Redis相關面試題

緩存三劍客

面試官：什么是緩存穿透 ? 怎么解決 ?

緩存穿透是指查詢一個一定不存在的數據，如果從存儲層查不到數據則不寫入緩存，這將導致這個不存在的數據每次請求都要到 DB 去查詢，可能導致 DB 掛掉。這種情況大概率是遭到了攻擊。

解決方案的話：

1. 緩存空對象（實現簡單，維護方便），但是會有額外的內存消耗，可以設置合理的TTL，數據可能不一致
2. 布隆過濾器

面試官：好的，你能介紹一下布隆過濾器嗎？

布隆過濾器主要是用于檢索一個元素是否在一個集合中。我們當時使用的是redisson實現的布隆過濾器。

它的底層主要是先去初始化一個比較大數組，里面存放的二進制0或1。在一開始都是0，當一個key來了之后經過3次hash計算，模于數組長度找到數據的下標然后把數組中原來的0改為1，這樣的話，三個數組的位置就能標明一個key的存在。查找的過程也是一樣的。

當然是有缺點的，布隆過濾器有可能會產生一定的誤判，我們一般可以設置這個誤判率，大概不會超過5%，其實這個誤判是必然存在的，要不就得增加數組的長度，其實已經算是很劃分了，5%以內的誤判率一般的項目也能接受，不至于高并發下壓倒數據庫。

面試官：什么是緩存擊穿 ? 怎么解決 ?

熱點key問題：一個被高并發訪問并且緩存重建業務較復雜的key突然失效了，無數的請求訪問會在瞬間給數據庫帶來巨大的沖擊。

解決方案有兩種方式：

1. 互斥鎖：當緩存失效時，線程1先獲取一個互斥鎖，查詢數據庫實現緩存重建，此時其他線程獲取不到鎖只能休眠再重試，最后緩存重建完成后，其他線程可以查到緩存。

   

2. 邏輯過期：

   

   1. 在設置key的時候，設置一個過期時間字段一塊存入緩存中，不給當前key設置過期時間
   2. 當查詢的時候，從redis取出數據后判斷時間是否過期
   3. 如果過期則開通另外一個線程進行數據同步，當前線程正常返回數據，這個數據不是最新

當然兩種方案各有利弊：

• 強一致性：分布式鎖的方案，性能上可能沒那么高，鎖需要等，也有可能產生死鎖的問題
• 高可用性：邏輯刪除，則優先考慮的高可用性，性能比較高，但是數據同步這塊做不到強一致。

面試官：什么是緩存雪崩 ? 怎么解決 ?

存雪崩是指在同一時段大量的緩存key同時失效或者Redis服務宕機，導致大量請求到達數據庫，帶來巨大壓力。

與緩存擊穿的區別：雪崩是很多key，擊穿是某一個key緩存。

解決方案：

• 給不同的Key的TTL添加隨機值
• 利用Redis集群提高服務的可用性
• 給緩存業務添加降級限流策略
• 給業務添加多級緩存

**面試官：**緩存的淘汰策略

• 內存淘汰（redis會自動將一些不常用的緩存清理）
• 超時剔除（超過了TTL，會自動清理）
• 主動更新（主動刪除緩存）

數據庫緩存不一致

面試官：redis做為緩存，mysql的數據如何與redis進行同步呢？（雙寫一致性）

性能高，數據不是強一致：我們當時是把商鋪的熱點數據存入到了緩存中，雖然是熱點數據，但是實時要求性并沒有那么高，所以，我們當時采用的延遲雙刪。

性能低，數據強一致：我們當時是把搶券的庫存存入到了緩存中，這個需要實時的進行數據同步，為了保證數據的強一致，我們當時采用的是redisson提供的讀寫鎖來保證數據的同步。

延遲雙刪：不能保證強一致，有臟數據的風險

1. 不論先刪除哪個都有臟數據的風險
2. 所以要刪除兩次緩存就是為了降低臟數據的風險
3. 延遲刪除，因為數據庫是主從模式，讀寫是分離的，延時一會讓主節點把數據同步到從節點

