Redis面试问题

Redis面试问题

一、Redis简介

  Redis是一个key-vakue存储系统，支持五种存储结构：String,Hash,List,Set,Sorted Set。与memcached一样为了保证效率，将数据储存在内存中。区别的是Redis会周期的把更新的数据写入磁盘或者把修改操作写入追加的文件中，并在此基础上实现了主从同步。

二、Redis详细介绍

2.1 Redis每种数据类型的使用场景

• String：最常规的set/get 操作，value可以说string也可以是数字。一般做一些复杂的计数功能的缓存。
• hash：这里value放的是结构化的对象，比较方便的就是操作其中的某个字段。
• list：使用List的数据结构，可以做简单的消息队列功能。另外还可以利用lrang命令，做基于redis的分页功能。
• set：因为set堆放的是一些不重复值的集合。所以可以做全局去重的功能。可以利用交集，并集，差集等操作，可以计算共同喜好，全部的喜好，自己独有的喜好等功能。
• sorted set：sorted set 多了一个权重参数score，集合中的元素能够按score进行排序。可以做排行榜应用，取Top N操作。Sorted set 可以用来做延时任务，最后一个应用就是可以做范围查找。

2.2 Redis的优缺点

  使用Redis主要考虑两个角度（优点）：性能和并发。
（1）我们在碰到需要执行耗时特别久，且结果不频繁变动的SQL，就特别适合价格运行结果放入缓存，这样，后面的请求就去缓存中读取，使得请求能够迅速响应。
（2）在大并发的情况下，所有请求直接访问数据库，数据库会出现连接异常。这个时候，就需要使用redis做一个缓冲操作，让请求先访问到Redis，而不是直接访问数据库。
使用Redis也有一些缺点：
（1）缓存和数据库双写写一致性问题；
（2）缓存雪崩问题；
（3）缓存击穿问题；
（4）缓存的并发竞争问题

2.3 Redis的速度为什么这么快？

（1）纯内存操作
（2）单线程操作，避免了频繁的上下文切换
（3）采用了非阻塞IO多路复用机制

2.4 redis的过期策略以及内存淘汰机制

  采用定期删除和惰性删除的策略。
  定期删除，Redis默认没个100ms检查是否有过期的key需要删除，有过去则删除，需要说明的是，Redis不是每隔100ms将所有的key检查一次，而是随机抽查进行检查（如果每隔100ms将全部key积蓄检查，Redis岂不是卡死）。因此，如果只采用定期删除策略，会导致很多key到时间没有删除。
  于是，惰性删除就派上用场了。大概我们获取一个key的时候，Redis会检查一下，这个key有没有过期，过期的话就删除了。
  采用定期删除+惰性删除也会有问题。如果定期删除没有删除key，然后也没有即时请求key 也就是惰性杀出没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制。
  在redis.conf中有一行配置
  #maxmemory-policy volatile-lru
该配置就是配置内存淘汰策略的。

• noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。不推荐。
• allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。推荐使用。
• allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。不推荐。
• volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。这种情况一般是把redis既当缓存，又做持久化存储的时候才用。不推荐
• volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。依然不推荐
• volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。不推荐

2.5 Redis和数据库双写一致性问题

  分析:一致性问题是分布式常见问题，还可以再分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。答这个问题，先明白一个前提。就是如果对数据有强一致性要求，不能放缓存。我们所做的一切，只能保证最终一致性。另外，我们所做的方案其实从根本上来说，只能说降低不一致发生的概率，无法完全避免。因此，有强一致性要求的数据，不能放缓存。
   回答:首先，采取正确更新策略，先更新数据库，再删缓存。其次，因为可能存在删除缓存失败的问题，提供一个补偿措施即可，例如利用消息队列。

2.6 如何应对缓存穿透和缓存雪崩问题

  缓存穿透，即黑客故意去请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常。
解决方案:

• 利用互斥锁，缓存失效的时候，先去获得锁，得到锁了，再去请求数据库。没得到锁，则休眠一段时间重试
• 采用异步更新策略，无论key是否取到值，都直接返回。value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作。
• 提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。

  缓存雪崩，即缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而导致数据库连接异常。
   解决方案:

• 给缓存的失效时间，加上一个随机值，避免集体失效。
• 使用互斥锁，但是该方案吞吐量明显下降了。
• 双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操。

2.7 如何解决redis的并发竞争key问题

  分析:这个问题大致就是，同时有多个子系统去set一个key。这个时候要注意什么呢？大家思考过么。回答:如下所示

• 如果对这个key操作，不要求顺序
  这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可，比较简单。
• 如果对这个key操作，要求顺序
  假设有一个key1,系统A需要将key1设置为valueA,系统B需要将key1设置为valueB,系统C需要将key1设置为valueC.
  期望按照key1的value值按照 valueA–>valueB–>valueC的顺序变化。这种时候我们在数据写入数据库的时候，需要保存一个时间戳。假设时间戳如下
  系统A key 1 {valueA 3:00}
  系统B key 1 {valueB 3:05}
  系统C key 1 {valueC 3:10}
  那么，假设这会系统B先抢到锁，将key1设置为{valueB 3:05}。接下来系统A抢到锁，发现自己的valueA的时间戳早于缓存中的时间戳，那就不做set操作了。以此类推。

2.8 Redis的持久化

  Redis 提供了多种不同级别的持久化方式：

• RDB 持久化可以在指定的时间间隔内生成数据集的时间点快照（point-in-time snapshot）。
• AOF （Append-only file）持久化记录服务器执行的所有写操作命令，并在服务器启动时，通过重新执行这些命令来还原数据集。 AOF 文件中的命令全部以 Redis 协议的格式来保存，新命令会被追加到文件的末尾。 Redis 还可以在后台对 AOF 文件进行重写（rewrite），使得 AOF 文件的体积不会超出保存数据集状态所需的实际大小。
• Redis 还可以同时使用 AOF 持久化和 RDB 持久化。 在这种情况下， 当 Redis 重启时， 它会优先使用 AOF 文件来还原数据集， 因为 AOF 文件保存的数据集通常比 RDB 文件所保存的数据集更完整。

你甚至可以关闭持久化功能，让数据只在服务器运行时存在。

 RDB
工作原理：每隔一定时间给内存照一个快照，将内存中的数据写入文件（rdb文件）
配置参数：redis.conf文件

RDB示例测试：可以使用redis-benchmark进行压力测试
./bin/redis-benchmark -n 100000 表示执行100000个操作
RDB的缺点：
在两次快照之间，如果发生断电，数据会丢失
举例：在生成rdb后，插入新值。突然断电，数据可能会丢失
 AOF：通过日志的方式
工作原理：记录操作的命令
配置参数：

什么是AOF的重写：rewrite
将内存中的key逆向生成命令，如同一个key，反复操作了100次，aof文件会记录100次操作，这样会导致AOF文件过大
例如：
set age 0
incr age
incr age
… 100次
最后 age的值是100
经过重写后，直接执行： set age 100
可以通过观察aof日志文件的大小

3、Redis持久化注意的问题

• RDB恢复的速度快
• 如果RDB和AOF都有，默认使用AOF进行恢复