常规八股
为什么Redis快、好用呢？
Reids是用C语言开发的NOSQL数据库，将数据储存在内存中，而且提供了很多优化的数据结构，采用IO多路复用模型进行事件处理。
Redis支持哪些数据类型？
hash、set、zset、String、List，位图、地理位置、基数统计
Zset的底层数据结构，查询的时间复杂度？
底层数据结构：ziplist 和 skiplist。满足以下两个条件就用ziplist：
- 有序集合保存的元素数量小于 128 个
- 有序集合保存的所有元素的长度小于 64 字节
时间复杂度：O(log n)
String底层实现？
简单动态字符串（SDS）
Redis的持久化？
AOF 和 RDB
AOF是怎么做的？
开启AOF持久化后，每执行一条会更改Reids中的数据的命令，Redis就会将该命令写入AOF缓冲区中，然后再写入AOF文件中，若AOF太大，需要定期对AOF文件重写，进行压缩，最后再根据持久化方式(fsync策略)的配置来决定何时将系统内核缓冲区的数据同步到硬盘中。
RDB是怎么做的？
通过创建快照来获得存储在内存里面的数据在某个时间点上的副本
RDB的写入策略，按时间写入和每次都写入的区别，优缺点？
按时间写入： 优点：定期将数据持久化到磁盘，减少磁盘I/O操作，降低对性能的影响。 缺点：如果在两次写入操作之间发生故障，可能会导致数据丢失。
每次都写入： 优点：确保数据的实时持久化，避免数据丢失。 缺点：频繁的磁盘I/O操作可能会影响性能
我平时都怎么使用AOF和RDB的？
RDB和AOF混合持久化，当AOF重写时，直接将RDB的内容写到AOF文件的开头
Redis集群
Redis Cluster 将所有数据划分为 16384 个 slots(槽位)，每个节点负责其中一部分槽位。槽位的信息存储于每个节点中。当 Redis Cluster 的客户端来连接集群时，它也会得到一份集群的槽位配置信息并将其缓存在客户端本地。这样当客户端要查找某个 key 时，可以直接定位到目标节点。同时因为槽位的信息可能会存在客户端与服务器不一致的情况，还需要纠正机制来实现槽位信息的校验调整。
Redis集群如何实现负载均衡？
Redis集群通过数据分片和槽位分配机制来实现负载均衡。
Redis集群的主从模型？
Redis集群的主从模型是一种重要的高可用性方案，它通过数据备份和读写分离来提高系统的性能和可靠性。
在主从模型中，包含一个主节点（Master）和一个或多个从节点（Slave）。所有的写操作都在主节点上进行，而读操作可以在主节点和从节点上进行。从节点会复制主节点的数据，实现数据的备份。具体同步步骤如下：
- 从服务器连接到主服务器：首先，从服务器需要连接到主服务器。这通常通过在从服务器上执行
SLAVEOF命令并指定主服务器的IP地址和端口号来完成。 - 发送SYNC命令：从服务器连接到主服务器后，它会发送一个SYNC命令。这个命令触发主服务器开始复制过程。
- 主服务器开始保存数据：收到SYNC命令后，主服务器会在后台保存其数据快照，同时记录从接收到SYNC命令开始执行的所有写命令。
- 主服务器发送数据快照：数据快照完成后，主服务器将其发送给从服务器。从服务器接收数据快照后，会删除所有旧数据，使用新数据快照加载。
- 主服务器发送缓存的写命令：数据快照发送完成后，主服务器将在数据快照过程中记录的所有写命令发送给从服务器。从服务器按照接收顺序执行这些命令，确保其数据与主服务器一致。
- 完成主从同步：完成上述步骤后，主从服务器数据同步。之后，主服务器每执行一次写命令就会将命令发送给所有从服务器，从服务器执行该命令以确保数据一致性。
集群中如何选举主节点？
Redis 集群中，主节点的选举主要依赖于Redis Sentinel或Raft协议等机制进行管理。
- 主观下线和客观下线：每个Sentinel节点都会定期检查主节点的状态。如果一个主节点未能在规定时间内响应Sentinel的PING命令，该Sentinel节点会将其标记为主观下线。然后，Sentinel节点会询问其他Sentinel节点，如果超过半数的Sentinel节点也认为该主节点已下线（客观下线），则开始选举新主节点。
