1.Redis 为什么是单线程? 为什么单线程还能这么快？
单线程能够避免线程切换和竞态产生的消耗，而且单线程可以简化数据结构和算法的实现
至于单线程还快，是因为Redis是基于内存的数据库，内存响应速度是很快的，并且采用epoll作为I/O多路复用技术，再加上Redis自身的事件处理模型将epoll中的连接、读写、关闭都转换为事件，不在网络I/O上浪费过多时间
epoll是为了解决Linux内核处理大量文件描述符提出的方案，属于Linux下多路I/O复用接口中select/poll的增强,经常用于Linux下高并发服务型程序，特别是大量并发连接中只有少部分处于活跃下的情况，能提高CPU利用率。
epoll采用事件驱动，只需要遍历那些被内核IO事件异步唤醒之后加入到就绪队列并返回到用户空间的描述符集合
epoll提供两种触发模式，水平触发（LT）和边沿触发（ET）,目前效率最高的IO操作方案是：epoll+ET+非阻塞IO模型
2.Redis 使用场景
最多的应用于缓存，其他可以用于排行榜、计数器、消息队列等
3.Redis 淘汰策略
Redis 3.0 版本支持的策略
- volatile-lru：从设置过期时间的数据集（server.db[i].expires）中挑选出最近最少使用的数据淘汰。没有设置过期时间的key不会被淘汰，这样就可以在增加内存空间的同时保证需要持久化的数据不会丢失。
- volatile-ttl：除了淘汰机制采用LRU，策略基本上与volatile-lru相似，从设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰，ttl值越大越优先被淘汰。
- volatile-random：从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰。当内存达到限制无法写入非过期时间的数据集时，可以通过该淘汰策略在主键空间中随机移除某个key。
- allkeys-lru：从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰，该策略要淘汰的key面向的是全体key集合，而非过期的key集合。
- allkeys-random：从数据集(server.db[i].dict）中选择任意数据淘汰。
- no-enviction：禁止驱逐数据，也就是当内存不足以容纳新入数据时，新写入操作就会报错，请求可以继续进行，线上任务也不能持续进行，采用no-enviction策略可以保证数据不被丢失，这也是系统默认的一种淘汰策略。
4.Redis 持久化机制
1.RDB持久化：
把当前进程数据生成快照保存到硬盘的过程，触发方式有手动触发和自动触发
手动触发命令：save和bgsave命令
save命令：阻塞当前Redis服务，直到RDB过程完成为止，不建议线上环境使用bgsave命令：Redis进程执行fork操作创建子进程，RDB持久化过程由子进程负责，完成后自动结束，阻塞只发生在fork阶段，一般时间很短
自动触发：- 使用save相关配置，如"save m n"。表示m秒内数据集存在n次修改时，自动触发
- 如果从节点执行全量复制操作，主节点自动执行bgsave 生成RDB文件并发送给从节点
- 执行debug reload命令重新加载Redis时，也会自动触发save操作
- 默认情况下执行shutdown命令时，如果没有开始AOF持久化则自动执行bgsave
RDB文件保存在dir配置指定的目录下，文件名通过dbfilename配置指定，可以通过执行config set dir {newDir} 和 config set dbfilename {newFileName} 运行期动态执行，当下次运行时RDB文件会保存到新目录
- 遇到磁盘损坏或写满时，可以通过config set dir 在线修改文件路径到可用的磁盘路径，之后执行bgsave进行磁盘切换
- redis默认采用LZF算法对生成的RDB文件进行压缩，压缩后文件元小于内存大小，默认开启，可以通过参数config set rdbcompression {yes|no}动态修改
RDB优点：
- RDB是一个紧凑的二进制文件，代表Redis在某个时间点上的数据快照，适合备份，全量复制等场景
- Redis加载RDB恢复数据远远快于AOF方式
RDB缺点：
- 没办法做到实时持久化/秒级持久化
- RDB文件使用特定二进制保存，存在兼容问题
2.AOF持久化
以独立日志的方式记录每次写命令，写入的内容直接是文本协议格式，重启时再重新执行AOF文件中的命令达到恢复数据的目的，解决了数据持久化实时性问题
开启AOF：appendonly yes,默认不开启
AOF文件名： appendfilename 配置，默认appendonly.aof
保存路径：同RDB，通过dir配置
AOF工作流程：
- 所有的写入命令追加到aof_buf(缓冲区)中
- AOF缓冲区根据对应的策略向硬盘做同步操作
- 随着AOF文件越来越大，需要定期对AOF文件进行重写，压缩，父进程执行fork创建子进程，由子进程根据内存快照执行AOF重写，父进行继续响应后面的命令，在子进程完成重写后，父进程再把新增的写入命令写入到新的AOF文件中
