文章目录
本篇文章记录的是我对这些八股的理解，后续会更新正确答案进行对比理解。
数据结构
redis的底层结构
- string：简单动态字符串sds，在原先c数组的基础上做了封装，解决了\0特殊字符会导致错误识别string结尾的问题，还可以o1时间度获得string的长度，不用去遍历提高效率
- hashmap：底层是一个dict的数据结构，保存着key和value
- zset：当数据不大的时候，用的是ziplist，数据量大的时候用的是跳表+hashmap，后来ziplist有连锁更新问题，后续的redis优化为了listpack
zset用过吗
- zset是在set的基础上还有一个分数，支持按照分数进行升序和降序的操作，很适合像排行榜这种既需要分数排序又需要o1时间获得对应数据的场景
跳表是怎么实现的
- 跳表就是在链表的基础上引入了二分查找的思想，就是创建了一些列的辅助节点，这些辅助节点按照粒度分为不同的层，越往上层，节点越少，跨度越大，这样就可以通过logn的复杂度快速找到相应的节点，这是一种空间换时间的思想
跳表是怎么设置层高的
- 跳表的层高设置要通过具体的场景来取舍，如果设置了太多层高，对于内存的需求过大，如果设置过少的层高，查找效率不高，应该按实际的需要，设置中间一个甜点值层高
redis为什么使用跳表而不是b+树
- b+树的非叶子节点都没有保存具体的数据，都需要查找到叶子节点后才能找到数据，而且内存占用大，跳表通过层节点找到了即可以返回，效率较高
ziplist是怎么实现的
- ziplist是一段连续的内存，里面有一系列的node，里面保存着当前这个ziplist node的尾部对应的位置以及具体的key-value对，通过这个长度可以快速遍历整个ziplist，加上连续内存所以查找的效率很高，但是会存在连锁更新的问题
介绍下redis中的listpack
- 由于ziplist会存在连锁更新的问题，也即如果key-value对更新了之后，如果长度改变，起所占的字节长度可能会变化，需要更新其尾部所对应的位置，同时后面的所有节点的尾部位置都需要一起更改，这样会影响效率
- 所以后续redis更新为了listpack，listpack也是一段连续内存，里面有一系列的节点，也是存具体的key-value，和ziplist不同的listpack会在每个节点的末尾存储这个节点的长度，这样就能避免了连锁更新的问题
hash表是怎么扩容的
- hash表扩容也是分配一段新的内存，然后渐进式每次迁移一点数据，直到迁移完成
hash表扩容时有读请求怎么查
- 如果旧表中没有查到对应的数据就会去新表查，同时完成一部分的渐进式扩容的任务
string是使用什么存储的，为什么不用c语言的字符串
- string在redis底层是使用简单动态字符串sds进行存储的，sds也是在c语言的基础上做了一层封装，其还保存了字符串的长度，可以o1时间复杂度获取string的长度，同时sds还支持类似\0这种特殊字符的存取，而c语言的string不仅\0会影响其保存的结果，同时获取string长度还是个on时间复杂度
线程模型
redis为什么这么快
- 单线程模型，没有复杂的线程切换开销
- 底层的数据结构很高效
- 底层依赖于linux系统中的epoll函数和I/O多路复用，可以及时处理已就绪的IO请求
- 基于内存
redis中哪些地方使用了多线程
- redis中执行主命令的线程是单线程的，但是其他地方为了效率也采用了多线程的设计
- redis rdb和aof的备份的时候是fork一个子进程完成备份的
- 同时redis的会同时监听多个网络IO，这也需要多线程的支持
redis的网络模型是怎么样的
- redis网络模型是epoll函数+IO多路复用，因为性能瓶颈不在cpu和内存，而是在于网络IO
- 所以redis会监听多个网络IO，用IO多路复用的思想，底层用一个epoll函数监听，只要有就绪的epoll函数就能捕捉到进行处理，这样多个就绪的网络IO才能被及时处理，效率高
