期时间等操作都是基于lua脚本完成，lua脚本保证redis多条命令执行的原子性。

image.png

image.png

面试官：好的，redisson实现的分布式锁是可重入的吗？

1694161468379.png

候选人：嗯，是可以重入的。这样做是为了避免死锁的产生。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。在存储数据的时候采用的hash结构，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

面试官：redisson实现的分布式锁能解决主从一致性的问题吗

1694161721721.png 候选人：这个是不能的，比如，当线程1加锁成功后，master节点数据会异步复制到slave节点，此时当前持有Redis锁的master节点宕机，slave节点被提升为新的master节点，假如现在来了一个线程2，再次加锁，会在新的master节点上加锁成功，这个时候就会出现两个节点同时持有一把锁的问题。

我们可以利用redisson提供的红锁来解决这个问题，它的主要作用是，不能只在一个redis实例上创建锁，应该是在多个redis实例上创建锁，并且要求在大多数redis节点上都成功创建锁，红锁中要求是redis的节点数量要过半。这样就能避免线程1加锁成功后master节点宕机导致线程2成功加锁到新的master节点上的问题了。

但是，如果使用了红锁，因为需要同时在多个节点上都添加锁，性能就变的很低了，并且运维维护成本也非常高，所以，我们一般在项目中也不会直接使用红锁，并且官方也暂时废弃了这个红锁

面试官：好的，如果业务非要保证数据的强一致性，这个该怎么解决呢？

候选人： 嗯~，redis本身就是支持高可用的，做到强一致性，就非常影响性能，所以，如果有强一致性要求高的业务，建议使用zookeeper实现的分布式锁，它是可以保证强一致性的。

Redis集群有哪些方案, 知道嘛 ?

候选人：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~~

面试官：那你来介绍一下主从同步

1694166847153.png 候选人：嗯，是这样的，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。

面试官：能说一下，主从同步数据的流程

候选人：嗯好！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

候选人：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

1694166767944.png

哨兵选主规则
首先判断主与从节点断开时间长短，如超过指定值就排该从节点
然后判断从节点的slave-priority值，越小优先级越高
如果slave-prority一样，则判断slave节点的offset值，越大优先级越高
最后是判断slave节点的运行id大小，越小优先级越高。

面试官：你们使用redis是单点还是集群，哪种集群

候选人：嗯！，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，也没有办法使用lua脚本和事务

面试官：redis集群脑裂，该怎么解决呢？

1694166919546.png

候选人：嗯！ 这个在项目很少见，不过脑裂的问题是这样的，我们现在用的是redis的哨兵模式集群的

有的时候由于网络等原因可能会出现脑裂的情况，就是说，由于redis master节点和redis salve节点和sentinel处于不同的网络分区，使得sentinel没有能够心跳感知到master，所以通过选举的方式提升了一个salve为master，这样就存在了两个master，就像大脑分裂了一样，这样会导致客户端还在old master那里写入数据，新节点无法同步数据，当网络恢复后，sentinel会将old master降为salve，这时再从新master同步数据，这会导致old master中的大量数据丢失。

关于解决的话，我记得在redis的配置中可以设置：第一可以设置最少的salve节点个数，比如设置至少要有一个从节点才能同步数据，第二个可以设置主从数据复制和同步的延迟时间，达不到要求就拒绝请求，就可以避免大量的数据丢失
redis中有两个配置参数：
min-replicas-to-write 1 表示最少的salve节点为1个
min-replicas-max-lag 5 表示数据复制和同步的延迟不能超过5秒

1694166963464.png

redis的分片集群有什么作用

候选人：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

面试官：Redis分片集群中数据是怎么存储和读取的？

候选人：

嗯~，在redis集群中是这样的

Redis 集群引入了哈希槽的概念，有 16384 个哈希槽，集群中每个主节点绑定了一定范围的哈希槽范围， 根据key的有效部分计算哈希值，对16384取余（有效部分，如果key前面有大括号，大括号的内容就是有效部分，如果没有，则以key本身做为有效部分），余数做为插槽，寻找插槽所在的实例

Redis是单线程的，但是为什么还那么快？

候选人：

1、Redis是纯内存操作，执行速度非常快，他的性能瓶颈是网络延迟而不是执行速度，因此多线程并不会带来巨大的性能提升

2、采用单线程，避免不必要的上下文切换可竞争条件，多线程还要考虑线程安全问题

3、使用多路I/O复用模型来提高网络性能

例如：bgsave 和 bgrewriteaof 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

面试官：能解释一下I/O多路复用模型？

候选人：I/O多路复用是指利用单个线程来同时监听多个Socket ，并在某个Socket可读、可写时得到通知，从而避免无效的等待，充分利用CPU资源。目前的I/O多路复用都是采用的epoll模式实现，它会在通知用户进程Socket就绪的同时，把已就绪的Socket写入用户空间，不需要挨个遍历Socket来判断是否就绪，提升了性能。~~