- Redis服务重启，加载AOF文件进行数据恢复
AOF为什么直接采用文本协议格式？
- 文本协议具有良好的兼容性
- 开启AOF后，所有写入命令都包含追加操作，直接采用协议格式，避免二次处理开销
- 文本协议具有可读性，方便直接修改和处理
AOF 为什么把命令追加到aof_buf中
- 写入缓存区aof_buf中，能提高性能，并且Redis提供了多种缓存区同步硬盘策略
重写后的AOF文件为什么可以变小？
- 进程内已经超时的数据不再写入文件
- 旧的AOF文件含有无效命令，重写使用进程内数据直接生成，新的AOF文件只保留最终数据的写入命令
- 多条写命令可以合并为一个，为了防止溢出，以64个元素为界拆分为多条
AOF缓冲区同步策略，通过参数appendfsync控制
| 可配置值 | 说明 | 其他 |
|---|---|---|
| always | 命令写入aof_buf后调用系统fsync操作同步到AOF文件，fsync完成后线程返回 | 每次写入都要同步AOF文件，在一般的SATA硬盘很难达到高性能 |
| everysec | 命令写入aof_buf后调用系统write操作，write完成后线程返回。fsync同步操作由线程每秒调用一次（建议策略） | 默认同步策略 |
| no | 命令写入aof_buf后调用系统write操作，不对AOF文件做fsync同步，同步硬盘操作由操作系统负责，通常同步周期最长30秒 | 操作系统每次同步AOF文件的周期不可控，而且会加大每次同步硬盘的数据量，虽然提升了性能，但数据安全性无法保证 |
AOF手动触发：调用bgrewriteaof命令
自动触发：有两个参数
- auto-aof-rewrite-min-size: 表示运行时AOF重写时文件最小体积，默认64MB
- auto-aof-rewrite-percentage: 代表当前AOF文件空间（aof_current_size）和上一次重写后AOF文件空间(aof_base_size) 的比值
自动触发时机=aof_current_size > auto-aof-rewrite-min-size && (aof_current_size -aof_base_size) / aof_base_size >= auto-aof-rewrite-percentage
RDB和AOF同时开启，并且AOF文件存在，优先加载AOF文件
AOF文件错误，可以通过redis-check-aof-fix 修复
3.Redis数据类型
字符串
key是字符串类型，字符串类型的值可以是字符串、数字、二进制（最大不能超过512MB)，是动态字符串，内部通过预分配冗余空间的方式来减少内存的频繁分配
| 命令 | 解释 | 备注 |
|---|---|---|
| set | 设置值 | key value [ex seconds] 为键设置秒级过期时间 [px milliseconds] 为键设置毫秒级别的过期时间 [nx\xx] nx键必须不存在才可以设置成功 xx键必须存在才可以设置成功 |
| mset | 批量设置值 | key value [key value ...] |
| mget | 批量获取值 | key [key ...] |
| incr | 对值做自增操作 | 值不是整数，返回错误 值是整数，返回自增后的结果 键不存在，按照值为0自增，返回结果为1 |
| decr | 自减 | key |
| incrby | 自增指定数字 | key increment |
| decrby | 自减指定数字 | key decrement |
| incrbyfloat | 自增浮点数 | key increment |
| append | 追加值 | key value |
| strlen | 字符串长度 | key |
| getset | 设置并返回原值 | key value |
| setrange | 设置指定位置的字符 | key offeset value |
| getrange | 获取部分字符串 | key start end |
哈希
一个键值对结构, 内部结构同Java的 HashMap, 数组+链表的结构，值只能存储字符串，编码是ziplist或者hashtable。另外在rehash的时候，采用定时任务渐进式迁移内容
| 命令 | 解释 | 备注 |
|---|---|---|
| hset | 设置值 | key field value |
| hsetnx | 类似setnx | - |
| hget | 获取值 | key field |
| hdel | 删除一个或多个field | key field [field ...] |
| hlen | 计算field个数 | - |
| hmget | 批量获取 | key field [field ...] |
| hmset | 批量设置 | key field value [field value ...] |
| hexists | 判断field是否存在 | key field |
| hkeys | 获取所有field | key |