事务
如何实现redis的原子性
- lua脚本，lua脚本可以保证一系列的redis操作在redis中是按照一条命令似的去执行，期间redis不会执行其他的命令，从而达到原子性
除了lua，还有什么形式保证原子性
- redis还可以用锁的形式来保证原子性，拿到锁的线程才能执行，其他的都只能阻塞等待
- redis还可以用事务的形式来保证其原子性
日志
redis有哪两种持久化方式，各自的优缺点都是什么
- rdb和aof，rdb是会保存当时内存的一个快照，只需要加载rdb文件即可恢复，而aof会以追加写的形式把每条redis执行的命令写入aof文件中，需要把aof文件的命令依次执行才可恢复
- rdb速度快，但是会丢数据，比如会最近一次rdb后几秒内redis崩了，期间的命令会丢失；aof记录了所有的redis命令，所以aof丢数据的情况比较少，较全面，但是由于记录了所有的命令，需要依次加载，速度慢
缓存淘汰和过期删除
过期删除策略和内存淘汰策略有什么区别
- 过期删除策略侧重的是redis中的key，过期后是怎么被删除的；而内存淘汰策略，侧重的是redis内存满了之后，应该淘汰哪些key，过期删除删除的一定是过期的key，但是内存淘汰可能淘汰为过期的key
介绍一下redis内存淘汰策略
- 内存淘汰策略指的是在redis内存满了的时候需要淘汰掉一些key来保证redis不会oom
- 全部key：随机，ttl（淘汰即将过期的key），lfu，lru
- 过期key：随机，lfu，lru
介绍一下过期删除策略
- 过期删除指的是redis怎么处理这些过期的key，是什么时候删除
- 立即删除
- 定时删除：每秒扫描redis内存中的key，如果没过期就不管，如果过期以百分之几的概率删除该key
redis缓存实效会不会立即删除
- 不会，redis内部设计的是定期扫描+惰性删除策略，只有用到了发现过期才会删除，而且定期扫描也有可能没有扫描到，扫描到了也有一定的概率不被删除
为什么redis不过期立即删除该key
- cpu消耗大，如果过期立即删除的话，如果一段时间内有多个key同时过期，cpu全部在处理过期的key了，会影响其他进程的进行
集群
redis主从同步的增量和完全同步怎么理解
- redis一开始还没进行主从同步的时候，会发送sync信号，要求进行主从同步，sync信号同步后，第一次同步会是全量同步，也就是redis主机会把当前的内存存的数据打包为一个rdb文件，然后传给从机，这期间所发生的命令也会被主机存在一个缓冲区中，后续会发送给从机，全量备份完成后后续就是增量备份，主机会把相关的命令存在缓冲区定时发送给从机，以达到同步的效果
redis主从和集群可以保证数据一致性吗
- redis不能保证强一致性，但是可以保证最终一致性，因为数据的传输时候延时的
哨兵机制原理是什么
- 哨兵机制是指，redis会有一个哨兵监控整个redis集群，如果master挂了，哨兵会检测到这个情况，然后选择一台从机作为master，哨兵负责监听+选举+修改主从关系
哨兵机制的选主节点的算法是什么
- raft算法，会在从节点中发起投票，获得过半数投票的被选举为主节点
redis集群模式了解吗，优缺点知道吗
- redis集群就是把key通过hash算法，分配到不同的redis主机内，实现负载均衡
- 优点：存储量大，负载均衡
- 缺点：扩容麻烦，脑裂问题
场景
为什么使用redis
- redis一般都是为了当作缓存加速的作用，查询mysql效率低，通过基于内存的redis，速度快，能及时返回给用户而且支持较高的并发
为什么redis比mysql快
- redis是基于内存，而mysql数据是存储在磁盘上的
- redis单线程，数据结构高效
- redis的IO多路复用和epoll函数的使用
本地缓存和redis缓存的区别
- 本地缓存没有持久化，redis持久化支持rdb和aof方式
- 本地缓存不支持多种高效的数据结构
