20道經(jīng)典Redis面試題

前言

整理了20道經(jīng)典Redis面試題，希望對大家有幫助。

1. 什么是Redis？它主要用來什么的？

Redis，英文全稱是Remote Dictionary Server（遠程字典服務），是一個開源的使用ANSI C語言編寫、支持網(wǎng)絡、可基于內(nèi)存亦可持久化的日志型、Key-Value數(shù)據(jù)庫，并提供多種語言的API。

與MySQL數(shù)據(jù)庫不同的是，Redis的數(shù)據(jù)是存在內(nèi)存中的。它的讀寫速度非?？?#xff0c;每秒可以處理超過10萬次讀寫操作。因此redis被廣泛應用于緩存，另外，Redis也經(jīng)常用來做分布式鎖。除此之外，Redis支持事務、持久化、LUA 腳本、LRU 驅(qū)動事件、多種集群方案。

2.說說Redis的基本數(shù)據(jù)結(jié)構(gòu)類型

大多數(shù)小伙伴都知道，Redis有以下這五種基本類型：

• String（字符串）
• Hash（哈希）
• List（列表）
• Set（集合）
• zset（有序集合）

它還有三種特殊的數(shù)據(jù)結(jié)構(gòu)類型

• Geospatial
• Hyperloglog
• Bitmap

2.1 Redis 的五種基本數(shù)據(jù)類型

String（字符串）

• 簡介:String是Redis最基礎的數(shù)據(jù)結(jié)構(gòu)類型，它是二進制安全的，可以存儲圖片或者序列化的對象，值最大存儲為512M
• 簡單使用舉例: set key value、get key等
• 應用場景：共享session、分布式鎖，計數(shù)器、限流。
• 內(nèi)部編碼有3種，int（8字節(jié)長整型）/embstr（小于等于39字節(jié)字符串）/raw（大于39個字節(jié)字符串）

C語言的字符串是char[]實現(xiàn)的，而Redis使用SDS（simple dynamic string） 封裝，sds源碼如下：

struct sdshdr{ unsigned int len; // 標記buf的長度 unsigned int free; //標記buf中未使用的元素個數(shù) char buf[]; // 存放元素的坑 }

SDS 結(jié)構(gòu)圖如下：

Redis為什么選擇SDS結(jié)構(gòu)，而C語言原生的char[]不香嗎？

舉例其中一點，SDS中，O(1)時間復雜度，就可以獲取字符串長度；而C 字符串，需要遍歷整個字符串，時間復雜度為O(n)

Hash（哈希）

• 簡介：在Redis中，哈希類型是指v（值）本身又是一個鍵值對（k-v）結(jié)構(gòu)
• 簡單使用舉例：hset key field value 、hget key field
• 內(nèi)部編碼：ziplist（壓縮列表） 、hashtable（哈希表）
• 應用場景：緩存用戶信息等。
• 注意點：如果開發(fā)使用hgetall，哈希元素比較多的話，可能導致Redis阻塞，可以使用hscan。而如果只是獲取部分field，建議使用hmget。

字符串和哈希類型對比如下圖：

List（列表）

• 簡介：列表（list）類型是用來存儲多個有序的字符串，一個列表最多可以存儲2^32-1個元素。
• 簡單實用舉例：lpush key value [value ...] 、lrange key start end
• 內(nèi)部編碼：ziplist（壓縮列表）、linkedlist（鏈表）
• 應用場景：消息隊列，文章列表,

一圖看懂list類型的插入與彈出：

list應用場景參考以下：

• lpush+lpop=Stack（棧）
• lpush+rpop=Queue（隊列）
• lpsh+ltrim=Capped Collection（有限集合）
• lpush+brpop=Message Queue（消息隊列）

Set（集合）

• 簡介：集合（set）類型也是用來保存多個的字符串元素，但是不允許重復元素
• 簡單使用舉例：sadd key element [element ...]、smembers key
• 內(nèi)部編碼：intset（整數(shù)集合）、hashtable（哈希表）
• 注意點：smembers和lrange、hgetall都屬于比較重的命令，如果元素過多存在阻塞Redis的可能性，可以使用sscan來完成。
• 應用場景：用戶標簽,生成隨機數(shù)抽獎、社交需求。

有序集合（zset）

• 簡介：已排序的字符串集合，同時元素不能重復
• 簡單格式舉例：zadd key score member [score member ...]，zrank key member
• 底層內(nèi)部編碼：ziplist（壓縮列表）、skiplist（跳躍表）
• 應用場景：排行榜，社交需求（如用戶點贊）。

2.2 Redis 的三種特殊數(shù)據(jù)類型

• Geo：Redis3.2推出的，地理位置定位，用于存儲地理位置信息，并對存儲的信息進行操作。
• HyperLogLog：用來做基數(shù)統(tǒng)計算法的數(shù)據(jù)結(jié)構(gòu)，如統(tǒng)計網(wǎng)站的UV。
• Bitmaps ：用一個比特位來映射某個元素的狀態(tài)，在Redis中，它的底層是基于字符串類型實現(xiàn)的，可以把bitmaps成作一個以比特位為單位的數(shù)組

3. Redis為什么這么快？

Redis為什么這么快

3.1 基于內(nèi)存存儲實現(xiàn)

我們都知道內(nèi)存讀寫是比在磁盤快很多的，Redis基于內(nèi)存存儲實現(xiàn)的數(shù)據(jù)庫，相對于數(shù)據(jù)存在磁盤的MySQL數(shù)據(jù)庫，省去磁盤I/O的消耗。

3.2 高效的數(shù)據(jù)結(jié)構(gòu)

我們知道，Mysql索引為了提高效率，選擇了B+樹的數(shù)據(jù)結(jié)構(gòu)。其實合理的數(shù)據(jù)結(jié)構(gòu)，就是可以讓你的應用/程序更快。先看下Redis的數(shù)據(jù)結(jié)構(gòu)&內(nèi)部編碼圖：

SDS簡單動態(tài)字符串

• 字符串長度處理：Redis獲取字符串長度，時間復雜度為O(1)，而C語言中，需要從頭開始遍歷，復雜度為O（n）;
• 空間預分配：字符串修改越頻繁的話，內(nèi)存分配越頻繁，就會消耗性能，而SDS修改和空間擴充，會額外分配未使用的空間，減少性能損耗。
• 惰性空間釋放：SDS 縮短時，不是回收多余的內(nèi)存空間，而是free記錄下多余的空間，后續(xù)有變更，直接使用free中記錄的空間，減少分配。
• 二進制安全：Redis可以存儲一些二進制數(shù)據(jù)，在C語言中字符串遇到’\0’會結(jié)束，而 SDS中標志字符串結(jié)束的是len屬性。

字典

Redis 作為 K-V 型內(nèi)存數(shù)據(jù)庫，所有的鍵值就是用字典來存儲。字典就是哈希表，比如HashMap，通過key就可以直接獲取到對應的value。而哈希表的特性，在O（1）時間復雜度就可以獲得對應的值。

跳躍表

• 跳躍表是Redis特有的數(shù)據(jù)結(jié)構(gòu)，就是在鏈表的基礎上，增加多級索引提升查找效率。
• 跳躍表支持平均 O（logN）,最壞 O（N）復雜度的節(jié)點查找，還可以通過順序性操作批量處理節(jié)點。