分布式鎖：保證強一致，但是性能低。

共享鎖：讀鎖readLock，加鎖之后，其他線程可以共享讀操作
排他鎖：獨占鎖writeLock也叫，加鎖之后，阻塞其他線程讀寫操作

異步通知：保證數據最終一致性。

持久化

面試官：redis做為緩存，數據的持久化是怎么做的？

在Redis中提供了兩種數據持久化的方式：1、RDB 2、AOF

面試官：這兩種持久化方式有什么區別呢？

RDB是一個快照文件，它是把redis內存存儲的數據寫到磁盤上，當redis實例宕機恢復數據的時候，方便從RDB的快照文件中恢復數據。

AOF的含義是追加文件，當redis操作寫命令的時候，都會存儲這個文件中，當redis實例宕機恢復數據的時候，會從這個文件中再次執行一遍命令來恢復數據。

面試官：這兩種方式，哪種恢復的比較快呢？

RDB因為是二進制文件，在保存的時候體積也是比較小的，它恢復的比較快，但是它有可能會丟數據，我們通常在項目中也會使用AOF來恢復數據，雖然AOF恢復的速度慢一些，但是它丟數據的風險要小很多，在AOF文件中可以設置刷盤策略，我們當時設置的就是每秒批量寫入一次命令

RDB和AOF各有自己的優缺點，如果對數據安全性要求較高，在實際開發中往往會結合兩者來使用。

數據過期策略

面試官：假如redis的key過期之后，會立即刪除嗎？

惰性刪除：在設置該key過期時間后，我們不去管它，當使用key時，再檢查其是否過期，如果過期就刪掉它，反之返回該key。

定期刪除：每隔一段時間，我們就對一些key進行檢查，刪除里面過期的key。

定期清理的兩種模式：

• SLOW模式是定時任務，執行頻率默認為10hz，每次不超過25ms，以通過修改配置文件redis.conf 的 hz 選項來調整這個次數
• FAST模式執行頻率不固定，每次事件循環會嘗試執行，但兩次間隔不低于2ms，每次耗時不超過1ms

Redis的過期刪除策略：惰性刪除 + 定期刪除兩種策略進行配合使用。

數據淘汰策略

面試官：假如緩存過多，內存是有限的，內存被占滿了怎么辦？

嗯，這個在redis中提供了很多種，默認是noeviction，不刪除任何數據，內部不足直接報錯

是可以在redis的配置文件中進行設置的，里面有兩個非常重要的概念，一個是LRU，另外一個是LFU

LRU：最少最近使用，用當前時間減去最后一次訪問時間，這個值越大則淘汰優先級越高。

LFU：最少頻率使用。會統計每個key的訪問頻率，值越小淘汰優先級越高

面試官：數據庫有1000萬數據，Redis只能緩存20w數據，如何保證Redis中的數據都是熱點數據 ?

可以使用 allkeys-lru （挑選最近最少使用的數據淘汰）淘汰策略，那留下來的都是經常訪問的熱點數據

面試官：Redis的內存用完了會發生什么？

這個要看redis的數據淘汰策略是什么，如果是默認的配置，redis內存用完以后則直接報錯。我們當時設置的 allkeys-lru 策略。把最近最常訪問的數據留在緩存中。

Redis分布式鎖

面試官：Redis分布式鎖如何實現 ?

嗯，在redis中提供了一個命令setnx(SET if not exists)

由于redis的單線程的，用了命令之后，只能有一個客戶端對某一個key設置值，在沒有過期或刪除key的時候是其他客戶端是不能設置這個key的

面試官：好的，那你如何控制Redis實現分布式鎖有效時長呢？

的確，redis的setnx指令不好控制這個問題，我們當時采用的redis的一個框架redisson實現的。

在redisson中需要手動加鎖，并且可以控制鎖的失效時間和等待時間，當鎖住的一個業務還沒有執行完成的時候，在redisson中引入了一個看門狗機制，就是說每隔一段時間就檢查當前業務是否還持有鎖，如果持有就增加加鎖的持有時間，當業務執行完成之后需要使用釋放鎖就可以了