| hvals | 获取所有value | key |
| hgetall | 获取所有的field-value | key 如果元素很多，会造成阻塞，建议使用hscan |
| hincrby hincrbyfloat | 类似incrby / incrbyfloat | key field increment |
| hstrlen | 计算value字符串长度 | key field |
列表
用来存储多个有序的字符串，一个列表最多可以存储2 32 - 1 个元素,列表中的元素可以是重复的，相当于Java中的LinkedList, 是一个链表而不是数组, 底层是采用quicklist结构，在数据量少的时候会使用ziplist压缩列表，数据量多的时候才使用quicklist
| 命令 | 解释 | 备注 | |
|---|---|---|---|
| rpush | 从右边插入元素 | key value [value ...] | |
| lpush | 从左边插入元素 | key value [value ...] | |
| linsert | 向某个元素前或者后插入元素 | key before\ | after pivot value 从列表中找到等于pivot元素，在其前before 或者after 插入一个新的元素value |
| lrange | 获取指定范围内的元素列表 | key start end 索引下标从左到右是0到N-1, 从右到左是-1到-N; end包含自身 |
|
| lindex | 获取列表指定索引下标的元素 | key index | |
| llen | 获取列表长度 | key | |
| lpop | 从列表左侧弹出元素 | key | |
| rpop | 从列表右侧弹出元素 | key | |
| lrem | 删除指定元素 | key count value 从列表中找到等于value的元素进行删除，count>0, 从左到右，删除最多count个元素。count<0, 从右到左，删除最多count绝对值个元素。count=0,删除所有 |
|
| ltrim | 按照索引范围修剪列表 | key start end | |
| lset | 修改指定索引下标的元素 | key index newValue | |
| blpop brpop |
弹出元素阻塞版 | key [key ...] 多个键 timeount 阻塞时间(秒) |
集合(set)
用来保存多个的字符串的元素，但和列表元素不一样的是，集合中不允许有重复元素，并且集合中的元素是无序的，不能通过索引下标获取元素，一个集合最多可以存储2 32 - 1个元素
当集合元素都是整数并且元素个数小于set-max-intset-entries配置(默认512个)时，使用intset编码减少内存使用，否则使用hashtable编码
相当于Java中的HashSet, 所有的value都是一个值NULL
| 命令 | 解释 | 备注 |
|---|---|---|
| sadd | 添加元素 | key element [element ...] |
| srem | 删除元素 | key element [element ...] |
| scard | 计算元素个数 | key |
| sismember | 判断元素是否在集合中 | key element |
| srandmember | 随机从集合返回指定个数元素 | key [count] |
| spop | 从集合随机弹出元素,会删除元素 | key [count] |
| smembers | 获取所有元素 | key |
| sinter | 求多个集合的交集 | key [key ...] |
| sunion | 求多个集合的并集 | key [key ...] |
| sdiff | 求多个集合的差集 | key [key ...] |
| sinterstore suionstore sdiffstore |
将交集、并集、差集的结果保存 | destination key [key...] destination 目标集合名称 集合间的运算在元素比较多的情况下会比较耗时 |
有序集合
集合不能重复，但集合中的元素可以根据score分数排序,排序从小到大
当有序集合的元素个数小于zset-max-ziplist-entries(默认128个)，同时每个元素的值都小于zset-max-ziplist-value配置（默认64字节）时，使用ziplist来作为内部编码，否则使用skiplist作为内部编码其相当于Java的SortedSet 和 HashMap结合体，内部实现’跳跃表‘ 的数据结构
skiplist 编码的有序集合对象使用zset结构做为底层实现，zset结构包括一个字典和一个跳跃表(根据成员查找分值和范围操作的效率最高)
| 命令 | 解释 | 备注 |
|---|---|---|
| zadd | 添加成员 | key [NX\XX] [CH] [INCR]score member [score member ...] [NX\XX] NX: 只有在元素不存在时候添加新元素; XX：更新已经存在的元素，不添加元素 CH 返回有序集合元素和分数发生变化的个数 incr 对score做增加，相当于zincrby |