3.3 合理的數(shù)據(jù)編碼

Redis 支持多種數(shù)據(jù)數(shù)據(jù)類型，每種基本類型，可能對多種數(shù)據(jù)結(jié)構(gòu)。什么時候,使用什么樣數(shù)據(jù)結(jié)構(gòu)，使用什么樣編碼，是redis設計者總結(jié)優(yōu)化的結(jié)果。

• String：如果存儲數(shù)字的話，是用int類型的編碼;如果存儲非數(shù)字，小于等于39字節(jié)的字符串，是embstr；大于39個字節(jié)，則是raw編碼。
• List：如果列表的元素個數(shù)小于512個，列表每個元素的值都小于64字節(jié)（默認），使用ziplist編碼，否則使用linkedlist編碼
• Hash：哈希類型元素個數(shù)小于512個，所有值小于64字節(jié)的話，使用ziplist編碼,否則使用hashtable編碼。
• Set：如果集合中的元素都是整數(shù)且元素個數(shù)小于512個，使用intset編碼，否則使用hashtable編碼。
• Zset：當有序集合的元素個數(shù)小于128個，每個元素的值小于64字節(jié)時，使用ziplist編碼，否則使用skiplist（跳躍表）編碼

3.4 合理的線程模型

I/O 多路復用

I/O 多路復用

多路I/O復用技術(shù)可以讓單個線程高效的處理多個連接請求，而Redis使用用epoll作為I/O多路復用技術(shù)的實現(xiàn)。并且，Redis自身的事件處理模型將epoll中的連接、讀寫、關閉都轉(zhuǎn)換為事件，不在網(wǎng)絡I/O上浪費過多的時間。

什么是I/O多路復用？

• I/O ：網(wǎng)絡 I/O
• 多路 ：多個網(wǎng)絡連接
• 復用：復用同一個線程。
• IO多路復用其實就是一種同步IO模型，它實現(xiàn)了一個線程可以監(jiān)視多個文件句柄；一旦某個文件句柄就緒，就能夠通知應用程序進行相應的讀寫操作；而沒有文件句柄就緒時,就會阻塞應用程序，交出cpu。

單線程模型

• Redis是單線程模型的，而單線程避免了CPU不必要的上下文切換和競爭鎖的消耗。也正因為是單線程，如果某個命令執(zhí)行過長（如hgetall命令），會造成阻塞。Redis是面向快速執(zhí)行場景的數(shù)據(jù)庫。，所以要慎用如smembers和lrange、hgetall等命令。
• Redis 6.0 引入了多線程提速，它的執(zhí)行命令操作內(nèi)存的仍然是個單線程。

3.5 虛擬內(nèi)存機制

Redis直接自己構(gòu)建了VM機制 ，不會像一般的系統(tǒng)會調(diào)用系統(tǒng)函數(shù)處理，會浪費一定的時間去移動和請求。

Redis的虛擬內(nèi)存機制是啥呢？

虛擬內(nèi)存機制就是暫時把不經(jīng)常訪問的數(shù)據(jù)(冷數(shù)據(jù))從內(nèi)存交換到磁盤中，從而騰出寶貴的內(nèi)存空間用于其它需要訪問的數(shù)據(jù)(熱數(shù)據(jù))。通過VM功能可以實現(xiàn)冷熱數(shù)據(jù)分離，使熱數(shù)據(jù)仍在內(nèi)存中、冷數(shù)據(jù)保存到磁盤。這樣就可以避免因為內(nèi)存不足而造成訪問速度下降的問題。

4. 什么是緩存擊穿、緩存穿透、緩存雪崩？

4.1 緩存穿透問題

先來看一個常見的緩存使用方式：讀請求來了，先查下緩存，緩存有值命中，就直接返回；緩存沒命中，就去查數(shù)據(jù)庫，然后把數(shù)據(jù)庫的值更新到緩存，再返回。

讀取緩存

緩存穿透：指查詢一個一定不存在的數(shù)據(jù)，由于緩存是不命中時需要從數(shù)據(jù)庫查詢，查不到數(shù)據(jù)則不寫入緩存，這將導致這個不存在的數(shù)據(jù)每次請求都要到數(shù)據(jù)庫去查詢，進而給數(shù)據(jù)庫帶來壓力。

通俗點說，讀請求訪問時，緩存和數(shù)據(jù)庫都沒有某個值，這樣就會導致每次對這個值的查詢請求都會穿透到數(shù)據(jù)庫，這就是緩存穿透。

緩存穿透一般都是這幾種情況產(chǎn)生的：

• 業(yè)務不合理的設計，比如大多數(shù)用戶都沒開守護，但是你的每個請求都去緩存，查詢某個userid查詢有沒有守護。
• 業(yè)務/運維/開發(fā)失誤的操作，比如緩存和數(shù)據(jù)庫的數(shù)據(jù)都被誤刪除了。
• 黑客非法請求攻擊，比如黑客故意捏造大量非法請求，以讀取不存在的業(yè)務數(shù)據(jù)。

如何避免緩存穿透呢？ 一般有三種方法。

• 1.如果是非法請求，我們在API入口，對參數(shù)進行校驗，過濾非法值。
• 2.如果查詢數(shù)據(jù)庫為空，我們可以給緩存設置個空值，或者默認值。但是如有有寫請求進來的話，需要更新緩存哈，以保證緩存一致性，同時，最后給緩存設置適當?shù)倪^期時間。（業(yè)務上比較常用，簡單有效）
• 3.使用布隆過濾器快速判斷數(shù)據(jù)是否存在。即一個查詢請求過來時，先通過布隆過濾器判斷值是否存在，存在才繼續(xù)往下查。

布隆過濾器原理：它由初始值為0的位圖數(shù)組和N個哈希函數(shù)組成。一個對一個key進行N個hash算法獲取N個值，在比特數(shù)組中將這N個值散列后設定為1，然后查的時候如果特定的這幾個位置都為1，那么布隆過濾器判斷該key存在。

4.2 緩存雪奔問題

緩存雪奔： 指緩存中數(shù)據(jù)大批量到過期時間，而查詢數(shù)據(jù)量巨大，請求都直接訪問數(shù)據(jù)庫，引起數(shù)據(jù)庫壓力過大甚至down機。

• 緩存雪奔一般是由于大量數(shù)據(jù)同時過期造成的，對于這個原因，可通過均勻設置過期時間解決，即讓過期時間相對離散一點。如采用一個較大固定值+一個較小的隨機值，5小時+0到1800秒醬紫。
• Redis 故障宕機也可能引起緩存雪奔。這就需要構(gòu)造Redis高可用集群啦。

4.3 緩存擊穿問題

緩存擊穿： 指熱點key在某個時間點過期的時候，而恰好在這個時間點對這個Key有大量的并發(fā)請求過來，從而大量的請求打到db。

緩存擊穿看著有點像，其實它兩區(qū)別是，緩存雪奔是指數(shù)據(jù)庫壓力過大甚至down機，緩存擊穿只是大量并發(fā)請求到了DB數(shù)據(jù)庫層面?？梢哉J為擊穿是緩存雪奔的一個子集吧。有些文章認為它倆區(qū)別，是區(qū)別在于擊穿針對某一熱點key緩存，雪奔則是很多key。