其中Redis的网络模型就是使用I/O多路复用结合事件的处理器来应对多个Socket请求，比如，提供了连接应答处理器、命令回复处理器，命令请求处理器；

在Redis6.0之后，为了提升更好的性能，在命令回复处理器使用了多线程来处理回复事件，在命令请求处理器中，将命令的转换使用了多线程，增加命令转换速度，在命令执行的时候，依然是单线程

用户空间和内核空间

1694168499614.png

常见的I/O模型

Redis是纯内存操作，执行速度非常快，它的性能瓶颈是网络延迟而不是执行速度， I/O多路复用模型主要就是实现了高效的网络请求

1694168533049.png

1694168596421.png

1694168656053.png

1694168683935.png

Redis网络模型

Redis 内部使用文件事件处理器 file event handler，它是单线程的，所以Redis才叫做单线程模型。它采用IO多路复用机制同时监听多个 socket，将产生事件的 socket 压入任务队列中，事件分派器根据 socket 上的事件类型来选择对应的事件处理器进行处理。

文件事件处理器的结构

  • 多个 socket
  • IO 多路复用程序
  • 文件事件分派器
  • 事件处理器（连接应答处理器、命令请求处理器、命令回复处理器）

多个 socket 可能会并发产生不同的操作，每个操作对应不同的文件事件，但是 IO多路复用程序会监听多个 socket，会将产生事件的 socket 放入队列中排队，事件分派器每次从队列中取出一个 socket，根据 socket 的事件类型交给对应的事件处理器进行处理。

1694168742394.png

一次客户端与Redis的完整通信过程

image.png

建立连接

  1. 首先，redis 服务端进程初始化的时候，会将 server socket 的 AE_READABLE 事件与连接应答处理器关联。
  2. 客户端 socket01 向 redis 进程的 server socket 请求建立连接，此时 server socket 会产生一个 AE_READABLE 事件，IO 多路复用程序监听到 server socket 产生的事件后，将该 socket 压入队列中。
  3. 文件事件分派器从队列中获取 socket，交给连接应答处理器。
  4. 连接应答处理器会创建一个能与客户端通信的 socket01，并将该 socket01 的 AE_READABLE 事件与命令请求处理器关联。

执行一个set请求

  1. 客户端发送了一个 set key value 请求，此时 redis 中的 socket01 会产生 AE_READABLE 事件，IO 多路复用程序将 socket01 压入队列，
  2. 此时事件分派器从队列中获取到 socket01 产生的 AE_READABLE 事件，由于前面 socket01 的 AE_READABLE 事件已经与命令请求处理器关联，
  3. 因此事件分派器将事件交给命令请求处理器来处理。命令请求处理器读取 socket01 的 key value 并在自己内存中完成 key value 的设置。
  4. 操作完成后，它会将 socket01 的 AE_WRITABLE 事件与命令回复处理器关联。
  5. 如果此时客户端准备好接收返回结果了，那么 redis 中的 socket01 会产生一个 AE_WRITABLE 事件，同样压入队列中，
  6. 事件分派器找到相关联的命令回复处理器，由命令回复处理器对 socket01 输入本次操作的一个结果，比如 ok，之后解除 socket01 的 AE_WRITABLE 事件与命令回复处理器的关联。

Redis 如何解决 key 冲突？

Redis 如果 key 相同，后一个 key 会覆盖前一个 key。如果要解决 key 冲突，可以按业务名和参数区分开取名，避免重复 key 导致的冲突。

怎么提高缓存命中率？

  1. 预热缓存： 在应用程序启动时，可以预热缓存，将常用的数据加载到缓存中。这可以避免在应用程序刚启动时出现大量的缓存未命中。
  2. 使用二级缓存： 除了Redis作为主缓存外，还可以使用二级缓存（如本地缓存，例如Guava Cache）来进一步提高命中率。这可以减少对Redis的访问次数，从而降低负载。
  3. 使用LRU算法： Redis支持LRU（最近最少使用）算法，可以自动删除最近最少使用的键，以腾出空间给新数据。通过配置适当的内存限制和最大键数，可以确保缓存中总是包含最重要的数据。
  4. 合理设置缓存过期时间： 根据业务需求和数据的更新频率，设置适当的缓存过期时间。不需要永久缓存的数据可以设置有限的过期时间，以确保缓存中的数据总是新鲜的。
  5. 合理使用数据结构： 根据数据的特性选择合适的Redis数据结构。例如，如果数据是无序的，可以使用集合；如果需要排序，可以使用有序集合；如果需要计数，可以使用计数器