還有一個好處就是，在高并發下，一個業務有可能會執行很快，先客戶1持有鎖的時候，客戶2來了以后并不會馬上拒絕，它會自旋不斷嘗試獲取鎖，如果客戶1釋放之后，客戶2就可以馬上持有鎖，性能也得到了提升。

面試官：好的，redisson實現的分布式鎖是可重入的嗎？

是可以重入的。這樣做是為了避免死鎖的產生。這個重入其實在內部就是判斷是否是當前線程持有的鎖，如果是當前線程持有的鎖就會計數，如果釋放鎖就會在計算上減一。在存儲數據的時候采用的hash結構，大key可以按照自己的業務進行定制，其中小key是當前線程的唯一標識，value是當前線程重入的次數。

面試官：redisson實現的分布式鎖能解決主從一致性的問題嗎？

這個是不能的，比如，當線程1加鎖成功后，master節點數據會異步復制到slave節點，此時當前持有Redis鎖的master節點宕機，slave節點被提升為新的master節點，假如現在來了一個線程2，再次加鎖，會在新的master節點上加鎖成功，這個時候就會出現兩個節點同時持有一把鎖的問題。

我們可以利用redisson提供的紅鎖來解決這個問題，它的主要作用是，不能只在一個redis實例上創建鎖，應該是在多個redis實例上創建鎖，并且要求在大多數redis節點上都成功創建鎖，紅鎖中要求是redis的節點數量要過半。這樣就能避免線程1加鎖成功后master節點宕機導致線程2成功加鎖到新的master節點上的問題了。

但是，如果使用了紅鎖，因為需要同時在多個節點上都添加鎖，性能就變的很低了，并且運維維護成本也非常高，所以，我們一般在項目中也不會直接使用紅鎖，并且官方也暫時廢棄了這個紅鎖

面試官：好的，如果業務非要保證數據的強一致性，這個該怎么解決呢？

redis本身就是支持高可用的，做到強一致性，就非常影響性能，所以，如果有強一致性要求高的業務，建議使用zookeeper實現的分布式鎖，它是可以保證強一致性的。

Redis集群

面試官：Redis集群有哪些方案, 知道嘛 ?

在Redis中提供的集群方案總共有三種：主從復制、哨兵模式、Redis分片集群

面試官：那你來介紹一下主從同步

是這樣的，單節點Redis的并發能力是有上限的，要進一步提高Redis的并發能力，可以搭建主從集群，實現讀寫分離。一般都是一主多從，主節點負責寫數據，從節點負責讀數據，主節點寫入數據之后，需要把數據同步到從節點中。

面試官：能說一下，主從同步數據的流程？

主從同步分為了兩個階段，一個是全量同步，一個是增量同步

全量同步是指從節點第一次與主節點建立連接的時候使用全量同步，流程是這樣的：

第一：從節點請求主節點同步數據，其中從節點會攜帶自己的replication id和 offset 偏移量。

第二：主節點判斷是否是第一次請求，主要判斷的依據就是，主節點與從節點是否是同一個replication id，如果不是，就說明是第一次同步，那主節點就會把自己的replication id和offset發送給從節點，讓從節點與主節點的信息保持一致。

第三：在同時主節點會執行bgsave，生成rdb文件后，發送給從節點去執行，從節點先把自己的數據清空，然后執行主節點發送過來的rdb文件，這樣就保持了一致

當然，如果在rdb生成執行期間，依然有請求到了主節點，而主節點會以命令的方式記錄到緩沖區，緩沖區是一個日志文件，最后把這個日志文件發送給從節點，這樣就能保證主節點與從節點完全一致了，后期再同步數據的時候，都是依賴于這個日志文件，這個就是全量同步

增量同步流程

當從節點服務重啟之后，數據就不一致了，所以這個時候，從節點會請求主節點同步數據，主節點還是判斷不是第一次請求，不是第一次就獲取從節點的offset值，然后主節點從命令日志中獲取offset值之后的數據，發送給從節點進行數據同步。

