JAVA面试八股文之Redis相关

Redis6.0为什么要用多线程？

提高请求数，redis的瓶颈在于内存，使用分一个子线程去进行IO操作。

在Redis中存一个list集合怎么实现排序？

list类型中有一个sort命令可以排序。（sort key）

Redis的5大基本类型的底层原理？

Redis底层使用一个redisObject来表示所有的key和value

type：表示属于哪种基本类型；
encoding：表示底层使用数据结构；
ptr：指向底层数据结构的指针；
vm：虚拟内存，默认是关闭的；

• String：动态字符串SDS

1. int：字符串类型的整型，底层使用int实现，比如set a 100；
2. raw：动态字符串，大于39字节，分配两次；
3. embstr：动态字符串，小于39字节，内存类型，只分配一次；

• List 类型：链表

1. zipList：列表的长度小于512，元素的字节数小于64，使用ziplist，它进行了压缩；
2. linkedList:不满足上面的条件就使用linkedlist，双向链表；

• set类型：intset或者hashtable

1. intest：集合长度512且元素都是整数，使用intset；
2. hashtble：hashtable底层使用字典结构（hash），键为字符串对象，value为null；

• hash类型：ziplist或者hashtable

1. 键值对数量小于512，且所有键值对长度小于64字节，使用ziplist压缩；
2. 键值对数量大于512，且其中有键值对长度大于64字节，使用hashtable；

• zset类型：ziplist或者skiplist

1. 集合长度小于128，元素的字节数小于64使用ziplist压缩；
2. 上面不满足使用skiplist，底层使用跳表实现；

缓存穿透？

查询到空数据，缓存中没有，数据库中也没有，当有大量的空数据访问，会造成数据库压力过大，容易宕机。

解决方法：

1.缓存空数据：查到数据库中也没有，在缓存中缓存一个空数据，下次访问直接从数据库中获取

2.布隆过滤器：用于检索一个数据是否存在于一个集合中，（底层主要是先去初始化一个比较大数组，里面存放的二进制0或1。在一开始都是0，当一个key来了之后经过3次hash计算，模于数组长度找到数据的下标然后把数组中原来的0改为1，这样的话，三个数组的位置就能标明一个key的存在。）访问时先判断布隆过滤器中是否有数据，没有则直接返回。不过存在误判问题。

缓存击穿？

对于设置了过期时间的数据，缓存在某个时间点过期，而恰好这个时间有大量的数据进行访问。

解决方法：
双重锁

互斥锁：在缓存中没有查询到时，先获取互斥锁，查询数据库重建缓存，然后释放锁。此时其他线程只能等待。

（强一致性，性能差）

逻辑过期：在缓存中没有查询到时，一个线程先获取到互斥锁，再开一个线程去查询数据库重建缓存，其他线程则返回过期的时间。（高可用，性能优）

缓存雪崩？

大量的缓存在同一时间失效，或者redis宕机，请求直接到数据库。

解决方法：

给key的过期时间设置一个随机值，

搭建redis集群，

给业务添加多级缓存，

给业务添加降级限流策略。

redis做为缓存怎么保持和mysql数据进行同步？（双写一致性）

存强一致性的

• redisson实现的读写锁，在读的时候添加共享锁，可以保证读读不互斥，读写互斥。当我们更新数据的时候，添加排他锁，它是读写，读读都互斥，这样就能保证在写数据的同时是不会让其他线程读数据的，避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一把锁才行。（强一致性）

允许延时一致的业务

• 写入数据库后，清空缓存。

• 设置过期时间来保证最终一致性。

• 使用canal同步(阿里的canal组件实现数据同步：不需要更改业务代码，部署一个canal服务。canal服务把自己伪装成mysql的一个从节点，当mysql数据更新以后，canal会读取binlog数据，然后在通过canal的客户端获取到数据，更新缓存即可。）

• 使用MQ中间中间件，更新数据之后，通知缓存删除。

先删除缓存或者删除数据库都会出现问题，所有需要延时双删。

redis做为缓存，数据的持久化是怎么做的？

redis的数据持久化有两种，RDB和AOF

RDB:是以快照的形式把redis存储在内存的数据转到磁盘上去，当redis宕机恢复后，再从快照文件中加载数据。（二进制文件，体积小，恢复快）

快照分为手动快照和自动快照：

手动快照分为前台快照（save）和后台快照（bgsave）；

AOF：含义是追加文件，当redis操作写命令的时候，都会存储这个文件中，当redis实例宕机恢复数据的时候，会从这个文件中再次执行一遍命令来恢复数据，因为AOF文件中保存的都是命令，所以必然会出现重复的命令，Redis采用重写机制来解决这个问题，重写要解决的问题就是删除AOF文件中重复的命令，已经被删除或者过期的命令。（默认关闭）

RDB缺点：容易丢失数据，耗时效率低；
RDB优点：适用于数据备份，方便传输，恢复大数据快，最大化redis性能（后台快照）
AOF优点：数据更加耐久（一旦出现故障最多丢失一秒数据），只进行追加的日志文件，体积过大会进行重写，容易读懂；
AOF缺点：体积大，速度低；
实际是两个一起用；

Redis的数据过期策略有哪些 ?