解決方案就有兩種：

• 1.使用互斥鎖方案。緩存失效時，不是立即去加載db數(shù)據(jù)，而是先使用某些帶成功返回的原子操作命令，如(Redis的setnx）去操作，成功的時候，再去加載db數(shù)據(jù)庫數(shù)據(jù)和設置緩存。否則就去重試獲取緩存。
• 2. “永不過期”，是指沒有設置過期時間，但是熱點數(shù)據(jù)快要過期時，異步線程去更新和設置過期時間。

5. 什么是熱Key問題，如何解決熱key問題

什么是熱Key呢？在Redis中，我們把訪問頻率高的key，稱為熱點key。

如果某一熱點key的請求到服務器主機時，由于請求量特別大，可能會導致主機資源不足，甚至宕機，從而影響正常的服務。

而熱點Key是怎么產(chǎn)生的呢？主要原因有兩個：

• 用戶消費的數(shù)據(jù)遠大于生產(chǎn)的數(shù)據(jù)，如秒殺、熱點新聞等讀多寫少的場景。
• 請求分片集中，超過單Redi服務器的性能，比如固定名稱key，Hash落入同一臺服務器，瞬間訪問量極大，超過機器瓶頸，產(chǎn)生熱點Key問題。

那么在日常開發(fā)中，如何識別到熱點key呢？

• 憑經(jīng)驗判斷哪些是熱Key；
• 客戶端統(tǒng)計上報；
• 服務代理層上報

如何解決熱key問題？

• Redis集群擴容：增加分片副本，均衡讀流量；
• 將熱key分散到不同的服務器中；
• 使用二級緩存，即JVM本地緩存,減少Redis的讀請求。

6. Redis 過期策略和內(nèi)存淘汰策略

6.1 Redis的過期策略

我們在set key的時候，可以給它設置一個過期時間，比如expire key 60。指定這key60s后過期，60s后，redis是如何處理的嘛？我們先來介紹幾種過期策略：

定時過期

每個設置過期時間的key都需要創(chuàng)建一個定時器，到過期時間就會立即對key進行清除。該策略可以立即清除過期的數(shù)據(jù)，對內(nèi)存很友好；但是會占用大量的CPU資源去處理過期的數(shù)據(jù)，從而影響緩存的響應時間和吞吐量。

惰性過期

只有當訪問一個key時，才會判斷該key是否已過期，過期則清除。該策略可以最大化地節(jié)省CPU資源，卻對內(nèi)存非常不友好。極端情況可能出現(xiàn)大量的過期key沒有再次被訪問，從而不會被清除，占用大量內(nèi)存。

定期過期

每隔一定的時間，會掃描一定數(shù)量的數(shù)據(jù)庫的expires字典中一定數(shù)量的key，并清除其中已過期的key。該策略是前兩者的一個折中方案。通過調(diào)整定時掃描的時間間隔和每次掃描的限定耗時，可以在不同情況下使得CPU和內(nèi)存資源達到最優(yōu)的平衡效果。

expires字典會保存所有設置了過期時間的key的過期時間數(shù)據(jù)，其中，key是指向鍵空間中的某個鍵的指針，value是該鍵的毫秒精度的UNIX時間戳表示的過期時間。鍵空間是指該Redis集群中保存的所有鍵。

Redis中同時使用了惰性過期和定期過期兩種過期策略。

• 假設Redis當前存放30萬個key，并且都設置了過期時間，如果你每隔100ms就去檢查這全部的key，CPU負載會特別高，最后可能會掛掉。
• 因此，redis采取的是定期過期，每隔100ms就隨機抽取一定數(shù)量的key來檢查和刪除的。
• 但是呢，最后可能會有很多已經(jīng)過期的key沒被刪除。這時候，redis采用惰性刪除。在你獲取某個key的時候，redis會檢查一下，這個key如果設置了過期時間并且已經(jīng)過期了，此時就會刪除。

但是呀，如果定期刪除漏掉了很多過期的key，然后也沒走惰性刪除。就會有很多過期key積在內(nèi)存內(nèi)存，直接會導致內(nèi)存爆的。或者有些時候，業(yè)務量大起來了，redis的key被大量使用，內(nèi)存直接不夠了，運維小哥哥也忘記加大內(nèi)存了。難道redis直接這樣掛掉？不會的！Redis用8種內(nèi)存淘汰策略保護自己~

6.2 Redis 內(nèi)存淘汰策略

• volatile-lru：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從設置了過期時間的key中使用LRU（最近最少使用）算法進行淘汰；
• allkeys-lru：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從所有key中使用LRU（最近最少使用）算法進行淘汰。
• volatile-lfu：4.0版本新增，當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在過期的key中，使用LFU算法進行刪除key。
• allkeys-lfu：4.0版本新增，當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從所有key中使用LFU算法進行淘汰；
• volatile-random：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從設置了過期時間的key中，隨機淘汰數(shù)據(jù)；。
• allkeys-random：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從所有key中隨機淘汰數(shù)據(jù)。
• volatile-ttl：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在設置了過期時間的key中，根據(jù)過期時間進行淘汰，越早過期的優(yōu)先被淘汰；
• noeviction：默認策略，當內(nèi)存不足以容納新寫入數(shù)據(jù)時，新寫入操作會報錯。

7.說說Redis的常用應用場景

• 緩存
• 排行榜
• 計數(shù)器應用
• 共享Session
• 分布式鎖
• 社交網(wǎng)絡
• 消息隊列
• 位操作

7.1 緩存

我們一提到redis，自然而然就想到緩存，國內(nèi)外中大型的網(wǎng)站都離不開緩存。合理的利用緩存，比如緩存熱點數(shù)據(jù)，不僅可以提升網(wǎng)站的訪問速度，還可以降低數(shù)據(jù)庫DB的壓力。并且，Redis相比于memcached，還提供了豐富的數(shù)據(jù)結(jié)構(gòu)，并且提供RDB和AOF等持久化機制，強的一批。

7.2 排行榜

當今互聯(lián)網(wǎng)應用，有各種各樣的排行榜，如電商網(wǎng)站的月度銷量排行榜、社交APP的禮物排行榜、小程序的投票排行榜等等。Redis提供的zset數(shù)據(jù)類型能夠?qū)崿F(xiàn)這些復雜的排行榜。

比如，用戶每天上傳視頻，獲得點贊的排行榜可以這樣設計：

• 1.用戶Jay上傳一個視頻，獲得6個贊，可以醬紫：

zadd user:ranking:2021-03-03 Jay 3

• 2.過了一段時間，再獲得一個贊，可以這樣：

zincrby user:ranking:2021-03-03 Jay 1

• 3.如果某個用戶John作弊，需要刪除該用戶：

zrem user:ranking:2021-03-03 John

• 4.展示獲取贊數(shù)最多的3個用戶

zrevrangebyrank user:ranking:2021-03-03 0 2

7.3 計數(shù)器應用

各大網(wǎng)站、APP應用經(jīng)常需要計數(shù)器的功能，如短視頻的播放數(shù)、電商網(wǎng)站的瀏覽數(shù)。這些播放數(shù)、瀏覽數(shù)一般要求實時的，每一次播放和瀏覽都要做加1的操作，如果并發(fā)量很大對于傳統(tǒng)關系型數(shù)據(jù)的性能是一種挑戰(zhàn)。Redis天然支持計數(shù)功能而且計數(shù)的性能也非常好，可以說是計數(shù)器系統(tǒng)的重要選擇。

