Redis面试

开篇

面试官： 我看你做的项目中，都用到了redis，你在最近的项目中哪些场景使用了redis呢？

目的：

• 验证你的项目场景的真实性
• 作为深入发问的切入点

回答：

• 缓存：穿透、击穿、雪崩、双写一致、持久化、数据过期策略、数据淘汰策略
• 分布式锁：setnx、redisson
• 消息队列、延迟队列：数据类型

缓存

缓存穿透

概念

查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都会查询数据库

解决方案

解决方案一

• 方案：缓存空数据，查询返回的数据为空，仍把这个空结果进行缓存
• 优点：简单
• 缺点：消耗内存，可能会发生不一致的问题

解决方案二

• 方案：布隆过滤器
• 优点：内存占用较少，没有多余key
• 缺点：实现复杂，存在误判

布隆过滤器

概念

利用位图检索一个元素是否在一个集合中

实现

存储数据：对一个id为1的数据，通过多个hash函数获取hash值，根据hash计算将数组对应位置改为1

查询数据：使用相同hash函数获取hash值，判断对应位置是否都为1

误判率：数组越小误判率就越大，数组越大误判率就越小，但同时内存消耗更多。

实现方案

• Redisson
• Guava

面试题

面试官： 什么是缓存穿透？怎么解决？

回答：

1. 缓存穿透是指查询一个一定不存在的数据，由于存储层查不到数据因此不写入缓存。
2. 这将导致这个不存在的数据每次请求都要到 DB 去查询，可能导致 DB 挂掉。
3. 这种情况大概率是遭到了攻击。解决方案的话，我们通常都会用布隆过滤器来解决它。

面试官： 你能介绍一下布隆过滤器吗？

回答：

1. 布隆过滤器主要是用于检索一个元素是否在一个集合中。
2. 我们当时使用的是Redisson实现的布隆过滤器。
   1. 它的底层原理是，先初始化一个比较大的数组，里面存放的是二进制0或1。
   2. 一开始都是0，当一个key来了之后，经过3次hash计算，模数组长度找到数据的下标，然后把数组中原来的0改为1。
   3. 这样，三个数组的位置就能标明一个key的存在。
   4. 查找的过程也是一样的。
   5. 当然，布隆过滤器有可能会产生一定的误判，我们一般可以设置这个误判率，大概不会超过5%。
   6. 其实这个误判是必然存在的，要不就得增加数组的长度。
   7. 5%以内的误判率一般的项目也能接受，不至于高并发下压倒数据库。

缓存击穿

概念

给某一个key设置了过期时间，当key过期的时候，恰好这时间点对这个key有大量的并发请求过来，这些并发的请求可能会瞬间把DB压垮

解决方案

解决方案一

解决方案二

面试题

面试官： 什么是缓存击穿？怎么解决？

回答：

1. 缓存击穿的意思是，对于设置了过期时间的key，缓存在某个时间点过期的时候，恰好这个时间点对这个Key有大量的并发请求过来。
2. 这些请求发现缓存过期，一般都会从后端 DB 加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把 DB 压垮。
3. 解决方案有两种方式：
   1. 第一，可以使用互斥锁：当缓存失效时，不立即去load db，先使用如 Redis 的 SETNX 去设置一个互斥锁。当操作成功返回时，再进行 load db的操作并回设缓存，否则重试get缓存的方法。
   2. 第二种方案是设置当前key逻辑过期，大概思路如下：
      1. 在设置key的时候，设置一个过期时间字段一块存入缓存中，不给当前key设置过期时间；
      2. 当查询的时候，从redis取出数据后判断时间是否过期；
      3. 如果过期，则开通另外一个线程进行数据同步，当前线程正常返回数据，这个数据可能不是最新的。
   3. 当然，两种方案各有利弊：如果选择数据的强一致性，建议使用分布式锁的方案，但性能上可能没那么高，且有可能产生死锁的问题。如果选择key的逻辑删除，则优先考虑高可用性，性能比较高，但数据同步这块做不到强一致。

缓存雪崩

概念

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

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：哨兵模式、集群模式
3. 给缓存业务添加降级限流策略：nginx或spring cloud gateway
4. 给业务添加多级缓存：Guava或Caffeine

面试题

面试官： 什么是缓存雪崩？怎么解决？

回答：

1. 缓存雪崩意思是，设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重而雪崩。
2. 与缓存击穿的区别是：雪崩是很多key，而击穿是某一个key缓存。
3. 解决方案主要是，可以将缓存失效时间分散开。
4. 比如，可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机。这样，每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