惰性删除和定期删除

惰性删除：当key过期时，只有当需要key时，去查询key判断是否过期，当过期就删除该key。

定期删除：每隔一段时间就对一些key检查，过期就删除。

Redis的数据淘汰策略有哪些 ?

这个在redis中提供了很多种，默认是noeviction，不删除任何数据，内存不足直接报错。

是可以在redis的配置文件中进行设置的，里面有两个非常重要的概念，一个是LRU，另外一个是LFU。

LRU的意思就是最少最近使用，用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。

LFU的意思是最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高。

数据库有1000万数据 ,Redis只能缓存20w数据, 如何保证Redis中的数据都是热点数据 ?

可以使用 allkeys-lru （挑选最近最少使用的数据淘汰）淘汰策略，那留下来的都是经常访问的热点数据。

Redis分布式锁如何实现 ?

在redis中提供了一个命令setnx(SET if not exists)

由于redis的单线程的，用了命令之后，只能有一个客户端对某一个key设置值，只有当redis中没有这个key时才可以添加。（在没有过期或删除key的时候是其他客户端是不能设置这个key的）

如何控制Redis实现分布式锁有效时长呢？

采用的redis的一个框架redisson实现的。在redisson中需要手动加锁，并且可以控制锁的失效时间和等待时间，当锁住的一个业务还没有执行完成的时候，在redisson中引入了一个看门狗机制，就是说每隔一段时间（每个锁默认时间是30s，如果30s之内业务代码没有执行完，会有定时任务自动续期，（1/3的时间）10s中续期1次，续的的时间还是30s）就检查当前业务是否还持有锁，如果持有就增加加锁的持有时间，当业务执行完成之后需要使用释放锁就可以了。

还有一个好处就是，在高并发下，一个业务有可能会执行很快，先客户1持有锁的时候，客户2来了以后并不会马上拒绝，它会自旋不断尝试获取锁，如果客户1释放之后，客户2就可以马上持有锁，性能也得到了提升。

/**
1、加锁，默认的超时时间是看门狗的时间(30s)
2、自动给锁续期(原理是只要占锁成功会启动一个定时任务给锁重新设置超时时间，默认续期的超时时
间是看门狗的时间，定时任务会在三分之一的看门狗的时间被触发一次)
3、获取不到锁阻塞阻塞
4、锁一旦释放了就不在续期
**/
lock();

/**
1、加锁，用户指定获取锁等待的时间
2、会自动给锁续期
3、等待指定的时间后返回布尔值
// 一般使用这个方法比较多，锁的超时时间就是业务执行的最大时间。超过这个时间说明业务执行出
问题了，应该马上释放锁，因为续期没有意义了。
*/
lock(10, TimeUnit.SECONDS); 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

redisson实现的分布式锁是可重入的吗？

是可以重入的。这样做是为了避免死锁的产生。这个重入其实在内部就是判断是否是当前线程持有的锁，如果是当前线程持有的锁就会计数，如果释放锁就会在计算上减一。在存储数据的时候采用的hash结构，大key可以按照自己的业务进行定制，其中小key是当前线程的唯一标识，value是当前线程重入的次数。

redisson实现的分布式锁能解决主从一致性的问题吗？

这个是不能的，比如，当线程1加锁成功后，master节点数据会异步复制到slave节点，此时当前持有Redis锁的master节点宕机，slave节点被提升为新的master节点，假如现在来了一个线程2，再次加锁，会在新的master节点上加锁成功，这个时候就会出现两个节点同时持有一把锁的问题。

我们可以利用redisson提供的红锁来解决这个问题，它的主要作用是，不能只在一个redis实例上创建锁，应该是在多个redis实例上创建锁，并且要求在大多数redis节点上都成功创建锁，红锁中要求是redis的节点数量要过半。这样就能避免线程1加锁成功后master节点宕机导致线程2成功加锁到新的master节点上的问题了。

但是，如果使用了红锁，因为需要同时在多个节点上都添加锁，性能就变的很低了，并且运维维护成本也非常高，所以，我们一般在项目中也不会直接使用红锁，并且官方也暂时废弃了这个红锁。

如果业务非要保证数据的强一致性，这个该怎么解决呢？

redis本身就是支持高可用的，做到强一致性，就非常影响性能，所以，如果有强一致性要求高的业务，建议使用zookeeper实现的分布式锁，它是可以保证强一致性的。

Redis集群有哪些方案?