假如 Redis 里面有 1 亿个 key，其中有 10w 个 key 是以某个固定的已知的前缀开头的，如果将它们全部找出来？

如果你想从Redis中找出以某个固定的已知前缀开头的所有key，你可以使用Redis的SCAN命令或者KEYS命令。

  1. 使用SCAN命令： SCAN命令可以用来迭代遍历Redis中的key集合，而不会阻塞服务器。你可以结合MATCH参数来过滤出以特定前缀开头的key。

    示例：

    SCAN 0 MATCH your_prefix*

    这个命令会从游标0开始扫描Redis中的key集合，匹配以"your_prefix"开头的key。Redis 将返回一个列表，其中包含所有匹配前缀的键，以及一个新的游标值。如果还有更多的匹配键需要返回。需要使用新游标值多次执行SCAN命令来遍历整个数据集，直到游标返回0为止。

  2. 使用KEYS命令（不推荐）： KEYS命令可以用来查找匹配给定模式的key，但不推荐在生产环境中使用，因为它会阻塞Redis服务器，可能导致性能问题。

    示例：

    KEYS your_prefix*

    这个命令会立即返回以"your_prefix"开头的所有key，但可能会导致Redis服务器在处理大量key时性能下降。

Redis 报内存不足怎么处理？

  1. 检查内存使用情况： 首先，使用Redis的INFO命令或监控工具来检查Redis的内存使用情况。查看已用内存、最大内存限制、剩余内存等信息，以确定内存不足的原因。
  2. 设置合理的最大内存限制： 如果Redis没有设置最大内存限制（maxmemory），或者设置得过小，可以通过修改配置文件来设置一个合理的最大内存限制。确保将最大内存限制设置为系统可用内存的一部分，以避免Redis占用过多内存。
  3. 设置缓存淘汰策略: Redis支持LRU（最近最少使用）算法，可以自动删除最近最少使用的键，以腾出空间给新数据。
  4. 使用内存优化数据结构： 如果内存不足是由于大量数据导致的，考虑使用更紧凑或内存友好的数据结构，以减少内存使用。例如，使用Redis的哈希表数据结构可以减少存储多个小键值对的内存开销。
  5. 删除不必要的数据： 如果数据中包含不再需要的或过期的键值对，可以使用DEL命令来删除它们，释放内存。
  6. 使用数据分区： 如果数据集非常大，考虑将数据分区到多个Redis实例中，以便每个实例只处理一部分数据。这可以通过Redis的分布式特性来实现，以减轻单个实例的内存压力。
  7. 启用数据持久化： 使用数据持久化机制（如RDB快照或AOF日志）来将数据保存到磁盘上，以释放内存。当Redis重新启动时，可以从持久化文件中恢复数据。
  8. 升级硬件或扩展内存： 如果内存不足是由于硬件资源不足导致的，考虑升级服务器的内存或者在集群中添加更多的Redis节点来扩展内存容量。

Memcache与Redis的区别都有哪些？

ChatGPT

Memcached（通常称为Memcache）和Redis都是用于缓存的内存数据库，它们在某些方面相似，但也有一些重要的区别。以下是Memcached和Redis的主要区别：

  1. 数据类型支持：

    • Redis支持丰富的数据结构，如字符串、列表、集合、有序集合、散列等。这些数据结构允许更复杂的数据操作，如计数、排序、范围查询等。
    • Memcached只支持简单的键值对存储，不支持复杂的数据结构。

  2. 持久性：

    • Redis支持数据持久性，可以将数据保存到磁盘上，并在重启后恢复数据。这使得Redis更适合于用作数据库的辅助存储。
    • Memcached不提供持久性支持，数据通常在内存中，并且不会持久化到磁盘。

  3. 复制和高可用性：

    • Redis支持主从复制，可以创建多个Redis实例的副本来提高可用性和数据冗余。
    • Memcached没有内置的复制机制，需要依赖客户端库或第三方工具来实现高可用性。

  4. 数据过期策略：

    • Redis支持设置键的过期时间，可以自动删除过期的数据。这对于缓存和会话管理非常有用。
    • Memcached也支持过期时间，但其过期策略较为简单，通常是基于LRU（最近最少使用）算法的。