Redis的高并發高可用

面試官：怎么保證Redis的高并發高可用

首先可以搭建主從集群，再加上使用redis中的哨兵模式，哨兵模式可以實現主從集群的自動故障恢復（對主從服務的監控、自動故障恢復、通知）；如果master故障，Sentinel會將一個slave提升為master。當故障實例恢復后也以新的master為主；同時Sentinel也充當Redis客戶端的服務發現來源，當集群發生故障轉移時，會將最新信息推送給Redis的客戶端，所以一般項目都會采用哨兵的模式來保證redis的高并發高可用。

面試官：你們使用redis是單點還是集群，哪種集群

我們當時使用的是主從（1主1從）加哨兵。一般單節點不超過10G內存，如果Redis內存不足則可以給不同服務分配獨立的Redis主從節點。盡量不做分片集群。因為集群維護起來比較麻煩，并且集群之間的心跳檢測和數據通信會消耗大量的網絡帶寬，也沒有辦法使用lua腳本和事務。

面試官：redis集群腦裂，該怎么解決呢？

有的時候由于網絡等原因可能會出現腦裂的情況，就是說，由于redis master節點和redis salve節點和sentinel處于不同的網絡分區，使得sentinel沒有能夠心跳感知到master，所以通過選舉的方式提升了一個salve為master，這樣就存在了兩個master，就像大腦分裂了一樣，這樣會導致客戶端還在old master那里寫入數據，新節點無法同步數據，當網絡恢復后，sentinel會將old master降為salve，這時再從新master同步數據，這會導致old master中的大量數據丟失。

關于解決的話，我記得在redis的配置中可以設置：第一可以設置最少的salve節點個數，比如設置至少要有一個從節點才能同步數據，第二個可以設置主從數據復制和同步的延遲時間，達不到要求就拒絕請求，就可以避免大量的數據丟失。

redis的分片集群

面試官：redis的分片集群有什么作用？

分片集群主要解決的是，海量數據存儲的問題，集群中有多個master，每個master保存不同數據，并且還可以給每個master設置多個slave節點，就可以繼續增大集群的高并發能力。同時每個master之間通過ping監測彼此健康狀態，就類似于哨兵模式了。當客戶端請求可以訪問集群任意節點，最終都會被轉發到正確節點。

面試官：Redis分片集群中數據是怎么存儲和讀取的？

Redis 集群引入了哈希槽的概念，有 16384 個哈希槽，集群中每個主節點綁定了一定范圍的哈希槽范圍， key通過 CRC16 校驗后對 16384 取模來決定放置哪個槽，通過槽找到對應的節點進行存儲。

取值的邏輯是一樣的

Redis是單線程

面試官：Redis是單線程的，但是為什么還那么快？

1、完全基于內存的，C語言編寫

2、采用單線程，避免不必要的上下文切換可競爭條件

3、使用多路I/O復用模型，非阻塞IO

例如：bgsave 和 bgrewriteaof 都是在后臺執行操作，不影響主線程的正常使用，不會產生阻塞

面試官：能解釋一下I/O多路復用模型？

I/O多路復用是指利用單個線程來同時監聽多個Socket ，并在某個Socket可讀、可寫時得到通知，從而避免無效的等待，充分利用CPU資源。目前的I/O多路復用都是采用的epoll模式實現，它會在通知用戶進程Socket就緒的同時，把已就緒的Socket寫入用戶空間，不需要挨個遍歷Socket來判斷是否就緒，提升了性能。

其中Redis的網絡模型就是使用I/O多路復用結合事件的處理器來應對多個Socket請求，比如，提供了連接應答處理器、命令回復處理器，命令請求處理器；

在Redis6.0之后，為了提升更好的性能，在命令回復處理器使用了多線程來處理回復事件，在命令請求處理器中，將命令的轉換使用了多線程，增加命令轉換速度，在命令執行的時候，依然是單線程