在Redis中提供的集群方案总共有三种：主从复制、哨兵模式、Redis分片（cluster）集群。

什么是主从同步？

单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，可以搭建主从集群，实现读写分离。一般都是一主多从，主节点负责写数据，从节点负责读数据，主节点写入数据之后，需要把数据同步到从节点中。

主从同步数据的流程

主从同步分为了两个阶段，一个是全量同步，一个是增量同步。

全量同步是指从节点第一次与主节点建立连接的时候使用全量同步，流程是这样的：

第一：从节点请求主节点同步数据，其中从节点会携带自己的replication id和offset偏移量。

第二：主节点判断是否是第一次请求，主要判断的依据就是，主节点与从节点是否是同一个replication id，如果不是，就说明是第一次同步，那主节点就会把自己的replication id和offset发送给从节点，让从节点与主节点的信息保持一致。

第三：在同时主节点会执行bgsave，生成RDB文件后，发送给从节点去执行，从节点先把自己的数据清空，然后执行主节点发送过来的RDB文件，这样就保持了一致。

当然，如果在RDB生成执行期间，依然有请求到了主节点，而主节点会以命令的方式记录到缓冲区，缓冲区是一个日志文件，最后把这个日志文件发送给从节点，这样就能保证主节点与从节点完全一致了，后期再同步数据的时候，都是依赖于这个日志文件，这个就是全量同步。

增量同步指的是，当从节点服务重启之后，数据就不一致了，所以这个时候，从节点会请求主节点同步数据，主节点还是判断不是第一次请求，不是第一次就获取从节点的offset值，然后主节点从命令日志中获取offset值之后的数据，发送给从节点进行数据同步。

怎么保证Redis的高并发高可用？

首先可以搭建主从集群，再加上使用redis中的哨兵模式，哨兵模式可以实现主从集群的自动故障恢复，里面就包含了对主从服务的监控、自动故障恢复、通知；如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主；同时Sentinel也充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端，所以一般项目都会采用哨兵的模式来保证redis的高并发高可用。

redis集群脑裂，该怎么解决呢？

有的时候由于网络等原因可能会出现脑裂的情况，就是说，由于redis master节点和redis salve节点和sentinel处于不同的网络分区，使得sentinel没有能够心跳感知到master，所以通过选举的方式提升了一个salve为master，这样就存在了两个master，就像大脑分裂了一样，这样会导致客户端还在old master那里写入数据，新节点无法同步数据，当网络恢复后，sentinel会将old master降为salve，这时再从新master同步数据，这会导致old master中的大量数据丢失。
解决方法，可以在redis的配置中可以设置：第一可以设置最少的salve节点个数，比如设置至少要有一个从节点才能同步数据，第二个可以设置主从数据复制和同步的延迟时间，达不到要求就拒绝请求，就可以避免大量的数据丢失。

redis的分片集群有什么作用？

分片集群主要解决的是，海量数据存储的问题，集群中有多个master，每个master保存不同数据，并且还可以给每个master设置多个slave节点，就可以继续增大集群的高并发能力。同时每个master之间通过ping监测彼此健康状态，就类似于哨兵模式了。当客户端请求可以访问集群任意节点，最终都会被转发到正确节点。

Redis分片集群中数据是怎么存储和读取的？

Redis 集群引入了哈希槽的概念，有 16384 个哈希槽，集群中每个主节点绑定了一定范围的哈希槽范围， key通过 CRC16 校验后对 16384 取模来决定放置哪个槽，通过槽找到对应的节点进行存储。取值的逻辑是一样的。

Redis是单线程的，但是为什么还那么快？

1、完全基于内存的，C语言编写。

2、采用单线程，避免不必要的上下文切换可竞争条件。

3、使用多路I/O复用模型，非阻塞IO。

例如：bgsave 和 bgrewriteaof 都是在后台执行操作，不影响主线程的正常使用，不会产生阻塞。

能解释一下I/O多路复用模型？

I/O多路复用是指利用单个线程来同时监听多个Socket ，并在某个Socket可读、可写时得到通知，从而避免无效的等待，充分利用CPU资源。目前的I/O多路复用都是采用的epoll模式实现，它会在通知用户进程Socket就绪的同时，把已就绪的Socket写入用户空间，不需要挨个遍历Socket来判断是否就绪，提升了性能。

其中Redis的网络模型就是使用I/O多路复用结合事件的处理器来应对多个Socket请求，比如，提供了连接应答处理器、命令回复处理器，命令请求处理器；

在Redis6.0之后，为了提升更好的性能，在命令回复处理器使用了多线程来处理回复事件，在命令请求处理器中，将命令的转换使用了多线程，增加命令转换速度，在命令执行的时候，依然是单线程。
后记