面试必问的 Redis：数据结构和基础概念

​前言

 

在 Java 后端的面试中，redis 应该是目前所有框架/中间件中被问到频率最高的，至少也是之一。

 

就算把范围扩大到整个 Java 后端面试知识体系，面试中出现频率比 redis 高的也不多，可能就那么几个：HashMap、线程池之类的。 

 

综上，redis 在面试中的重要程度评分可以给到9分，接近满分。

 

由于比较重要，知识点也比较多，所以这边预计分为三篇来呈现。

 

除了本文之外，另外两篇，一篇围绕高可用，主要是持久化、主从复制、哨兵、集群模式等。

 

另一篇围绕 redis 的实践，主要是分布式锁、缓存穿透、缓存雪崩、缓存击穿等。

 

 

正文

 

redis 是单线程还是多线程

 

这个问题应该已经看到过无数次了，最近 redis 6 出来之后又被翻出来了。

 

redis 4.0 之前，redis 是完全单线程的。

 

redis 4.0 时，redis 引入了多线程，但是额外的线程只是用于后台处理，例如：删除对象，核心流程还是完全单线程的。这也是为什么有些人说 4.0 是单线程的，因为他们指的是核心流程是单线程的。

 

这边的核心流程指的是 redis 正常处理客户端请求的流程，通常包括：接收命令、解析命令、执行命令、返回结果等。

 

而在最近，redis 6.0 版本又一次引入了多线程概念，与 4.0 不同的是，这次的多线程会涉及到上述的核心流程。

 

redis 6.0 中，多线程主要用于网络 I/O 阶段，也就是接收命令和写回结果阶段，而在执行命令阶段，还是由单线程串行执行。由于执行时还是串行，因此无需考虑并发安全问题。

 

值得注意的时，redis 中的多线程组不会同时存在“读”和“写”，这个多线程组只会同时“读”或者同时“写”。

 

 

redis 6.0 加入多线程 I/O 之后，处理命令的核心流程如下:

 

1、当有读事件到来时，主线程将该客户端连接放到全局等待读队列

 

2、读取数据：1）主线程将等待读队列的客户端连接通过轮询调度算法分配给 I/O 线程处理；2）同时主线程也会自己负责处理一个客户端连接的读事件；3）当主线程处理完该连接的读事件后，会自旋等待所有 I/O 线程处理完毕

 

3、命令执行：主线程按照事件被加入全局等待读队列的顺序（这边保证了执行顺序是正确的），串行执行客户端命令，然后将客户端连接放到全局等待写队列

 

4、写回结果：跟等待读队列处理类似，主线程将等待写队列的客户端连接使用轮询调度算法分配给 I/O 线程处理，同时自己也会处理一个，当主线程处理完毕后，会自旋等待所有 I/O 线程处理完毕，最后清空队列。

 

大致流程图如下：

 

 

相关源码在 networking.c，核心的方法是：

IOThreadMain、handleClientsWithPendingReadsUsingThreads、

handleClientsWithPendingWritesUsingThreads

 

 

为什么 redis 是单线程

 

在 redis 6.0 之前，redis 的核心操作是单线程的。

 

因为 redis 是完全基于内存操作的，通常情况下CPU不会是redis的瓶颈，redis 的瓶颈最有可能是机器内存的大小或者网络带宽。

 

既然CPU不会成为瓶颈，那就顺理成章地采用单线程的方案了，因为如果使用多线程的话会更复杂，同时需要引入上下文切换、加锁等等，会带来额外的性能消耗。

 

而随着近些年互联网的不断发展，大家对于缓存的性能要求也越来越高了，因此 redis 也开始在逐渐往多线程方向发展。

 

最近的 6.0 版本就对核心流程引入了多线程，主要用于解决 redis 在网络 I/O 上的性能瓶颈。而对于核心的命令执行阶段，目前还是单线程的。

 

 

redis 为什么使用单进程、单线程也很快

 

1、基于内存的操作

 

2、使用了 I/O 多路复用模型，select、epoll 等，基于 reactor 模式开发了自己的网络事件处理器

 