7.4 共享Session

如果一個分布式Web服務將用戶的Session信息保存在各自服務器，用戶刷新一次可能就需要重新登錄了，這樣顯然有問題。實際上，可以使用Redis將用戶的Session進行集中管理，每次用戶更新或者查詢登錄信息都直接從Redis中集中獲取。

7.5 分布式鎖

幾乎每個互聯(lián)網(wǎng)公司中都使用了分布式部署，分布式服務下，就會遇到對同一個資源的并發(fā)訪問的技術(shù)難題，如秒殺、下單減庫存等場景。

• 用synchronize或者reentrantlock本地鎖肯定是不行的。
• 如果是并發(fā)量不大話，使用數(shù)據(jù)庫的悲觀鎖、樂觀鎖來實現(xiàn)沒啥問題。
• 但是在并發(fā)量高的場合中，利用數(shù)據(jù)庫鎖來控制資源的并發(fā)訪問，會影響數(shù)據(jù)庫的性能。
• 實際上，可以用Redis的setnx來實現(xiàn)分布式的鎖。

7.6 社交網(wǎng)絡

贊/踩、粉絲、共同好友/喜好、推送、下拉刷新等是社交網(wǎng)站的必備功能，由于社交網(wǎng)站訪問量通常比較大，而且傳統(tǒng)的關系型數(shù)據(jù)不太適保存 這種類型的數(shù)據(jù)，Redis提供的數(shù)據(jù)結(jié)構(gòu)可以相對比較容易地實現(xiàn)這些功能。

7.7 消息隊列

消息隊列是大型網(wǎng)站必用中間件，如ActiveMQ、RabbitMQ、Kafka等流行的消息隊列中間件，主要用于業(yè)務解耦、流量削峰及異步處理實時性低的業(yè)務。Redis提供了發(fā)布/訂閱及阻塞隊列功能，能實現(xiàn)一個簡單的消息隊列系統(tǒng)。另外，這個不能和專業(yè)的消息中間件相比。

7.8 位操作

用于數(shù)據(jù)量上億的場景下，例如幾億用戶系統(tǒng)的簽到，去重登錄次數(shù)統(tǒng)計，某用戶是否在線狀態(tài)等等。騰訊10億用戶，要幾個毫秒內(nèi)查詢到某個用戶是否在線，能怎么做？千萬別說給每個用戶建立一個key，然后挨個記（你可以算一下需要的內(nèi)存會很恐怖，而且這種類似的需求很多。這里要用到位操作——使用setbit、getbit、bitcount命令。原理是：redis內(nèi)構(gòu)建一個足夠長的數(shù)組，每個數(shù)組元素只能是0和1兩個值，然后這個數(shù)組的下標index用來表示用戶id（必須是數(shù)字哈），那么很顯然，這個幾億長的大數(shù)組就能通過下標和元素值（0和1）來構(gòu)建一個記憶系統(tǒng)。

8. Redis 的持久化機制有哪些？優(yōu)缺點說說

Redis是基于內(nèi)存的非關系型K-V數(shù)據(jù)庫，既然它是基于內(nèi)存的，如果Redis服務器掛了，數(shù)據(jù)就會丟失。為了避免數(shù)據(jù)丟失了，Redis提供了持久化，即把數(shù)據(jù)保存到磁盤。

Redis提供了RDB和AOF兩種持久化機制，它持久化文件加載流程如下：

8.1 RDB

RDB，就是把內(nèi)存數(shù)據(jù)以快照的形式保存到磁盤上。

什么是快照?可以這樣理解，給當前時刻的數(shù)據(jù)，拍一張照片，然后保存下來。

RDB持久化，是指在指定的時間間隔內(nèi)，執(zhí)行指定次數(shù)的寫操作，將內(nèi)存中的數(shù)據(jù)集快照寫入磁盤中，它是Redis默認的持久化方式。執(zhí)行完操作后，在指定目錄下會生成一個dump.rdb文件，Redis 重啟的時候，通過加載dump.rdb文件來恢復數(shù)據(jù)。RDB觸發(fā)機制主要有以下幾種：

RDB 的優(yōu)點

• 適合大規(guī)模的數(shù)據(jù)恢復場景，如備份，全量復制等

RDB缺點

• 沒辦法做到實時持久化/秒級持久化。
• 新老版本存在RDB格式兼容問題

AOF

AOF（append only file） 持久化，采用日志的形式來記錄每個寫操作，追加到文件中，重啟時再重新執(zhí)行AOF文件中的命令來恢復數(shù)據(jù)。它主要解決數(shù)據(jù)持久化的實時性問題。默認是不開啟的。

AOF的工作流程如下：

AOF的優(yōu)點

• 數(shù)據(jù)的一致性和完整性更高

AOF的缺點

• AOF記錄的內(nèi)容越多，文件越大，數(shù)據(jù)恢復變慢。

9.怎么實現(xiàn)Redis的高可用？

我們在項目中使用Redis，肯定不會是單點部署Redis服務的。因為，單點部署一旦宕機，就不可用了。為了實現(xiàn)高可用，通常的做法是，將數(shù)據(jù)庫復制多個副本以部署在不同的服務器上，其中一臺掛了也可以繼續(xù)提供服務。Redis 實現(xiàn)高可用有三種部署模式：主從模式，哨兵模式，集群模式。

9.1 主從模式

主從模式中，Redis部署了多臺機器，有主節(jié)點，負責讀寫操作，有從節(jié)點，只負責讀操作。從節(jié)點的數(shù)據(jù)來自主節(jié)點，實現(xiàn)原理就是主從復制機制

主從復制包括全量復制，增量復制兩種。一般當slave第一次啟動連接master，或者認為是第一次連接，就采用全量復制，全量復制流程如下：

• 1.slave發(fā)送sync命令到master。
• 2.master接收到SYNC命令后，執(zhí)行bgsave命令，生成RDB全量文件。
• 3.master使用緩沖區(qū)，記錄RDB快照生成期間的所有寫命令。
• 4.master執(zhí)行完bgsave后，向所有slave發(fā)送RDB快照文件。
• 5.slave收到RDB快照文件后，載入、解析收到的快照。
• 6.master使用緩沖區(qū)，記錄RDB同步期間生成的所有寫的命令。
• 7.master快照發(fā)送完畢后，開始向slave發(fā)送緩沖區(qū)中的寫命令;
• 8.salve接受命令請求，并執(zhí)行來自master緩沖區(qū)的寫命令

redis2.8版本之后，已經(jīng)使用psync來替代sync，因為sync命令非常消耗系統(tǒng)資源，psync的效率更高。

slave與master全量同步之后，master上的數(shù)據(jù)，如果再次發(fā)生更新，就會觸發(fā)增量復制。

當master節(jié)點發(fā)生數(shù)據(jù)增減時，就會觸發(fā)replicationFeedSalves()函數(shù)，接下來在 Master節(jié)點上調(diào)用的每一個命令會使用replicationFeedSlaves()來同步到Slave節(jié)點。執(zhí)行此函數(shù)之前呢，master節(jié)點會判斷用戶執(zhí)行的命令是否有數(shù)據(jù)更新，如果有數(shù)據(jù)更新的話，并且slave節(jié)點不為空，就會執(zhí)行此函數(shù)。這個函數(shù)作用就是：把用戶執(zhí)行的命令發(fā)送到所有的slave節(jié)點，讓slave節(jié)點執(zhí)行。流程如下：

