华为OD技术面真题 - 数据库Redis - 1

文章目录

简单介绍一下Redis

Redis(Remote Dictionary Server)远程数据服务,是一个基于 C 语言开发的开源 NoSQL 数据库。使用KV键值对存储数据,数据直接保存在内存中,因此读写速度快,同时也提供持久化机制。为了满足不同的业务场景,Redis 内置了多种数据类型实现(比如 String、Hash、Sorted Set、Bitmap、HyperLogLog、GEO)。并且,Redis 还支持事务、持久化、Lua 脚本、发布订阅模型、多种开箱即用的集群方案。

为什么Redis这么快?

Redis快的原因主要基于以下几个方面:

  1. 纯内存操作:Redis 数据读写操作都发生在内存中,访问速度是纳秒级别,而传统数据库频繁读写磁盘的速度是毫秒级别,两者相差数个数量级。
  2. 内置高效数据结构:Redis提供多种数据类型(String,List,Hash等)其内部采用高度优化编码方式。Redis 会根据数据大小和类型动态选择最合适的内部编码,以在性能和空间效率之间取得最佳平衡。
  3. 高效I/O模型:Redis 使用单线程事件循环配合 I/O 多路复用技术,让单个线程可以同时处理多个网络连接上的 I/O 事件(如读写),避免了多线程模型中的上下文切换和锁竞争问题。处理数据库操作命令使用单线程执行,高效简单,无需进行锁竞争、CPU上下文切换等操作。
  4. 简单高效的通信协议:Redis使用自身设计的RESP协议。客户端/服务端通信对数据进行序列化/反序列化开销小,有助于提升整体交互速度。

分别解释缓存穿透、缓存击穿、缓存雪崩,以及如何解决

先说明一下使用Redis缓存的核心目的:热点数据缓存,减轻数据库压力,高频热点数据查询每次查关系数据库,系统性能瓶颈可能直接转换为DB,引入Redis进行缓存的作用,分担数据库压力,从而提升系统并发能力。基于这个点,再来解释上面问题:

  • 缓存穿透:简单点就是大量请求的 key 是不合理的,根本不存在于缓存中,也不存在于数据库中 。这就导致这些请求直接到了数据库上,根本没有经过缓存这一层,对数据库造成了巨大的压力,可能直接就被这么多请求弄宕机了。
    • 常见解决方案:
      • 缓存无效key:出现缓存穿透的核心原因是数据不存在就不进行缓存,导致每次都查库,如果对于无效key也进行缓存并设置过期时间,就可以避免每次都查库。
      • 接口限流:根据用户/IP对接口限流,对于频繁异常查询行为,限制短时间访问次数。
      • 布隆过滤器:使用布隆过滤器先过滤大部分不存在数据请求。
  • 缓存击穿:缓存击穿中,请求的 key 对应的是 热点数据,该数据 存在于数据库中,但不存在于缓存中(通常是因为缓存中的那份数据已经过期)。这就可能会导致瞬时大量的请求直接打到了数据库上,对数据库造成了巨大的压力,可能直接就被这么多请求弄宕机了。
    • 常见解决方案:
      • 永不过期:针对热点数据可以设置永不过期或者过期时间比较长。更甚可以等数据热点持续时间过了之后,手动管理。
      • 提前预热:针对有预期的热点数据,可以提前手动将热点数据缓存,并免用户访问的时候采取查询集中查询。
      • 加锁访问:在缓存失效后,通过设置互斥锁确保只有一个请求去查询数据库并更新缓存,其它请求自旋等待缓存更新。
  • 缓存雪崩:缓存在同一时间大面积的失效,导致大量的请求都直接落到了数据库上,对数据库造成了巨大的压力。同时当服务器宕机也会导致缓存雪崩。
    • 常见解决方案:
      • 避免缓存同一时间失效:可将数据设置随机时间失效/不失效,保证避免同一时间大量缓存失效。
      • 避免系统崩溃宕机:使用redis分布式集群,提高系统可靠性。

Redis的适用场景有哪些

  • 热点数据缓存:缓存是Redis最常见的应用场景,之所有这么使用,主要是因为Redis读写性能优异。
  • 限时业务使用:redis中可以使用expire命令设置一个键的生存时间,到时间后redis会删除它。利用这一特性可以运用在限时的优惠活动信息、手机验证码过期等业务场景。
  • 计时器相关场景:redis由于incrby命令可以实现原子性的递增,可用于分布式有序编号生成、接口限流等场景使用。
  • 分布式锁:利用redissetnx方法,只有不存在时才能添加成功,返回true。分布式场景使用redis协调多服务同步。
  • 分布式Session:利用 String 或者 Hash 数据类型保存 Session 数据,所有的服务器都可以访问。
  • 限定场景下使用:通过 Bitmap 统计活跃用户、通过 Sorted Set 维护排行榜、通过 HyperLogLog 统计网站 UV 和 PV。
相关推荐
indexsunny20 小时前
互联网大厂Java面试实战:Spring Boot微服务在电商场景中的应用与挑战
java·spring boot·redis·微服务·kafka·spring security·电商
摇滚侠1 天前
阿里云安装的 Redis 在什么位置,如何找到 Redis 的安装位置
redis·阿里云·云计算
啦啦啦_99991 天前
Redis-2-queryFormat()方法
数据库·redis·缓存
forestsea1 天前
深入理解Redisson RLocalCachedMap:本地缓存过期策略全解析
redis·缓存·redisson
佛祖让我来巡山1 天前
Redis 为什么这么快?——「极速快递站」的故事
redis·redis为什么快?
啦啦啦_99991 天前
Redis-0-业务逻辑
数据库·redis·缓存
自不量力的A同学1 天前
Redisson 4.2.0 发布,官方推荐的 Redis 客户端
数据库·redis·缓存
fengxin_rou1 天前
[Redis从零到精通|第四篇]:缓存穿透、雪崩、击穿
java·redis·缓存·mybatis·idea·多线程
是阿楷啊1 天前
Java大厂面试场景:音视频场景中的Spring Boot与微服务实战
spring boot·redis·spring cloud·微服务·grafana·prometheus·java面试
笨蛋不要掉眼泪1 天前
Redis哨兵机制全解析:原理、配置与实战故障转移演示
java·数据库·redis·缓存·bootstrap