3、单线程可以避免不必要的上下文切换和竞争条件，减少了这方面的性能消耗。

 

4、以上这三点是 redis 性能高的主要原因，其他的还有一些小优化，例如：对数据结构进行了优化，简单动态字符串、压缩列表等。

 

项目中使用的 redis 版本

 

这个问题是我在面试某大厂真实碰到过的，所以大家平时在使用中间件和框架时可以留意下自使用的版本。

 

下图是从 redis 官方 github 截的图，包含了 redis 2.2 之后的所有版本，目前常用的应该是：3.2.*、4.0.*、5.0.*。

 

 

 

redis 在项目中的使用场景

 

缓存、分布式锁、排行榜（zset）、计数（incrby）、消息队列（stream）、地理位置（geo）、访客统计（hyperloglog）等。

 

 

redis常见的数据结构

 

常见的5种：

• String：字符串，最基础的数据类型。

• List：列表。

• Hash：哈希对象。

• Set：集合。

• Sorted Set：有序集合，Set 的基础上加了个分值。

 

高级的4种：

• HyperLogLog：通常用于基数统计。使用少量固定大小的内存，来统计集合中唯一元素的数量。统计结果不是精确值，而是一个带有0.81%标准差（standard error）的近似值。所以，HyperLogLog适用于一些对于统计结果精确度要求不是特别高的场景，例如网站的UV统计。

• Geo：redis 3.2 版本的新特性。可以将用户给定的地理位置信息储存起来， 并对这些信息进行操作：获取2个位置的距离、根据给定地理位置坐标获取指定范围内的地理位置集合。

 

• Bitmap：位图。

• Stream：主要用于消息队列，类似于 kafka，可以认为是 pub/sub 的改进版。提供了消息的持久化和主备复制功能，可以让任何客户端访问任何时刻的数据，并且能记住每一个客户端的访问位置，还能保证消息不丢失。

 

 

Redis的字符串（SDS）和C语言的字符串区别

 

C字符串	SDS
获取字符串长度的复杂度为O(N)	获取字符串长度的复杂度为O(1)
API是不安全的，可能会造成缓冲区溢出	API是安全的，不会造成缓冲区溢出
修改字符串长度N次必然需要执行N次内存重分配	修改字符串长度N次最多需要执行N次内存重分配
只能保存文本数据	可以保存文本数据或者二进制数据
可以使用所有的库中的函数	可以使用一部分库中的函数

 

 

Sorted Set底层数据结构

 

Sorted Set（有序集合）当前有两种编码：ziplist、skiplist

 

ziplist：使用压缩列表实现，当保存的元素长度都小于64字节，同时数量小于128时，使用该编码方式，否则会使用 skiplist。这两个参数可以通过 zset-max-ziplist-entries、zset-max-ziplist-value 来自定义修改。

 

 

skiplist：zset实现，一个zset同时包含一个字典（dict）和一个跳跃表（zskiplist）

 

 

 

Sorted Set为什么同时使用字典和跳跃表？

 

主要是为了性能。

 

单独使用字典：在执行范围型操作，比如zrank、zrange，字典需要进行排序，至少需要O(NlogN)的时间复杂度及额外O(N)的内存空间。

 

单独使用跳跃表：根据成员查找分值操作的复杂度从O(1)上升为O(logN)。

 

 

Sorted Set为什么使用跳跃表，而不是红黑树？

 

1）跳表的性能和红黑树差不多。

 

2）跳表更容易实现和调试。

 

网上有同学说是因为作者不会红黑树，我觉得挺有可能的。

 

 

 

Hash 对象底层结构

 

Hash 对象当前有两种编码：ziplist、hashtable

 

ziplist：使用压缩列表实现，每当有新的键值对要加入到哈希对象时，程序会先将保存了键的节点推入到压缩列表的表尾，然后再将保存了值的节点推入到压缩列表表尾。

 

因此：1）保存了同一键值对的两个节点总是紧挨在一起，保存键的节点在前，保存值的节点在后；2）先添加到哈希对象中的键值对会被放在压缩列表的表头方向，而后来添加的会被放在表尾方向。

