【java面试】redis篇

redis篇

一、适用场景
- （一）缓存
- - 1、缓存穿透
  - - [1.1 解决方案1：缓存空数据，查询返回的数据为空，将空结果缓存](#1.1 解决方案1：缓存空数据，查询返回的数据为空，将空结果缓存)
    - [1.2 解决方案2：布隆过滤器](#1.2 解决方案2：布隆过滤器)
  - 2、缓存击穿
  - - [1.1 解决方案1：互斥锁](#1.1 解决方案1：互斥锁)
    - [1.2 解决方案2：逻辑过期](#1.2 解决方案2：逻辑过期)
  - 3、缓存雪崩
  - - [3.1 大量key过期](#3.1 大量key过期)
    - [3.2 Redis服务宕机](#3.2 Redis服务宕机)
    - [3.3 给缓存业务添加降级限流策略（通用）](#3.3 给缓存业务添加降级限流策略（通用）)
    - [3.4 给业务添加多级缓存](#3.4 给业务添加多级缓存)
  - 4、双写一致性
  - - [4.1 双写一致（一致性要求高）](#4.1 双写一致（一致性要求高）)
    - [4.1 分布式锁](#4.1 分布式锁)
    - [4.2 读写锁](#4.2 读写锁)
    - [4.2 允许短暂的不一致](#4.2 允许短暂的不一致)
  - 5、持久化
  - - [5.1 RDB](#5.1 RDB)
    - [5.2 AOF](#5.2 AOF)
    - [5.3 RDB和AOF对比](#5.3 RDB和AOF对比)
  - 6、数据过期策略
  - - [6.1 惰性删除](#6.1 惰性删除)
    - [6.2 定期删除](#6.2 定期删除)
  - 7、数据淘汰策略
- （二）分布式锁
二、其他面试题
- （一）主从复制、主从同步
- （二）哨兵模式、集群脑裂
- （三）分片集群、数据读取
- [（四）其他](#（四）其他)
- - 1、Redis是单线程的，但为什么还是那么快？
  - 2、用户空间和内核空间
  - 3、IO模型
  - - [3.1 阻塞I/O](#3.1 阻塞I/O)
  - [3.2 非阻塞I/O](#3.2 非阻塞I/O)
  - [3.3 I/O多路复用](#3.3 I/O多路复用)
  - 4、redis的网络模型
  - - [4.1 单线程模型](#4.1 单线程模型)
    - [4.2 多线程模型](#4.2 多线程模型)
  - 5、总结

一、适用场景

问：你在项目中，都用到了redis,你在最近的哪些场景中使用了redis？

答：（结合实际项目情况）

（一）缓存

查询流程：

请求路径：

一个get请求：api/new/getById/1

1、缓存穿透

描述：查询一个不存在的数据，mysal查询不到数据写不会直接写入缓存，导致每次请求都查数据库

1.1 解决方案1：缓存空数据，查询返回的数据为空，将空结果缓存

优点：简单

缺点：消耗内存，可能发生不一致问题

{key:1,value:null}

1.2 解决方案2：布隆过滤器

bitmap（位图） ：相当于以位（bit） 为单位的数组，数组中每个单元只能存储二进制数0或1
布隆过滤器作用 ：可以用于检索一个元素是否存在一个集合中
实现方案 ：Redission、Guava

但是布隆过滤器会出现误判，情况如下：

误判率 ：数组越小误判率就越大，数组越大误判率就越小，但是消耗内存更多。一般情况下设置在百分之五以内。

2、缓存击穿

描述：给某一个key设置了过期时间，当key过期的时候，恰好这个时间点对这个key有大量的并发请求过来，这些并发请求可能瞬间把DB压垮

1.1 解决方案1：互斥锁

1.2 解决方案2：逻辑过期

高热点key不设置过期时间，但是存储数据中有一个"expire"过期字段 ，当该字段为0时，说明数据过期，但是该数据仍旧存在（也就是高热点key不过期 ）。来查询该字段的线程会：