9.2 哨兵模式

主從模式中，一旦主節(jié)點由于故障不能提供服務，需要人工將從節(jié)點晉升為主節(jié)點，同時還要通知應用方更新主節(jié)點地址。顯然，多數(shù)業(yè)務場景都不能接受這種故障處理方式。Redis從2.8開始正式提供了Redis Sentinel（哨兵）架構(gòu)來解決這個問題。

哨兵模式，由一個或多個Sentinel實例組成的Sentinel系統(tǒng)，它可以監(jiān)視所有的Redis主節(jié)點和從節(jié)點，并在被監(jiān)視的主節(jié)點進入下線狀態(tài)時，自動將下線主服務器屬下的某個從節(jié)點升級為新的主節(jié)點。但是呢，一個哨兵進程對Redis節(jié)點進行監(jiān)控，就可能會出現(xiàn)問題（單點問題），因此，可以使用多個哨兵來進行監(jiān)控Redis節(jié)點，并且各個哨兵之間還會進行監(jiān)控。

Sentinel哨兵模式

簡單來說，哨兵模式就三個作用：

• 發(fā)送命令，等待Redis服務器（包括主服務器和從服務器）返回監(jiān)控其運行狀態(tài)；
• 哨兵監(jiān)測到主節(jié)點宕機，會自動將從節(jié)點切換成主節(jié)點，然后通過發(fā)布訂閱模式通知其他的從節(jié)點，修改配置文件，讓它們切換主機；
• 哨兵之間還會相互監(jiān)控，從而達到高可用。

故障切換的過程是怎樣的呢

假設主服務器宕機，哨兵1先檢測到這個結(jié)果，系統(tǒng)并不會馬上進行 failover 過程，僅僅是哨兵1主觀的認為主服務器不可用，這個現(xiàn)象成為主觀下線。當后面的哨兵也檢測到主服務器不可用，并且數(shù)量達到一定值時，那么哨兵之間就會進行一次投票，投票的結(jié)果由一個哨兵發(fā)起，進行 failover 操作。切換成功后，就會通過發(fā)布訂閱模式，讓各個哨兵把自己監(jiān)控的從服務器實現(xiàn)切換主機，這個過程稱為客觀下線。這樣對于客戶端而言，一切都是透明的。

哨兵的工作模式如下：

1. 每個Sentinel以每秒鐘一次的頻率向它所知的Master，Slave以及其他Sentinel實例發(fā)送一個 PING命令。
2. 如果一個實例（instance）距離最后一次有效回復 PING 命令的時間超過 down-after-milliseconds 選項所指定的值， 則這個實例會被 Sentinel標記為主觀下線。
3. 如果一個Master被標記為主觀下線，則正在監(jiān)視這個Master的所有 Sentinel 要以每秒一次的頻率確認Master的確進入了主觀下線狀態(tài)。
4. 當有足夠數(shù)量的 Sentinel（大于等于配置文件指定的值）在指定的時間范圍內(nèi)確認Master的確進入了主觀下線狀態(tài)， 則Master會被標記為客觀下線。
5. 在一般情況下， 每個 Sentinel 會以每10秒一次的頻率向它已知的所有Master，Slave發(fā)送 INFO 命令。
6. 當Master被 Sentinel 標記為客觀下線時，Sentinel 向下線的 Master 的所有 Slave 發(fā)送 INFO 命令的頻率會從 10 秒一次改為每秒一次
7. 若沒有足夠數(shù)量的 Sentinel同意Master已經(jīng)下線， Master的客觀下線狀態(tài)就會被移除；若Master 重新向 Sentinel 的 PING 命令返回有效回復， Master 的主觀下線狀態(tài)就會被移除。

9.3 Cluster集群模式

哨兵模式基于主從模式，實現(xiàn)讀寫分離，它還可以自動切換，系統(tǒng)可用性更高。但是它每個節(jié)點存儲的數(shù)據(jù)是一樣的，浪費內(nèi)存，并且不好在線擴容。因此，Cluster集群應運而生，它在Redis3.0加入的，實現(xiàn)了Redis的分布式存儲。對數(shù)據(jù)進行分片，也就是說每臺Redis節(jié)點上存儲不同的內(nèi)容，來解決在線擴容的問題。并且，它也提供復制和故障轉(zhuǎn)移的功能。

Cluster集群節(jié)點的通訊

一個Redis集群由多個節(jié)點組成，各個節(jié)點之間是怎么通信的呢？通過Gossip協(xié)議！

Redis Cluster集群通過Gossip協(xié)議進行通信，節(jié)點之前不斷交換信息，交換的信息內(nèi)容包括節(jié)點出現(xiàn)故障、新節(jié)點加入、主從節(jié)點變更信息、slot信息等等。常用的Gossip消息分為4種，分別是：ping、pong、meet、fail。

• meet消息：通知新節(jié)點加入。消息發(fā)送者通知接收者加入到當前集群，meet消息通信正常完成后，接收節(jié)點會加入到集群中并進行周期性的ping、pong消息交換。
• ping消息：集群內(nèi)交換最頻繁的消息，集群內(nèi)每個節(jié)點每秒向多個其他節(jié)點發(fā)送ping消息，用于檢測節(jié)點是否在線和交換彼此狀態(tài)信息。
• pong消息：當接收到ping、meet消息時，作為響應消息回復給發(fā)送方確認消息正常通信。pong消息內(nèi)部封裝了自身狀態(tài)數(shù)據(jù)。節(jié)點也可以向集群內(nèi)廣播自身的pong消息來通知整個集群對自身狀態(tài)進行更新。
• fail消息：當節(jié)點判定集群內(nèi)另一個節(jié)點下線時，會向集群內(nèi)廣播一個fail消息，其他節(jié)點接收到fail消息之后把對應節(jié)點更新為下線狀態(tài)。

特別的，每個節(jié)點是通過集群總線(cluster bus) 與其他的節(jié)點進行通信的。通訊時，使用特殊的端口號，即對外服務端口號加10000。例如如果某個node的端口號是6379，那么它與其它nodes通信的端口號是 16379。nodes 之間的通信采用特殊的二進制協(xié)議。

Hash Slot插槽算法

既然是分布式存儲，Cluster集群使用的分布式算法是一致性Hash嘛？并不是，而是Hash Slot插槽算法。

插槽算法把整個數(shù)據(jù)庫被分為16384個slot（槽），每個進入Redis的鍵值對，根據(jù)key進行散列，分配到這16384插槽中的一個。使用的哈希映射也比較簡單，用CRC16算法計算出一個16 位的值，再對16384取模。數(shù)據(jù)庫中的每個鍵都屬于這16384個槽的其中一個，集群中的每個節(jié)點都可以處理這16384個槽。

集群中的每個節(jié)點負責一部分的hash槽，比如當前集群有A、B、C個節(jié)點，每個節(jié)點上的哈希槽數(shù) =16384/3，那么就有：