redis支持并发操作吗
- redis本身是单线程的，但是由于底层的IO多路复用和epoll函数的设计，所以能监听多个网络IO达到类似并发操作的操作，但实际上还是单线程的
高并发场景，redis单节点+mysql单节点能有多大的并发
- redis 11w并发 mysql 4w
redis的应用场景是什么
- 缓存，减少mysql的查询压力
- 排行榜，利用zset
- 基数统计，uv pv，利用hyperloglog
- 地理位置相关查询，geo
- 分布式锁
redis分布式锁的实现原理，什么场景下需要用到分布式锁
- 在高并发下，有多个线程需要对同一资源进行请求操作的时候，由于并发可能会出现相关冲突问题，所以需要分布式锁来限制，只有抢到锁的才能对资源进行操作，其他没抢到锁的只能等待
- redis的分布式锁采用的是redrock的思想，会设置多个锁（单数），获取锁的时候，只有获得了超多半数的锁，且锁的过期时间小于请求锁的时间，则认为获取分布式锁成功，如果没有只能等待
redis中的大key问题是什么
- 大key是指redis中key所对应的value项数过大或者每一项所占大小过大，则称为大key
- 大key的读取和删除都会很慢很耗资源，过多的大key还会导致oom
大key问题的缺点是什么
- 大key过大，读写效率低
- 大key过大，删除时如果不是异步，会阻塞主进程
redis大key如何解决
- 删除大key的时候最好是unlink而不是直接delete，因为前者是异步的
- 读取大key的时候，可以一部分一部分读取，而不是一整个读取，fetch
什么是热key
- 热key是指一段时间内，请求次数很多的key
- 热key所对应的数据频繁被请求到，是重要业务数据
如何解决热key问题
- 热key问题指的是同一时间热key同时过期导致的大量请求同时打到mysql从而拖垮mysql
- 热点key永不过期
- 用一个线程去获取分布式锁更新热点key，其他先暂时等待
- 热点key设置过期时间有random的差距，确保不同时过期
如何保证redis和mysql数据一致性
- canlog监听mysql，如果有修改就直接修改redis中的key
- 先修改mysql，再删除对应key
缓存雪崩、击穿、穿透是什么，怎么解决
- 缓存雪崩，同一时间内大量热点key同时过期，大量请求打到mysql导致mysql崩溃，可以设置热key永不过期或者是给热key一个过期时间上再加对应的random值，或者是在key过期时候设置分布式锁，又一个线程去更新key，其他线程等待
- 缓存击穿，是指一个热点key，某一时间刚好过期了，刚好这段时间里有大量的请求请求这个key，导致mysql压力骤增最终奔溃，可以设置热点key永不过期，或者是分布式锁的方式只允许一个线程拿到锁去更新redis中的key，其他线程先等待，还可以设置空缓存对象，请求失败时优先返回空缓存对象做一个降级处理
- 缓存穿透，指的是请求的key在redis中和mysql中都是不存在的，请求redis找不到回去请求mysql，但由于mysql里面也是没有的，这种无效冗余的查询会白白增加mysql的压力，可以使用布隆过滤器粗略判断key是否存在于系统中，如果存在则放行，如果不存在则拒绝请求，减少不必要的数据库查询
布隆过滤器原理介绍一下
- 布隆过滤器是用来减少缓存穿透的现象的，通过布隆过滤器我们可以很快的知道一个key是否存在于我们的mysql内，布隆过滤器是通过一个大长bitmap，通过多个hash函数，我们首先会把所有的mysql现有的key过一遍，对于每个key，都会通过多个hash函数映射到多个bitmap的位置中，把对应位置置为1，对于新来的key，还是用相同的那些hash函数处理，看对应的那几位是否都是1，如果有1位不为1，则不存在，拒绝请求，如果都为1，则放行，但是由于hash冲突的存在，所以都为1也不能证明这个key真的存在，需要后续在代码中判断，但是已经能避免掉很多无效查询了