| zcard | 计算成员个数 | key |
| zscore | 计算某个成员的分数 | key member |
| zrank | 计算成员排名,分数从低到高 | key member |
| zrevrank | 计算成员排名，分数从高到低 | key member |
| zrem | 删除成员 | key member [member ...] |
| zincrby | 增加成员分数 | key increment member |
| zrange zrevrange |
返回指定排名范围的成员 | key start end [withscores] 显示分数 |
| zrangebyscore zrevrangebyscore |
返回指定分数范围的成员 | key min max [withscores] [limit offset count] key max min [withscores] [limit offset count] min和max 支持开区间（小括号） 和闭区间（中括号），-inf 和 +inf 无限小和无限大士大 |
| zcount | 返回指定分数范围成员个数 | key min max |
| zremrangebyrank | 删除指定排名内的升序元素 | key start end |
| zremrangebyscore | 删除指定分数范围的成员 | key min max |
| zinterstore | 交集 | destination numkeys key [key ...] [weights weight [weight ...]] [aggregate sum\min\max] destination 交集计算结果保存到这个键 numkeys 需要做交集计算键的个数 key[key...] 需要做交集计算的键 weights weight[weight...] 每个键的权重，在做交集计算时，每个键中的每个member会将自己分数乘以这个权重，每个键的权重默认为1 aggregate sum\min\max 计算成员交集后，分值可以按照sum、min、max 做汇总，默认是sum |
| zunionstroe | 并集 | 参数同zinterstore |
4.Pipeline
Pipeline(流水线) 机制能将一组Redis命令进行组装，通过一次RTT传输给Redis,再将这组Redis命令的执行结果按照顺序返回给客户端
原生批量命令与Pipeline对比：
- 原生批量命令是原子的，Pipeline是非原子的
- 原生批量命令是一个命令对应多个key,Pipeline支持多个命令
- 原生批量命令是Redis服务端支持实现的，而Pipeline需要服务端和客户端共同实现
5.事务
redis 简单事务功能，将一组需要一起执行的命令放到multi和exec两个命令之间。multi命令代表事务开始，exec命令代表事务结束，他们之间的命令是原子顺序执行的。如果要停止事务的执行，用discard命令代替exec命令
watch 命令 用来确保事务中的key没有被其他客户端修改过，才执行事务，否则不执行（类似乐观锁）
6.Lua
两种方法：
eval
eval 脚本内容 key个数 key列表 参数列表eval 'return "helo "..KEYS[1].. ARGV[1]' 1 redis world
还可以使用redis-cli --eval 直接执行文件
- evalsha
evalsha 脚本sha1值 key个数 key列表 参数列表
将Lua脚本加载到Redis服务端，得到该脚本的SHA1校验和，evalsha使用SHA1作为参数执行对应的Lua脚本，避免每次发送脚本，脚本常驻与内存中
加载脚本到Redis: redis-cli script load "$(cat ~/lua_test.lua)"
7.Redis键过期删除策略
键过期，内部保存在过期字典expires中，Redis采用惰性删除和定时任务删除机制；
惰性删除用于在客户端读取带有超时属性的键时，如果已经超过设置的过期时间，会执行删除并返回空，但这种方式如果键过期，而且一直没有被重新访问，键一直存在
定时任务删除：能够解决惰性删除问题，Redis内部维护一个定时任务，每秒运行10次。根据键的过期比例，使用快慢两种速率模式回收键，缺点是占用CPU时间，在过期键多的时候会影响服务器的响应时间和吞吐量
定期删除：每隔一段时间执行一次删除过期键操作，通过限制删除操作的执行时长和频率来减少影响，缺点需要合理设置执行时长和频率
生成RDB文件的时候已过期的键不会被保存，在载入RDB文件的时候，主服务器会对键进行检查，过期的键不会被载入，而从服务会将所有键载入，直到主服务来删除通知
AOF写入的时候，如果某个键过期，会向AOF追加一条DEL命令；AOF重写的时候会对键进行检查，过期键不会被写入
复制的时候，主服务器发送删除通知，从服务器接到删除通知时才删除过期键
8.Redis高可用方案
- 主从模式：一主二从