• 節(jié)點A負責0~5460號哈希槽
• 節(jié)點B負責5461~10922號哈希槽
• 節(jié)點C負責10923~16383號哈希槽

Redis Cluster集群

Redis Cluster集群中，需要確保16384個槽對應的node都正常工作，如果某個node出現(xiàn)故障，它負責的slot也會失效，整個集群將不能工作。

因此為了保證高可用，Cluster集群引入了主從復制，一個主節(jié)點對應一個或者多個從節(jié)點。當其它主節(jié)點 ping 一個主節(jié)點 A 時，如果半數(shù)以上的主節(jié)點與 A 通信超時，那么認為主節(jié)點 A 宕機了。如果主節(jié)點宕機時，就會啟用從節(jié)點。

在Redis的每一個節(jié)點上，都有兩個玩意，一個是插槽（slot），它的取值范圍是0~16383。另外一個是cluster，可以理解為一個集群管理的插件。當我們存取的key到達時，Redis 會根據(jù)CRC16算法得出一個16 bit的值，然后把結(jié)果對16384取模。醬紫每個key都會對應一個編號在 0~16383 之間的哈希槽，通過這個值，去找到對應的插槽所對應的節(jié)點，然后直接自動跳轉(zhuǎn)到這個對應的節(jié)點上進行存取操作。

雖然數(shù)據(jù)是分開存儲在不同節(jié)點上的，但是對客戶端來說，整個集群Cluster，被看做一個整體?？蛻舳硕诉B接任意一個node，看起來跟操作單實例的Redis一樣。當客戶端操作的key沒有被分配到正確的node節(jié)點時，Redis會返回轉(zhuǎn)向指令，最后指向正確的node，這就有點像瀏覽器頁面的302 重定向跳轉(zhuǎn)。

故障轉(zhuǎn)移

Redis集群實現(xiàn)了高可用，當集群內(nèi)節(jié)點出現(xiàn)故障時，通過故障轉(zhuǎn)移，以保證集群正常對外提供服務。

redis集群通過ping/pong消息，實現(xiàn)故障發(fā)現(xiàn)。這個環(huán)境包括主觀下線和客觀下線。

主觀下線： 某個節(jié)點認為另一個節(jié)點不可用，即下線狀態(tài)，這個狀態(tài)并不是最終的故障判定，只能代表一個節(jié)點的意見，可能存在誤判情況。

主觀下線

客觀下線： 指標記一個節(jié)點真正的下線，集群內(nèi)多個節(jié)點都認為該節(jié)點不可用，從而達成共識的結(jié)果。如果是持有槽的主節(jié)點故障，需要為該節(jié)點進行故障轉(zhuǎn)移。

• 假如節(jié)點A標記節(jié)點B為主觀下線，一段時間后，節(jié)點A通過消息把節(jié)點B的狀態(tài)發(fā)到其它節(jié)點，當節(jié)點C接受到消息并解析出消息體時，如果發(fā)現(xiàn)節(jié)點B的pfail狀態(tài)時，會觸發(fā)客觀下線流程；
• 當下線為主節(jié)點時，此時Redis Cluster集群為統(tǒng)計持有槽的主節(jié)點投票，看投票數(shù)是否達到一半，當下線報告統(tǒng)計數(shù)大于一半時，被標記為客觀下線狀態(tài)。

流程如下：

客觀下線

故障恢復：故障發(fā)現(xiàn)后，如果下線節(jié)點的是主節(jié)點，則需要在它的從節(jié)點中選一個替換它，以保證集群的高可用。流程如下：

• 資格檢查：檢查從節(jié)點是否具備替換故障主節(jié)點的條件。
• 準備選舉時間：資格檢查通過后，更新觸發(fā)故障選舉時間。
• 發(fā)起選舉：到了故障選舉時間，進行選舉。
• 選舉投票：只有持有槽的主節(jié)點才有票，從節(jié)點收集到足夠的選票（大于一半），觸發(fā)替換主節(jié)點操作

10. 使用過Redis分布式鎖嘛？有哪些注意點呢？

分布式鎖，是控制分布式系統(tǒng)不同進程共同訪問共享資源的一種鎖的實現(xiàn)。秒殺下單、搶紅包等等業(yè)務場景，都需要用到分布式鎖，我們項目中經(jīng)常使用Redis作為分布式鎖。

選了Redis分布式鎖的幾種實現(xiàn)方法，大家來討論下，看有沒有啥問題哈。

• 命令setnx + expire分開寫
• setnx + value值是過期時間
• set的擴展命令（set ex px nx）
• set ex px nx + 校驗唯一隨機值,再刪除

10.1 命令setnx + expire分開寫

if（jedis.setnx(key,lock_value) == 1）{ //加鎖 expire（key，100）; //設置過期時間 try { do something //業(yè)務請求 }catch(){ } finally { jedis.del(key); //釋放鎖 } }

如果執(zhí)行完setnx加鎖，正要執(zhí)行expire設置過期時間時，進程crash掉或者要重啟維護了，那這個鎖就“長生不老”了，別的線程永遠獲取不到鎖啦，所以分布式鎖不能這么實現(xiàn)。

10.2 setnx + value值是過期時間

long expires = System.currentTimeMillis() + expireTime; //系統(tǒng)時間+設置的過期時間 String expiresStr = String.valueOf(expires); // 如果當前鎖不存在，返回加鎖成功 if (jedis.setnx(key, expiresStr) == 1) { return true; } // 如果鎖已經(jīng)存在，獲取鎖的過期時間 String currentValueStr = jedis.get(key); // 如果獲取到的過期時間，小于系統(tǒng)當前時間，表示已經(jīng)過期 if (currentValueStr != null && Long.parseLong(currentValueStr) < System.currentTimeMillis()) { // 鎖已過期，獲取上一個鎖的過期時間，并設置現(xiàn)在鎖的過期時間（不了解redis的getSet命令的小伙伴，可以去官網(wǎng)看下哈） String oldValueStr = jedis.getSet(key_resource_id, expiresStr); if (oldValueStr != null && oldValueStr.equals(currentValueStr)) { // 考慮多線程并發(fā)的情況，只有一個線程的設置值和當前值相同，它才可以加鎖 return true; } } //其他情況，均返回加鎖失敗 return false; }

筆者看過有開發(fā)小伙伴是這么實現(xiàn)分布式鎖的，但是這種方案也有這些缺點：

• 過期時間是客戶端自己生成的，分布式環(huán)境下，每個客戶端的時間必須同步。
• 沒有保存持有者的唯一標識，可能被別的客戶端釋放/解鎖。
• 鎖過期的時候，并發(fā)多個客戶端同時請求過來，都執(zhí)行了jedis.getSet()，最終只能有一個客戶端加鎖成功，但是該客戶端鎖的過期時間，可能被別的客戶端覆蓋。

10.3：set的擴展命令（set ex px nx）（注意可能存在的問題）

if（jedis.set(key, lock_value, "NX", "EX", 100s) == 1）{ //加鎖 try { do something //業(yè)務處理 }catch(){ } finally { jedis.del(key); //釋放鎖 } }

這個方案可能存在這樣的問題：

• 鎖過期釋放了，業(yè)務還沒執(zhí)行完。
• 鎖被別的線程誤刪。

10.4 set ex px nx + 校驗唯一隨機值,再刪除

if（jedis.set(key, uni_request_id, "NX", "EX", 100s) == 1）{ //加鎖 try { do something //業(yè)務處理 }catch(){ } finally { //判斷是不是當前線程加的鎖,是才釋放 if (uni_request_id.equals(jedis.get(key))) { jedis.del(key); //釋放鎖 } } }