  5. 数据分区：

    • Redis支持数据分区和分片，可以水平扩展存储容量和吞吐量。
    • Memcached也支持分布式部署，但数据分区相对较简单。

  6. 性能：

    • Redis通常在读取和写入性能方面表现更好，因为它支持更复杂的数据结构和数据持久化。
    • Memcached在写入性能方面可能更高，因为它专注于简单的键值对操作。

  7. 社区和生态系统：

    • Redis有更广泛的社区支持，拥有丰富的客户端库和插件，以及大量的文档和教程。
    • Memcached也有一定的社区支持，但相对来说较小。

总的来说，选择使用Memcached还是Redis取决于您的具体需求。如果您需要更丰富的数据结构、数据持久性和高级功能，那么Redis可能更适合您。如果您只需要一个简单的键值对存储，并且注重性能，那么Memcached可能足够了。在某些情况下，两者也可以结合使用，以满足不同方面的需求。

Redis是单线程的，如何提高多核CPU的利用率？

可以在同一个服务器部署多个Redis的实例，并把他们当作不同的服务器来使用，在某些时候，无论如何一个服务器是不够的， 所以，如果你想使用多个CPU，你可以考虑一下分片（shard）。

Redis 的数据类型及使用场景并举例说明

Redis支持多种数据类型，每种数据类型都有其特定的用途和场景。以下是Redis的主要数据类型及其使用场景，并附带示例说明：

  1. 字符串（String）：

    • 使用场景：存储单个值，如用户会话、计数器、配置信息等。

    • 示例：

      SET username "john_doe"
GET username

  2. 列表（List）：

    • 使用场景：存储有序的多个值，可用于消息队列、任务队列、时间线等。

    • 示例：

      LPUSH tasks "task1"
LPUSH tasks "task2"
LRANGE tasks 0 -1

      Redis Lrange 返回列表中指定区间内的元素，区间以偏移量 START 和 END 指定。 其中 0 表示列表的第一个元素， 1 表示列表的第二个元素，以此类推。 你也可以使用负数下标，以 -1 表示列表的最后一个元素， -2 表示列表的倒数第二个元素，以此类推。

  3. 集合（Set）：

    • 使用场景：存储无序的唯一值，可用于记录用户的喜好、标签、关注者等。

    • 示例：

      SADD tags "tag1"
SADD tags "tag2"
SMEMBERS tags

  4. 有序集合（Sorted Set）：

    • 使用场景：存储有序的唯一值，并为每个值分配一个分数，可用于排行榜、优先级队列等。

    • 示例：

      ZADD leaderboard 100 "player1"
ZADD leaderboard 200 "player2"
ZRANGE leaderboard 0 -1 WITHSCORES

  5. 散列（Hash）：

    • 使用场景：存储字段-值对，用于表示对象或实体，如用户信息、产品信息等。

    • 示例：

      HSET user:id:123 username "john_doe"
HSET user:id:123 email "john@example.com"
HGETALL user:id:123

  6. 位图（Bitmap）：

    • 使用场景：存储位操作数据，用于记录用户在线状态、签到情况等。

    • 示例：

      SETBIT user:status 1000 1
GETBIT user:status 1000

      SETBIT key offset value

  7. 地理空间索引（Geospatial Index）：

    • 使用场景：存储地理坐标，用于地理位置相关的应用，如附近的人、商店定位等。

    • 示例：

      GEOADD locations 13.361389 38.115556 "Palermo"
GEODIST locations "Palermo" "Catania" km
GEORADIUS locations 15 37 200 km

  8. HyperLogLog：

    • 使用场景：用于近似的基数计数，如统计网站的独立访问者数量。

    • 示例：

      PFADD visitors "user1"
PFADD visitors "user2"
PFCOUNT visitors

这些是Redis的主要数据类型，每种类型都有独特的用途和适用场景。根据您的应用程序需求，您可以选择合适的数据类型来存储和处理数据。 Redis的多种数据结构和高性能使其成为各种应用程序的理想选择，从缓存到实时分析，再到地理信息系统等各种领域。

了解Redis的事务吗

在Redis中，事务是一组Redis命令的有序执行序列，可以保证这些命令要么全部执行成功，要么全部执行失败，具有原子性。Redis的事务机制基于MULTI、EXEC、DISCARD和WATCH等命令来实现。

