Redis高频面试题与跳跃表原理详解

一、缓存穿透

问题描述

缓存穿透 是指用户大量请求不存在的数据------缓存中没有，数据库中也没有。所有请求直接打到数据库，导致数据库负载过高甚至崩溃。

复制代码

用户请求 → Redis缓存(无) → 数据库(无) → 数据库崩溃

解决方案

1. 布隆过滤器（Bloom Filter）

使用Redis的bitmap类型，将所有合法的数据ID存入过滤器。查询前先检查布隆过滤器，如果判断数据不存在则直接返回，避免无效查询打到数据库。

bash 复制代码

# 将合法ID存入bitmaps（以用户ID为例）
SETBIT bloom:user:exists 10001 1
SETBIT bloom:user:exists 10002 1

# 查询时检查
GETBIT bloom:user:exists 99999  # 返回0，说明不存在

2. 缓存空值

将空值也缓存起来，并设置较短的过期时间（如30秒）。这样相同请求第二次就会从缓存返回。

bash 复制代码

# 查询数据库也为空时，缓存空值
SETEX cache:user:99999 30 ""

3. 延迟加载策略

查询时先检查布隆过滤器，如果过滤器判断可能存在再去查询数据库。适用于数据量可控的业务场景。

二、缓存击穿

问题描述

缓存击穿 是指某个热点key对应数据存在，但缓存过期失效，瞬间大量请求直接打数据库。就像"击穿"了缓存保护层一样。

复制代码

热点key失效 → 大量并发请求 → 直接打数据库 → 数据库过载

解决方案

1. 热点数据预热

在系统上线或高峰期前，将热点数据提前加载到缓存中：

bash 复制代码

# 系统启动时预热热点数据
KEYS hot:*  # 找出热点key
GET hot:product:1  # 提前加载到缓存

2. 实时监控与续期

实时监控系统中的热点key，检测到即将过期时自动延长过期时间：

python 复制代码

# 伪代码：监控热点key并自动续期
if is_hot_key(key) and ttl(key) < 60:
    expire(key, 3600)  # 自动延长到1小时

3. 分布式互斥锁

使用Redis的SETNX命令实现分布式锁，保证只有一个线程去数据库读取数据：

python 复制代码

# 伪代码：使用SETNX实现互斥锁
lock = redis.setnx('lock:product:1', '1', nx=True, ex=10)
if lock:
    # 只有获取到锁的线程才去查询数据库
    data = db.query('SELECT * FROM products WHERE id=1')
    redis.setex('product:1', 3600, json.dumps(data))
    redis.delete('lock:product:1')
else:
    # 其他线程等待或返回旧数据
    time.sleep(0.1)

三、缓存雪崩

问题描述

缓存雪崩 是指某一时刻大量key同时过期，或者Redis服务宕机，导致大量请求同时打到数据库，造成数据库瞬间负载过高而崩溃。

复制代码

同一时刻大量key过期 → 大量请求同时打数据库 → 数据库崩溃

解决方案

1. 多级缓存架构（推荐）

复制代码

Nginx缓存 → Redis缓存 → 数据库

多级缓存分担压力，即使Redis缓存失效，Nginx缓存仍能挡住部分流量。

2. 随机过期时间

设置过期时间时加上随机值，避免大量key同时过期：

python 复制代码

# 伪代码：设置随机过期时间
base_ttl = 3600  # 基础1小时
random_ttl = random.randint(0, 300)  # 随机0-5分钟
expire(key, base_ttl + random_ttl)

3. 分布式锁 + 服务熔断

使用分布式锁保证高并发下只有一个线程去数据库读取数据，同时实现服务熔断降级机制。

四、跳跃表（Skip List）原理

什么是跳跃表

跳跃表是一种有序的链表数据结构 ，是Redis有序集合（Sorted Set / ZSET）的底层实现之一。

跳跃表支持平均O(log N)、最坏**O(N)**的插入、删除、查找操作，是一种高效的空间换时间的数据结构。

跳跃表数据结构

跳跃表通过维护多层级链表实现快速查找：

每层节点的forward指针指向同一层的下一个节点
底层（0层）包含所有元素
上层节点是下层节点的"快速通道"，用于加速遍历

简单示例

假设要在链表中查找节点3：

普通链表：需要遍历 1→2→3，经过3个节点

跳跃表：从最上层开始，1→3（跨过2），只经过2个节点

跳跃表的层数通常用随机算法决定，每一层大概是下一层的50%概率升层。

Redis中跳跃表的实现

Redis跳跃表节点结构源码：

c 复制代码

/* ZSETs use a specialized version of Skiplists */
typedef struct zskiplistNode {
    sds ele;                          // 元素值
    double score;                     // 分数（排序依据）
    struct zskiplistNode *backward;   // 前驱指针（双向遍历）
    struct zskiplistLevel {
        struct zskiplistNode *forward; // 每层的前进指针
        unsigned long span;             // 跨度（用于计算排名）
    } level[];
} zskiplistNode;

Redis跳跃表的特点：

特性	说明
快速查找	利用层级结构，O(log N)时间复杂度
范围查找	O(log N)查找特定范围内的节点
双向遍历	每个节点都有前驱指针，支持正序/逆序遍历

跳跃表 vs 其他数据结构

数据结构	查找复杂度	是否支持范围查询	实现复杂度
跳跃表	O(log N)	✅ 支持	简单
平衡树(AVL)	O(log N)	✅ 支持	复杂（需旋转）
哈希表	O(1)	❌ 不支持	简单
普通链表	O(N)	❌ 不支持	最简单

对比总结：

vs 平衡树：实现更简单，不需要旋转操作，但时间复杂度相同
vs 哈希表：支持范围查询和有序输出，虽然查找稍慢但功能更全面
vs 链表：查找效率从O(N)提升到O(log N)，空间换时间

Redis跳跃表应用场景

1. 有序集合（Sorted Set / ZSET）

ZSET是Redis支持的一种数据结构，可以存储一个元素并附带分数，通过分数排序。ZADD、ZRANGE等操作的底层就是用跳跃表实现的。

bash 复制代码

# ZSET示例：排行榜
ZADD leaderboard 100 "player1"
ZADD leaderboard 200 "player2"
ZADD leaderboard 150 "player3"

# 按分数范围获取排名
ZRANGEBYSCORE leaderboard 100 200

2. Redis集群节点管理

Redis集群中使用跳跃表存储节点信息和槽（slot）信息，实现高效的范围操作。

Redis高频面试题与跳跃表原理详解