 

 

hashtable：使用字典作为底层实现，哈希对象中的每个键值对都使用一个字典键值来保存，跟 java 中的 HashMap 类似。

 

 

 

Hash 对象的扩容流程

 

hash 对象在扩容时使用了一种叫“渐进式 rehash”的方式，步骤如下：

 

1、计算新表 size、掩码，为新表 ht[1] 分配空间，让字典同时持有 ht[0] 和 ht[1] 两个哈希表。

 

2、将 rehash 索引计数器变量 rehashidx 的值设置为0，表示 rehash 正式开始。

 

3、在 rehash 进行期间，每次对字典执行添加、删除、査找、更新操作时，程序除了执行指定的操作以外，还会触发额外的 rehash 操作，在源码中的 _dictRehashStep 方法。

 

_dictRehashStep：从名字也可以看出来，大意是 rehash 一步，也就是 rehash 一个索引位置。

 

该方法会从 ht[0] 表的 rehashidx 索引位置上开始向后查找，找到第一个不为空的索引位置，将该索引位置的所有节点 rehash 到 ht[1]，当本次 rehash 工作完成之后，将 ht[0] 的 rehashidx 位置清空，同时将 rehashidx 属性的值加一。

 

4、将 rehash 分摊到每个操作上确实是非常妙的方式，但是万一此时服务器比较空闲，一直没有什么操作，难道 redis 要一直持有两个哈希表吗？

 

答案当然不是的。我们知道，redis 除了文件事件外，还有时间事件，redis 会定期触发时间事件，这些时间事件用于执行一些后台操作，其中就包含 rehash 操作：当 redis 发现有字典正在进行 rehash 操作时，会花费1毫秒的时间，一起帮忙进行 rehash。

 

5、随着操作的不断执行，最终在某个时间点上，ht[0] 的所有键值对都会被 rehash 至 ht[1]，此时 rehash 流程完成，会执行最后的清理工作：释放 ht[0] 的空间、将 ht[0] 指向 ht[1]、重置 ht[1]、重置 rehashidx 的值为 -1。

 

相关源码在 dict.c，核心方法是：dictExpand、dictRehashMilliseconds、dictRehash、dictFind、

 

 

渐进式 rehash 的优点

 

渐进式 rehash 的好处在于它采取分而治之的方式，将 rehash 键值对所需的计算工作均摊到对字典的每个添加、删除、查找和更新操作上，从而避免了集中式 rehash 而带来的庞大计算量。

 

在进行渐进式 rehash 的过程中，字典会同时使用 ht[0] 和 ht[1] 两个哈希表， 所以在渐进式 rehash 进行期间，字典的删除、査找、更新等操作会在两个哈希表上进行。例如，要在字典里面査找一个键的话，程序会先在 ht[0] 里面进行査找，如果没找到的话，就会继续到 ht[1] 里面进行査找，诸如此类。

 

另外，在渐进式 rehash 执行期间，新增的键值对会被直接保存到 ht[1], ht[0] 不再进行任何添加操作，这样就保证了 ht[0] 包含的键值对数量会只减不增，并随着 rehash 操作的执行而最终变成空表。

 

 

rehash 流程在数据量大的时候会有什么问题吗

 

1、扩容期开始时，会先给 ht[1] 申请空间，所以在整个扩容期间，会同时存在 ht[0] 和 ht[1]，会占用额外的空间。

 

2、扩容期间同时存在 ht[0] 和 ht[1]，查找、删除、更新等操作有概率需要操作两张表，耗时会增加。

 

3、redis 在内存使用接近 maxmemory 并且有设置驱逐策略的情况下，出现 rehash 会使得内存占用超过 maxmemory，触发驱逐淘汰操作，导致 master/slave 均有有大量的 key 被驱逐淘汰，从而出现 master/slave 主从不一致。

 

 

Redis的事件处理器

 

redis 基于 reactor 模式开发了自己的网络事件处理器，由4个部分组成：套接字、I/O 多路复用程序、文件事件分派器（dispatcher）、以及事件处理器。