以下是Redis事务的主要概念和用法：

  1. MULTI： 事务的开始标志。当执行MULTI命令后，Redis会进入事务模式，接下来的命令不会立即执行，而是被放入一个队列中等待执行。
  2. EXEC： 用于执行事务中的所有命令。一旦执行EXEC命令，Redis会按照事务队列中的顺序执行所有命令，并返回执行结果。如果其中某个命令失败（例如，由于数据冲突或语法错误），则事务会回滚，所有命令都不会执行。
  3. DISCARD： 用于取消事务，将所有排队的命令清空，不执行。可以在事务开始后随时使用DISCARD来放弃执行事务。
  4. WATCH： 用于监视一个或多个键，如果在事务执行期间被监视的键发生了变化，事务将被中断（即，不会执行EXEC），以防止并发冲突。WATCH命令可以用来实现乐观锁。

Redis事务的使用示例：

MULTI
SET key1 "value1"
SET key2 "value2"
EXEC

在这个示例中，MULTI表示开始一个事务，然后紧跟着两个SET命令将键值对添加到事务队列中，最后通过EXEC命令执行事务。

Redis事务是一种强大的功能，用于确保一组命令的原子性执行。然而，需要注意的是，Redis事务并不支持回滚到保存点，一旦EXEC执行，所有命令将被执行，因此需要小心处理事务中可能导致失败的命令。

为什么Redis的操作是原子性的，怎么保证原子性的？

Redis的操作是原子性的，这意味着Redis中的每个命令都是不可分割的单个操作，要么完全执行，要么不执行，不会中间状态或部分执行。Redis保证原子性的主要原因和方法如下：

  1. 单线程模型： Redis采用单线程的模型来处理客户端请求。这意味着在任何给定时刻，只有一个命令在执行，Redis不会被并发的多个命令干扰。这可以避免竞态条件和数据不一致的问题。

  2. 事务： Redis支持事务，可以将一组命令包装在MULTI和EXEC命令之间，这样它们就会以原子方式执行。在事务中，Redis会在EXEC命令执行之前将所有的命令排队，并在执行时确保没有其他客户端的命令被插入。

    示例：

    MULTI
SET key1 "value1"
SET key2 "value2"
EXEC

  3. 保证单命令原子性： 即使不使用事务，Redis也会确保单个命令的原子性。例如，对于字符串的SET命令，要么设置成功，要么失败，不会出现部分更新的情况。同样，对于列表、集合等数据结构，Redis的命令也是原子的。

  4. WATCH命令： Redis还提供了WATCH命令，用于乐观锁控制。客户端可以在事务开始前监视一个或多个键，如果在事务执行期间被监视的键发生了变化，事务将被取消。这可以用于实现基于键的并发控制。

    示例：

    WATCH key1
MULTI
SET key1 "new_value"
EXEC

  5. 分布式锁： Redis还可以用于实现分布式锁，通过SETNX（SET if Not eXists）命令来获取锁。这个命令是原子的，只有一个客户端能够成功获取锁。

    示例：

    SETNX lock:resource1 "locked"

总之，Redis通过其单线程执行模型、事务支持和保证单个命令的原子性，来确保数据操作的原子性。这意味着Redis的操作要么全部成功，要么全部失败，从而保持数据的一致性和可靠性。这对于处理并发和事务性要求高的应用程序非常重要。但要注意，原子性并不代表并发性，仍然需要考虑并发访问和竞态条件的问题。

同时有多个子系统去set一个key。这个时候要注意什么呢？

不推荐使用redis的事务机制。因为我们的生产环境，基本都是redis集群环境，做了数据分片操作。你一个事务中有涉及到多个key操作的时候，这多个key不一定都存储在同一个redis-server上。因此，redis的事务机制，十分鸡肋。

  1. 如果对这个key操作，不要求顺序： 准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可
  2. 如果对这个key操作，要求顺序： 分布式锁+时间戳。 假设系统B先抢到锁，将key1设置为 {valueB 3:05}。接下来系统A抢到锁，发现自己的valueA的时间戳早于缓存中的时间戳，那就不做set操作了。以此类推。
  3. 利用队列，将set方法变成串行访问也可以，redis遇到高并发，如果保证读写key的一致性 对redis的操作都是具有原子性的,是线程安全的操作,你不用考虑并发问题,redis内 部已经帮你处理好并发的问题了。

Redis 常见性能问题和解决方案？

(1) Master 最好不要做任何持久化工作，如 RDB 内存快照和 AOF 日志文件
(2) 如果数据比较重要，某个 Slave 开启 AOF 备份数据，策略设置为每秒同步一次
(3) 为了主从复制的速度和连接的稳定性， Master 和 Slave 最好在同一个局域网内 (4) 尽量避免在压力很大的主库上增加从库
(5) 主从复制不要用图状结构，用单向链表结构更为稳定

avatar
文章
阅读
粉丝