Redis的用法及面试题（删除策略、企业级解决方案）

目录

一、Redis删除策略

（1）过期数据

（2）数据删除策略 

1.定时删除 

2.惰性删除

（3）逐出算法

二、企业级解决方案 

（1）缓存预热

（2）缓存雪崩 

（3）缓存击穿 （解决热点key问题）

(4)缓存穿透

三、Redis面试题 

（1）Redis采用单线程，如何保证高并发？

(2) 这样做的好处是什么？

(3)Redis的持久化方案有哪些？

（4）Redis在项目中的哪些地方有用到？

 （5）Redis实现分布式锁

 （6）如何实现数据库与缓存数据一致

---

一、Redis删除策略

（1）过期数据

Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态

XX ：具有时效性的数据

-1 ：永久有效的数据

-2 ：已经过期的数据或被删除的数据或未定义的数据

问：过期的数据真的删除了吗？

答：不是的

（2）数据删除策略 

数据删除策略的目标：

在内存占用与CPU占用之间寻找一种平衡，顾此失彼都会造成整体redis性能的下降，甚至引发服务器宕 机或内存泄露

删除策略有：

1. 定时删除
2. 惰性删除
3. 定期删除

1.定时删除 

创建一个定时器，到时间立即删除

属于拿时间换空间，对CPU性能要求比较高

2.惰性删除

数据到达过期时间不立即删除，当下次访问的时候才会删除

属于拿空间换时间，对空间的占用比较大

3.定期删除

数据达到过期时间，隔一会儿删除一部分、隔一会儿再删一部分

这样对CPU的性能和空间都会比较友好

定时删除	节约内存，无占用	不分时段占用CPU资源
惰性删除	内存占用严重	延时执行，CPU利用率高
定期删除	内存定期随机清理	每秒花费固定的CPU资源维护内存

（3）逐出算法

当新数据进入redis时，内存不足则就要用到逐出算法了

逐出算法有两种方式：

lru:挑选最近最少使用的数据淘汰

lfu:挑选最近使用次数最少的数据淘汰

二、企业级解决方案 

（1）缓存预热

就服务器重启后请求数据过大，会出现“宕机”问题，就可以使用缓存预热。就是在系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候先查询数据库，然后再将数据缓存的问题。

（2）缓存雪崩 

指在同一时间段大量的缓存key同时失效，或Redis服务宕机，导致大量请求到达数据库带来大量压力。

解决方案： 

1. 给不同的key的TTL添加随机值
2. 利用Redis集群提高服务的可用性
3. 给缓存业务添加降级限流策略
4. 给业务添加多级缓存

（3）缓存击穿 （解决热点key问题）

就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

解决方案： 

1. 互斥锁

   1. 因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压 力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

2. 逻辑过期

   1. 我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我 们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们 内存了吗，我们可以采用逻辑过期方案。我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续 通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据 的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访 问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把 重建数据构建完后，其他线程才能走返回正确的数据。 这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。

(4)缓存穿透

客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

如图所示请求先在Redis中查找，找不到就会穿透缓存，进入到数据库中去 ，这样就会导致资源的浪费；而且我们知道数据库能够承载的并发不如redis那么高，如果有大量的请求同时来访问这种不存在的数据，就有可能会出现错误。

解决方案： 

1. 缓存空对象

缓存空对象就是哪怕这个数据在数据库中不存在，我们也把 这个数据存入到redis中去，这样下次用户来访问这个不存在的数据，那么在Redis中也能找到这个数据，就不会进入到数据库中去了，如图所示：

• 优点：实现简单，维护方便
• 缺点：

1. 额外的内存消耗
2. 可能造成短期不一致

        2.布隆过滤 

如上图所示， 布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思 想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数 据后，再将其放入到redis中， 假设布隆过滤器判断这个数据不存在，则直接返回。

• 优点：内存占用较少，没有多余key
• 缺点：实现复杂，存在误判可能

三、Redis面试题 

（1）Redis采用单线程，如何保证高并发？

Redis快的主要原因是：

1. 完全基于内存
2. 数据结构简单，对数据操作也简单
3. 使用多路 I/O 复用模型，充分利用CPU资源

(2) 这样做的好处是什么？

单线程优势有下面几点：

• 代码更清晰，处理逻辑更简单
• 不用去考虑各种锁的问题，不存在加锁释放锁操作，没有因为锁而导致的性能消耗
• 不存在多进程或者多线程导致的CPU切换，充分利用CPU资源

(3)Redis的持久化方案有哪些？

（4）Redis在项目中的哪些地方有用到？

 （5）Redis实现分布式锁

为了避免“超卖“”问题与并发问题，我们引入了分布式锁

分布式锁是一种多节点共享的同步机制，通过在多个节点之间协调访问资源，确保在同一时间只有一个节点能够获取锁并执行关键操作。在电商网站中，可以将每个商品的库存作为共享资源，使用分布式锁来控制并发访问

分布式锁的目的是保证在分布式部署的应用集群中，多个服务在请求同一个方法或者同一个业务操作的情况下，对应业务逻辑只能被一台机器上的一个线程执行，避免出现并发问题 。

分布式锁要满足的条件：

• 多进程互斥：同一时刻，只有一个进程可以获取锁
• 保证锁可以释放：任务结束或出现异常，锁一定要释放，避免死锁
• 阻塞锁（可选）：获取锁失败时可否重试
• 重入锁（可选）：获取锁的代码递归调用时，依然可以获取锁

 （6）如何实现数据库与缓存数据一致

实现方案有下面几种：

• 本地缓存同步：当前微服务的数据库数据与缓存数据同步，可以直接在数据库修改时加入对Redis的修改逻辑，保证一致。
• 跨服务缓存同步：服务A调用了服务B，并对查询结果缓存。服务B数据库修改，可以通过MQ通知服务A，服务A修改Redis缓存数据
• 通用方案：使用Canal框架，伪装成MySQL的salve节点，监听MySQL的binLog变化，然后修改Redis缓存数据（主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费）