在這里，判斷當前線程加的鎖和釋放鎖是不是一個原子操作。如果調(diào)用jedis.del()釋放鎖的時候，可能這把鎖已經(jīng)不屬于當前客戶端，會解除他人加的鎖。

一般也是用lua腳本代替。lua腳本如下：

if redis.call('get',KEYS[1]) == ARGV[1] then return redis.call('del',KEYS[1]) else return 0 end;

這種方式比較不錯了，一般情況下，已經(jīng)可以使用這種實現(xiàn)方式。但是存在鎖過期釋放了，業(yè)務還沒執(zhí)行完的問題（實際上，估算個業(yè)務處理的時間，一般沒啥問題了）。

11. 使用過Redisson嘛？說說它的原理

分布式鎖可能存在鎖過期釋放，業(yè)務沒執(zhí)行完的問題。有些小伙伴認為，稍微把鎖過期時間設置長一些就可以啦。其實我們設想一下，是否可以給獲得鎖的線程，開啟一個定時守護線程，每隔一段時間檢查鎖是否還存在，存在則對鎖的過期時間延長，防止鎖過期提前釋放。

當前開源框架Redisson就解決了這個分布式鎖問題。我們一起來看下Redisson底層原理是怎樣的吧：

只要線程一加鎖成功，就會啟動一個watch dog看門狗，它是一個后臺線程，會每隔10秒檢查一下，如果線程1還持有鎖，那么就會不斷的延長鎖key的生存時間。因此，Redisson就是使用Redisson解決了鎖過期釋放，業(yè)務沒執(zhí)行完問題。

12. 什么是Redlock算法

Redis一般都是集群部署的，假設數(shù)據(jù)在主從同步過程，主節(jié)點掛了，Redis分布式鎖可能會有哪些問題呢？一起來看些這個流程圖：

如果線程一在Redis的master節(jié)點上拿到了鎖，但是加鎖的key還沒同步到slave節(jié)點。恰好這時，master節(jié)點發(fā)生故障，一個slave節(jié)點就會升級為master節(jié)點。線程二就可以獲取同個key的鎖啦，但線程一也已經(jīng)拿到鎖了，鎖的安全性就沒了。

為了解決這個問題，Redis作者 antirez提出一種高級的分布式鎖算法：Redlock。Redlock核心思想是這樣的：

搞多個Redis master部署，以保證它們不會同時宕掉。并且這些master節(jié)點是完全相互獨立的，相互之間不存在數(shù)據(jù)同步。同時，需要確保在這多個master實例上，是與在Redis單實例，使用相同方法來獲取和釋放鎖。

我們假設當前有5個Redis master節(jié)點，在5臺服務器上面運行這些Redis實例。

RedLock的實現(xiàn)步驟:如下

• 1.獲取當前時間，以毫秒為單位。
• 2.按順序向5個master節(jié)點請求加鎖?？蛻舳嗽O置網(wǎng)絡連接和響應超時時間，并且超時時間要小于鎖的失效時間。（假設鎖自動失效時間為10秒，則超時時間一般在5-50毫秒之間,我們就假設超時時間是50ms吧）。如果超時，跳過該master節(jié)點，盡快去嘗試下一個master節(jié)點。
• 3.客戶端使用當前時間減去開始獲取鎖時間（即步驟1記錄的時間），得到獲取鎖使用的時間。當且僅當超過一半（N/2+1，這里是5/2+1=3個節(jié)點）的Redis master節(jié)點都獲得鎖，并且使用的時間小于鎖失效時間時，鎖才算獲取成功。（如上圖，10s> 30ms+40ms+50ms+4m0s+50ms）
• 如果取到了鎖，key的真正有效時間就變啦，需要減去獲取鎖所使用的時間。
• 如果獲取鎖失敗（沒有在至少N/2+1個master實例取到鎖，有或者獲取鎖時間已經(jīng)超過了有效時間），客戶端要在所有的master節(jié)點上解鎖（即便有些master節(jié)點根本就沒有加鎖成功，也需要解鎖，以防止有些漏網(wǎng)之魚）。

簡化下步驟就是：

• 按順序向5個master節(jié)點請求加鎖
• 根據(jù)設置的超時時間來判斷，是不是要跳過該master節(jié)點。
• 如果大于等于三個節(jié)點加鎖成功，并且使用的時間小于鎖的有效期，即可認定加鎖成功啦。
• 如果獲取鎖失敗，解鎖！

13. Redis的跳躍表

跳躍表

• 跳躍表是有序集合zset的底層實現(xiàn)之一
• 跳躍表支持平均O（logN）,最壞 O（N）復雜度的節(jié)點查找，還可以通過順序性操作批量處理節(jié)點。
• 跳躍表實現(xiàn)由zskiplist和zskiplistNode兩個結(jié)構(gòu)組成，其中zskiplist用于保存跳躍表信息（如表頭節(jié)點、表尾節(jié)點、長度），而zskiplistNode則用于表示跳躍表節(jié)點。
• 跳躍表就是在鏈表的基礎上，增加多級索引提升查找效率。

14. MySQL與Redis 如何保證雙寫一致性

• 緩存延時雙刪
• 刪除緩存重試機制
• 讀取biglog異步刪除緩存

14.1 延時雙刪？

什么是延時雙刪呢？流程圖如下：

延時雙刪流程

1. 先刪除緩存
2. 再更新數(shù)據(jù)庫
3. 休眠一會（比如1秒），再次刪除緩存。

這個休眠一會，一般多久呢？都是1秒？

這個休眠時間 = 讀業(yè)務邏輯數(shù)據(jù)的耗時 + 幾百毫秒。為了確保讀請求結(jié)束，寫請求可以刪除讀請求可能帶來的緩存臟數(shù)據(jù)。

這種方案還算可以，只有休眠那一會（比如就那1秒），可能有臟數(shù)據(jù)，一般業(yè)務也會接受的。但是如果第二次刪除緩存失敗呢？緩存和數(shù)據(jù)庫的數(shù)據(jù)還是可能不一致，對吧？給Key設置一個自然的expire過期時間，讓它自動過期怎樣？那業(yè)務要接受過期時間內(nèi)，數(shù)據(jù)的不一致咯？還是有其他更佳方案呢？

14.2 刪除緩存重試機制

因為延時雙刪可能會存在第二步的刪除緩存失敗，導致的數(shù)據(jù)不一致問題?？梢允褂眠@個方案優(yōu)化：刪除失敗就多刪除幾次呀,保證刪除緩存成功就可以了呀~ 所以可以引入刪除緩存重試機制

刪除緩存重試流程

1. 寫請求更新數(shù)據(jù)庫
2. 緩存因為某些原因，刪除失敗
3. 把刪除失敗的key放到消息隊列
4. 消費消息隊列的消息，獲取要刪除的key
5. 重試刪除緩存操作

14.3 讀取biglog異步刪除緩存

重試刪除緩存機制還可以吧，就是會造成好多業(yè)務代碼入侵。其實，還可以這樣優(yōu)化：通過數(shù)據(jù)庫的binlog來異步淘汰key。

以mysql為例吧

• 可以使用阿里的canal將binlog日志采集發(fā)送到MQ隊列里面
• 然后通過ACK機制確認處理這條更新消息，刪除緩存，保證數(shù)據(jù)緩存一致性