配置redis.conf , 从节点配置 slaveof 127.0.0.1 6379
确认主从关系： redis-cli -h 127.0.0.1 -p 6379 info replication - 哨兵模式：
配置 redis-sentinel.conf ,sentinel monitor mymaster 127.0.0.1 6379 1
最后一位是选举master需要的票数
启动哨兵：
redis-sentinel redis-sentinel.conf
或者 redis-server redis-sentinel.conf --sentinel - redis-cluster:
每个节点保存数据和整个集群状态，每个节点都和其他节点连接。采用哈希函数把数据映射到一个固定范围的整数集合中，整数定义为槽。所有键根据哈希函数映射到0~16383整数槽内，公式 slot = CRC16(key) & 16383 - Codis
- 集群限制：
- key批量操作支持限制，目前只支持具有相同slot值的key执行批量操作
- key事务操作支持有限
- key作为数据分区最小粒度，不能将大的键值对象hash、list等映射到不同节点
- 只能使用0号数据库
- 从节点只能复制主节点，不支持嵌套树状复制结构
主从复制过程
- 从节点执行slaveof后，从节点保存主节点地址信息
- 从节点内部通过每秒运行的定时任务维护复制相关逻辑，当定时任务发现存在新的主节点后，会尝试与该节点建立网络连接
- 连接建立成功后，从节点发送ping请求进行首次通信，目的是检测主从之间网络套接字是否可用，主节点当前是否接受处理命令
- 如果主节点配置了密码验证，则从节点必须要配置相同的密码才能通过验证，进行复制同步
- 通过验证后，主从可正常通信了，主节点会把数据持续发给从节点，同步方式有全量同步和部分同步,刚建立建立的时候，会进行全量同步，同步结束后，进行部分同步
- 当主节点与从节点同步完当前的数据后，主节点会把后续新增的命令持续发送给从节点进行同步
- 哨兵模式 最小配置 1主 2从 3哨兵，3个哨兵能监控每个master和salve
9.缓存问题
缓存穿透
缓存穿透是指，缓存中不存在该key的数据，于是就是去数据库中查询，数据库也不存在该数据，导致循环查询数据
优化:
缓存空对象
对于不存在的数据，依旧将空值缓存起来。但这会造成内存空间的浪费，可以针对这类数据加一个过期时间。对于缓存和存储层数据的一致性，可以在过期的时候，请求存储层，或者通过消息系统更新缓存
布隆过滤器
将所有存在的数据做成布隆过滤器，可以使用Bitmaps实现，其在大数据量下空间占用小。当有新的请求时，先到布隆过滤器中查询是否存在，如果不存在该条数据直接返回；如果存在该条数据再查询缓存、查询数据库。
Redis4.0以上采用插件集成，https://github.com/RedisBloom...
原理：
在redis中是一个大型的位数组，通过计算key的hash然后对数组长度取模得到一个位置，进行写入；在判断是否存在时，判断位数组中几个位置是否都为1，只要一个位为0，就说明这个key不存在。布隆过滤器也会存在一定的误判，如果位数组比较稀疏，概率就会很大，否则就会降低。
缓存击穿
缓存击穿指，某key突然变成了热点key，大量请求到该key，但key刚好又失效，导致从数据库中去查询数据
优化：
通过互斥锁方式，在请求数据库之前设置setnx，在查询完数据库，并更新缓存后，删除setnx
缓存雪崩
指缓存由于大量请求，造成缓存挂掉，大量请求直接打到存储层，造成存储层挂机
优化：
- 使用主从，哨兵，集群模式保证缓存高可用
- 依赖隔离组件为后端限流并降级
- 提前演练，做好后备方案
缓存更新方式
同步更新，先写入数据库，写入成功后，再更新缓存。
异步更新，通过消息中间件进行触发更新。
失效更新，在取不到缓存的时候，从数据库取数据，再更新缓存。
定时更新，通过定时任务来更新缓存
缓存不一致
通过增加重试机制，补偿任务，达到最终一致
热点key重建
优化
- 使用互斥锁，只允许一个线程重建缓存
- 使用逻辑缓存过期，在value中存一个key过期时间，在获取key的时候通过逻辑时间进行判断
10.Redis 锁的实现 和 Zookeeper锁实现区别
Redis 锁 通过 setnx key value 或者 set key value px millseconds nx 当返回1时代表获取到锁，返回0表示获取锁失败，通过Redis的key超时机制来释放锁
PS： Redis锁可能会在业务逻辑还没执行完的时候就已经超时释放，因此在释放锁的时候，可能其他线程已经重新持有了该锁，所以要在释放锁的时候验证key对应的value值，在创建缓存的时候，value值是随机生成的。或者使用redisson做为分布式锁
ZK锁 通过在服务端新建一个临时有序节点，哪个客户端成功创建了第一个临时有序节点，就代表该客户端获得了锁，后面节点的客户端会处于监听状态，当释放锁的时候，服务端就会删除第一个临时节点，此时第二个临时节点能监听到上一个节点的释放事件，这样第二个节点就变成第一个节点，此时客户端2就代表获得了锁。如果客户端的会话关闭，临时节点会被删除，也就释放了锁