①获取互斥锁（用于保证重建缓存数据的互斥性）

②新开线程（用于重建缓存数据）

③在原有的线程上，返回过期数据

④如果正在重建缓存的基础上有新线程查询到数据，那么将会获取互斥锁失败，（不做等待）也直接返回过期数据。

⑤重建完成后，有新线程查询，将命中更新后的的新数据

更新前后返回数据可能不一致，但是不会等待，高可用，更加注重用户体验。

3、缓存雪崩

描述：是指在同一时间段大量的缓存key 同时失效 或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

3.1 大量key过期

解决方案：给不同的key的TTl添加随机值

3.2 Redis服务宕机

解决方案：利用Redis集群提高服务的可用性（哨兵模式、集群模式）

3.3 给缓存业务添加降级限流策略（通用）

解决描述：ngxin或spring cloud gateway

降级可作为系统的保底策略，适用于穿透、击穿、雪崩

3.4 给业务添加多级缓存

解决描述：Guava或Caffeine

4、双写一致性

问：redis作为缓存，mysql的数据如何与redis进行同步？

答：（一定设置前提）先介绍自己的业务背景

4.1 双写一致（一致性要求高）

双写一致性：当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致

读操作：缓存命中，直接返回；缓存未命中，查询数据库，写入缓存，设定超时时间。
写操作：延时双删

普通删除操作仅有：

无论是先删除缓存还是先删除数据库都会出现问题------脏数据 。

①先删除缓存，再删除数据库

正常情况：

异常情况：

②先删除数据库，再删除缓存

正常情况：

异常情况（查询时Redis已过期自动删除了：null）：

删除两次缓存 为了减少上面两种情况的脏数据
延时删除：数据库时主从同步，延时给数据库同步的时间

4.1 分布式锁

效率较低。

4.2 读写锁

4.2 允许短暂的不一致

①异步通知：保证数据的最终一致性

②基于Canal的异步通知

不需要修改业务代码，伪装为mysql的一个从节点，canal通过读取binlog数据更新缓存.

二进制日志(BINLOG)记录了所有的DDL(数据定义语言）语句和DML(数据操纵语言)语句，但不包括数据查询(SELECT、SHOW)语句

5、持久化

问：redis作为缓存，数据持久化是怎么做的？

在Redis中提供了两种数据持久化的方式：RDB 、AOF

5.1 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。

①主动备份

②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：
RDB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。

5.2 AOF

AOF全称Appeng only File（追加文件）。Redis处理的每一个命令都会记录在AOF文件，可以看做是命令日志文件。

AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF：

AOF的记录频率也可以通过redis.conf文件来配：

缺点：因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。

redis也会在触发阈值时自动重写AOF文件，阈值也可以在redis.conf中配置：

5.3 RDB和AOF对比

二者各有优缺点，如果对数据安全性要求较高，在实际开发中往往结合两者来使用：

回答：

6、数据过期策略

问：redis的key过期后，会立马删除吗？

redis对数据设置数据的有效时间，数据过期以后，就需要将数据从内存中删除掉。可以按照不同的规则进行删除，这种删除规则就是数据的删除策略（数据过期策略）。有惰性删除和定期删除两种

6.1 惰性删除

设置该key过期时间后，我们不去管它，当需要该key时，我们检查它是否过期，如果过期我们就删除，反之，没过期就返回。

优点：对CPU友好，只有在使用该key时才会检查，对于很多用不到的key不会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，那么它就会一直存在内存中，内存永远不会释放。

6.2 定期删除

定期删除: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(从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中的过期key)。

定期清理有两种模式:
SLOW模式 是定时任务，执行频率默认为10hz，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，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 配合使用

7、数据淘汰策略

问：假如缓存过多，内存是有限的，内存被占满了怎么办？

适用建议：

（二）分布式锁

问：redis分布式锁，如何实现？

集群情况下的定时任务、抢单、幂等性场景。

1、场景描述

eg:抢券

正常流程：

错误流程：

解决办法：加锁（单体项目）

多体项目（分布式锁）：

2、redis实现分布式锁

Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在，则SET)的简写。

设置锁的过期时间：

①根据业务时间预估

②给过期时间预估------Redission实现的分布式锁

加锁、设置过期时间等操作都是基于lua脚本完成 ------保证执行的原子性

3、Redission实现的分布式锁可重入

在同一线程的基础上 ：

①执行add1（）创建"heimalock",同时value设置为1

②调用add2（），value加1

③add2（）执行结束，value减1

④add1（）执行结束，value减1，此时value变为0，删除"heimalock"

4、Redission实现的分布式锁------主从一致性------红锁

主节点负责写操作，从节点负责对外的读操作

当主节点宕机后，从从节点中选择一个当主节点，但此时主节点的信息还没同步过来，就会出现两个线程持有同一把锁的情况：

AP思想：优先保证高可用性

CP思想：保证数据的强一致性

了解AP和CP思想：https://blog.csdn.net/weixin_43475992/article/details/136280242

5、总结

二、其他面试题

问：redis集群 有哪些方案？

（一）主从复制、主从同步

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，就需要搭建主从集群，实现读写分离。

1、主从同步流程------全量同步

Replication ld :简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid,slave则会继承master节点的replid
offset:偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset,如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

2、主从同步流程------增量同步（slave重启或者后期数据变化）

3、总结

（二）哨兵模式、集群脑裂

1、哨兵模式

主从模式保证不了集群的高可用，主节点宕机之后，就丧失了写数据的能力。Redis提供了哨兵（Sentinel)机制来实现主从集群的自动故障恢复。哨兵的结构和作用如下:

Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令:
主观下线 ：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。
客观下线 :若超过指定数量（quorum)的sentinel都认为该实例主观下线，则该实例客观下线。quorum值最好

超过Sentinel实例数量的一半。
哨兵选主规则：