15. 為什么Redis 6.0 之后改多線程呢？

• Redis6.0之前，Redis在處理客戶端的請求時，包括讀socket、解析、執(zhí)行、寫socket等都由一個順序串行的主線程處理，這就是所謂的“單線程”。
• Redis6.0之前為什么一直不使用多線程？使用Redis時，幾乎不存在CPU成為瓶頸的情況， Redis主要受限于內(nèi)存和網(wǎng)絡。例如在一個普通的Linux系統(tǒng)上，Redis通過使用pipelining每秒可以處理100萬個請求，所以如果應用程序主要使用O(N)或O(log(N))的命令，它幾乎不會占用太多CPU。

redis使用多線程并非是完全摒棄單線程，redis還是使用單線程模型來處理客戶端的請求，只是使用多線程來處理數(shù)據(jù)的讀寫和協(xié)議解析，執(zhí)行命令還是使用單線程。

這樣做的目的是因為redis的性能瓶頸在于網(wǎng)絡IO而非CPU，使用多線程能提升IO讀寫的效率，從而整體提高redis的性能。

16. 聊聊Redis 事務機制

Redis通過MULTI、EXEC、WATCH等一組命令集合，來實現(xiàn)事務機制。事務支持一次執(zhí)行多個命令，一個事務中所有命令都會被序列化。在事務執(zhí)行過程，會按照順序串行化執(zhí)行隊列中的命令，其他客戶端提交的命令請求不會插入到事務執(zhí)行命令序列中。

簡言之，Redis事務就是順序性、一次性、排他性的執(zhí)行一個隊列中的一系列命令。

Redis執(zhí)行事務的流程如下：

• 開始事務（MULTI）
• 命令入隊
• 執(zhí)行事務（EXEC）、撤銷事務（DISCARD ）

17. Redis的Hash 沖突怎么辦

Redis 作為一個K-V的內(nèi)存數(shù)據(jù)庫，它使用用一張全局的哈希來保存所有的鍵值對。這張哈希表，有多個哈希桶組成，哈希桶中的entry元素保存了_key和_value指針，其中*key指向了實際的鍵，*value指向了實際的值。

哈希表查找速率很快的，有點類似于Java中的HashMap，它讓我們在O(1) 的時間復雜度快速找到鍵值對。首先通過key計算哈希值，找到對應的哈希桶位置，然后定位到entry，在entry找到對應的數(shù)據(jù)。

什么是哈希沖突？

哈希沖突：通過不同的key，計算出一樣的哈希值，導致落在同一個哈希桶中。

Redis為了解決哈希沖突，采用了鏈式哈希。鏈式哈希是指同一個哈希桶中，多個元素用一個鏈表來保存，它們之間依次用指針連接。

有些讀者可能還會有疑問：哈希沖突鏈上的元素只能通過指針逐一查找再操作。當往哈希表插入數(shù)據(jù)很多，沖突也會越多，沖突鏈表就會越長，那查詢效率就會降低了。

為了保持高效，Redis 會對哈希表做rehash操作，也就是增加哈希桶，減少沖突。為了rehash更高效，Redis還默認使用了兩個全局哈希表，一個用于當前使用，稱為主哈希表，一個用于擴容，稱為備用哈希表。

18. 在生成 RDB期間，Redis 可以同時處理寫請求么？

可以的，Redis提供兩個指令生成RDB，分別是save和bgsave。

• 如果是save指令，會阻塞，因為是主線程執(zhí)行的。
• 如果是bgsave指令，是fork一個子進程來寫入RDB文件的，快照持久化完全交給子進程來處理，父進程則可以繼續(xù)處理客戶端的請求。

19. Redis底層，使用的什么協(xié)議?

RESP，英文全稱是Redis Serialization Protocol,它是專門為redis設計的一套序列化協(xié)議. 這個協(xié)議其實在redis的1.2版本時就已經(jīng)出現(xiàn)了,但是到了redis2.0才最終成為redis通訊協(xié)議的標準。

RESP主要有實現(xiàn)簡單、解析速度快、可讀性好等優(yōu)點。

20. 布隆過濾器

應對緩存穿透問題，我們可以使用布隆過濾器。布隆過濾器是什么呢？

布隆過濾器是一種占用空間很小的數(shù)據(jù)結(jié)構(gòu)，它由一個很長的二進制向量和一組Hash映射函數(shù)組成，它用于檢索一個元素是否在一個集合中，空間效率和查詢時間都比一般的算法要好的多，缺點是有一定的誤識別率和刪除困難。

布隆過濾器原理是？假設我們有個集合A，A中有n個元素。利用k個哈希散列函數(shù)，將A中的每個元素映射到一個長度為a位的數(shù)組B中的不同位置上，這些位置上的二進制數(shù)均設置為1。如果待檢查的元素，經(jīng)過這k個哈希散列函數(shù)的映射后，發(fā)現(xiàn)其k個位置上的二進制數(shù)全部為1，這個元素很可能屬于集合A，反之，一定不屬于集合A。

來看個簡單例子吧，假設集合A有3個元素，分別為{d1,d2,d3}。有1個哈希函數(shù)，為Hash1?，F(xiàn)在將A的每個元素映射到長度為16位數(shù)組B。

我們現(xiàn)在把d1映射過來，假設Hash1（d1）= 2，我們就把數(shù)組B中，下標為2的格子改成1，如下：

我們現(xiàn)在把d2也映射過來，假設Hash1（d2）= 5，我們把數(shù)組B中，下標為5的格子也改成1，如下：

接著我們把d3也映射過來，假設Hash1（d3）也等于 2，它也是把下標為2的格子標1：

因此，我們要確認一個元素dn是否在集合A里，我們只要算出Hash1（dn）得到的索引下標，只要是0，那就表示這個元素不在集合A，如果索引下標是1呢？那該元素可能是A中的某一個元素。因為你看，d1和d3得到的下標值，都可能是1，還可能是其他別的數(shù)映射的，布隆過濾器是存在這個缺點的：會存在hash碰撞導致的假陽性，判斷存在誤差。

如何減少這種誤差呢？

• 搞多幾個哈希函數(shù)映射，降低哈希碰撞的概率
• 同時增加B數(shù)組的bit長度，可以增大hash函數(shù)生成的數(shù)據(jù)的范圍，也可以降低哈希碰撞的概率

我們又增加一個Hash2哈希映射函數(shù)，假設Hash2（d1）=6,Hash2（d3）=8,它倆不就不沖突了嘛，如下：

即使存在誤差，我們可以發(fā)現(xiàn)，布隆過濾器并沒有存放完整的數(shù)據(jù)，它只是運用一系列哈希映射函數(shù)計算出位置，然后填充二進制向量。如果數(shù)量很大的話，布隆過濾器通過極少的錯誤率，換取了存儲空間的極大節(jié)省，還是挺劃算的。

目前布隆過濾器已經(jīng)有相應實現(xiàn)的開源類庫啦，如Google的Guava類庫，Twitter的 Algebird 類庫，信手拈來即可，或者基于Redis自帶的Bitmaps自行實現(xiàn)設計也是可以的。