 

 

套接字：socket 连接，也就是客户端连接。当一个套接字准备好执行连接、写入、读取、关闭等操作时， 就会产生一个相应的文件事件。因为一个服务器通常会连接多个套接字， 所以多个文件事件有可能会并发地出现。

 

I/O 多路复用程序：提供 select、epoll、evport、kqueue 的实现，会根据当前系统自动选择最佳的方式。负责监听多个套接字，当套接字产生事件时，会向文件事件分派器传送那些产生了事件的套接字。

 

当多个文件事件并发出现时， I/O 多路复用程序会将所有产生事件的套接字都放到一个队列里面，然后通过这个队列，以有序、同步、每次一个套接字的方式向文件事件分派器传送套接字：当上一个套接字产生的事件被处理完毕之后，才会继续传送下一个套接字。

 

文件事件分派器：接收 I/O 多路复用程序传来的套接字， 并根据套接字产生的事件的类型， 调用相应的事件处理器。

 

事件处理器：事件处理器就是一个个函数， 定义了某个事件发生时， 服务器应该执行的动作。例如：建立连接、命令查询、命令写入、连接关闭等等。

 

 

Redis 删除过期键的策略（缓存失效策略、数据过期策略）

 

定时删除：在设置键的过期时间的同时，创建一个定时器，让定时器在键的过期时间来临时，立即执行对键的删除操作。对内存最友好，对 CPU 时间最不友好。

 

惰性删除：放任键过期不管，但是每次获取键时，都检査键是否过期，如果过期的话，就删除该键；如果没有过期，就返回该键。对 CPU 时间最优化，对内存最不友好。

 

定期删除：每隔一段时间，默认100ms，程序就对数据库进行一次检査，删除里面的过期键。至 于要删除多少过期键，以及要检査多少个数据库，则由算法决定。前两种策略的折中，对 CPU 时间和内存的友好程度较平衡。

 

Redis 使用惰性删除和定期删除。

 

 

Redis 的内存驱逐（淘汰）策略

 

当 redis 的内存空间（maxmemory 参数配置）已经用满时，redis 将根据配置的驱逐策略（maxmemory-policy 参数配置），进行相应的动作。

 

当前 redis 的淘汰策略有以下8种。

 

noeviction：默认策略，不淘汰任何 key，直接返回错误

 

allkeys-lru：在所有的 key 中，使用 LRU 算法淘汰部分 key

 

allkeys-lfu：在所有的 key 中，使用 LFU 算法淘汰部分 key

 

allkeys-random：在所有的 key 中，随机淘汰部分 key

 

volatile-lru：在设置了过期时间的 key 中，使用 LRU 算法淘汰部分 key

 

volatile-lfu：在设置了过期时间的 key 中，使用 LFU 算法淘汰部分 key

 

volatile-random：在设置了过期时间的 key 中，随机淘汰部分 key

 

volatile-ttl：在设置了过期时间的 key 中，挑选 TTL（time to live，剩余时间）短的 key 淘汰

 

 

 

最后

 

我不能保证所写的每个地方都是对的，但是至少能保证所写每一句话、每一行代码都经过了认真的推敲、仔细的斟酌。

 

如果你觉得本文写的还不错，对你有帮助，请通过【点赞】让我知道，支持我写出更好的文章，这对我很重要。如果有什么问题和建议，也欢迎【留言】一起交流探讨。

 

推荐阅读

面试必问的 Spring，你懂了吗？

如何写一份让 HR 眼前一亮的简历（附模板）

字节、美团、快手核心部门面试总结（真题解析）

面试阿里，HashMap 这一篇就够了

面试必问的 MySQL，你懂了吗？

面试必问的线程池，你懂了吗？

4 年 Java 经验，阿里网易拼多多面试总结、心得体会

跳槽，如何选择一家公司

如何准备好一场大厂面试

MySQL 8.0 MVCC 核心原理解析（核心源码）

921天，咸鱼到阿里的修仙之路

复习2个月拿下美团offer，我都做了些啥