- 选举领导者和投票：在进行选举时，每个Sentinel节点都可以发起选举请求。其他Sentinel节点如果没有已经同意过其他节点的选举请求，则会支持当前的选举请求。当一个Sentinel节点获得超过半数支持时，该节点即成为领导者，负责选举新的主节点。
- 选择新主节点：领导者从从节点中选择一个新主节点，依据包括优先级、复制偏移量和运行ID等信息，以确保数据的同步性和一致性。
Redis的大key问题怎么解决？
- 拆分大key
- 使用hash结构
- 压缩数据
- 分片存储
- 定期清理
- 优化查询方式
- 监控与调优
大key问题的缺点？
- 阻塞请求
- 内存增大
- 阻塞网络
- 影响主从同步、主从切换
如果有一个接口存的是大key，QPS比较低，另外有10个接口，QPS非常高，会有什么影响？
- 资源竞争 ：高QPS的接口可能会占用大量的CPU、内存和网络带宽资源，导致Redis实例无法充分利用其性能。在这种情况下，低QPS的大key接口可能会受到限制，响应时间可能变长。
- 缓存雪崩 ：如果大key的数据被频繁更新或删除，可能会导致大量请求同时到达Redis，进而引发缓存雪崩现象。这种情况下，整个系统的性能都会受到影响。
- 数据倾斜 ：由于大key的数据量较大，可能导致Redis内存使用不均衡，部分内存空间被浪费，而其他小key的空间得不到充分利用。
为什么key不是大key，但QPS非常高的接口，对性能影响没那么大？
- 数据量较小 ：由于key不是大key，每个key对应的数据量较小，因此Redis在处理这些请求时所需的资源较少。
- 操作复杂度较低 ：高QPS的接口可能执行的操作较为简单，如GET、SET等基本操作，这些操作通常不会占用过多的CPU和内存资源。
- 并发 连接数较低 ：如果高QPS的接口并发连接数较低，那么Redis实例可以更好地应对这些请求，不会出现明显的性能瓶颈。
- 负载均衡 ：如果使用了负载均衡技术，如Redis集群或分片，那么高QPS的请求会被分散到多个Redis实例上，从而减轻单个实例的压力。
本地缓存和Redis缓存的区别？
- 实现方式 ：本地缓存通常是指将数据存储在应用程序的内存中，而Redis缓存则是一个独立的分布式缓存系统，它有自己的进程和网络通信机制。
- 数据持久性 ：本地缓存的数据通常只存在于应用程序的运行过程中，当应用程序重启或崩溃时，缓存数据会丢失。而Redis缓存可以将数据持久化到磁盘，即使Redis服务重启，数据仍然可以恢复。
- 容量限制 ：本地缓存的容量受限于应用程序的内存大小，如果缓存数据过多，可能会导致内存溢出。而Redis缓存可以通过配置参数来调整其最大内存限制，并支持数据的淘汰策略（如LRU、LFU等）来管理内存使用。
- 分布式能力 ：Redis缓存支持分布式部署，可以在多台服务器上搭建集群，实现数据的高可用性和扩展性。而本地缓存通常只能在单台服务器上使用。
- 性能特点 ：由于本地缓存直接在内存中操作，访问速度较快，但受内存大小限制；而Redis缓存虽然有一定的网络开销，但在大规模并发访问下仍能保持较高的性能。
- 应用场景 ：本地缓存适用于对实时性要求较高、数据量较小的场景，如用户会话信息、热点数据等；而Redis缓存适用于需要高可用性、可扩展性和持久性的大规模分布式应用，如电商网站的商品信息、社交网络的用户关系等。
Redis的key过期策略？
惰性删除：只会在取key时才对数据进行过期检查。
定期删除：每隔一段时间抽取一批key执行删除过期key操作。
Reids采用：定期删除+惰性删除，并结合Redis内存淘汰机制（处理漏掉的过期key）。
Redis内存淘汰机制？
从已设置过期时间的数据集中：最近最少使用、将要过期、任意选择、最不经常使用
从所有的key中：最近最少使用、任意选择、最不经常使用