双写一致

概念

当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致

读操作：缓存命中，直接返回；缓存未命中查询数据库，写入缓存，设定超时时间

写操作：延迟双删

解决方案

解决方案一

共享锁：读锁readLock，加锁之后，其他线程可以共享读操作
排他锁：独占锁writeLock，加锁之后，阻塞其他线程读写操作

特点：一致性强、性能低

解决方案二

MQ异步通知

Canal异步通知

二进制日志（BINLOG）记录了所有的 DDL（数据定义语言）语句和 DML（数据操纵语言）语句，但不包括数据查询（SELECT、SHOW）语句。

面试题

面试官： redis做为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）

回答：

1. 嗯！就说我最近做的这个项目，里面有xxxx（根据自己的简历上写）的功能，需要让数据库与redis高度保持一致，因为要求时效性比较高。
2. 我们当时采用的读写锁保证的强一致性。
3. 我们使用的是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。
4. 当我们更新数据的时候，添加排他锁。
5. 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。
6. 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。

面试官： 那这个排他锁是如何保证读写、读读互斥的呢？

回答：

其实排他锁底层使用的也是 SETNX，它保证了同时只能有一个线程操作锁住的方法。

面试官： 你听说过延时双删吗？为什么不用它呢？

回答：

1. 延迟双删，写操作过程中，我们先把缓存中的数据删除，然后更新数据库，最后再延时删除缓存中的数据。
2. 其中，这个延时多久不太好确定。
3. 在延时的过程中，可能会出现脏数据，并不能保证强一致性，所以没有采用它。

面试官： redis做为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）

回答：

1. 嗯！就说我最近做的这个项目，里面有xxxx（根据自己的简历上写）的功能。
2. 数据同步可以有一定的延时（这符合大部分业务需求）。
3. 我们当时采用的阿里的Canal组件实现数据同步：不需要更改业务代码，只需部署一个Canal服务。
4. Canal服务把自己伪装成mysql的一个从节点。
5. 当mysql数据更新以后，Canal会读取binlog数据，然后再通过Canal的客户端获取到数据，并更新缓存即可。

数据持久化

在Redis中提供了两种数据持久化的方式：

1. RDB
2. AOF

RDB

概念

RDB全称Redis Database Backup file（Redis数据备份文件），也被叫做Redis数据快照。

简单来说就是把内存中的所有数据都记录到磁盘中。

当Redis实例故障重启后，从磁盘读取快照文件，恢复数据。

命令

[root@localhost ~]# redis-cli
127.0.0.1:6379> save #由Redis主进程来执行RDB，会阻塞所有命令
ok
127.0.0.1:6379> bgsave #开启子进程执行RDB，避免主进程受到影响
Background saving started

RDB触发机制

redis.conf文件中，格式如下：

# 900秒内，如果至少有1个key被修改，则执行bgsave
save 900 1
save 300 10
save 60 10000

执行原理

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。

完成fork后读取内存数据并写入 RDB 文件。

fork采用的是copy-on-write技术：

• 当主进程执行读操作时，访问共享内存
• 当主进程执行写操作时，则会拷贝一份数据，执行写操作

AOF

概念

AOF全称为Append Only File（追加文件）。

Redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。

配置文件

redis.conf文件中，格式如下：

# 是否开启AOF功能，默认是no
appendonly yes
# AOF文件的名称
appendfilename "appendonly.aof"

# 表示每执行一次写命令，立即记录到AOF文件
appendfsync always 
# 写命令执行完先放入AOF缓冲区，然后表示每隔1秒将缓冲区数据写到AOF文件，是默认方案
appendfsync everysec 
# 写命令执行完先放入AOF缓冲区，由操作系统决定何时将缓冲区内容写回磁盘
appendfsync no

配置项	刷盘时机	优点	缺点
Always	同步刷盘	可靠性高，几乎不丢数据	性能影响大
everysec	每秒刷盘	性能适中	最多丢失1秒数据
no	操作系统控制	性能最好	可靠性较差，可能丢失大量数据

特点

因为是记录命令，AOF文件会比RDB文件大的多。

而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。

通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。

Redis也会在触发阈值时自动去重写AOF文件。

阈值也可以在redis.conf中配置：

# AOF文件比上次文件增长超过多少百分比则触发重写
auto-aof-rewrite-percentage 100
# AOF文件体积最小多大以上才触发重写
auto-aof-rewrite-min-size 64mb

RDB与AOF对比

	RDB	AOF
持久化方式	定时对整个内存做快照	记录每一次执行的命令
数据完整性	不完整，两次备份之间会丢失	相对完整，取决于刷盘策略
文件大小	会有压缩，文件体积小	记录命令，文件体积很大
宕机恢复速度	很快	慢
数据恢复优先级	低，因为数据完整性不如AOF	高，因为数据完整性更高
系统资源占用	高，大量CPU和内存消耗	低，主要是磁盘IO资源，但AOF重写时会占用大量CPU和内存资源
使用场景	可以容忍数分钟的数据丢失，追求更快的启动速度	对数据安全性要求较高场景

面试题

面试官： redis做为缓存，数据的持久化是怎么做的？

回答：

在Redis中提供了两种数据持久化的方式：

1. RDB
2. AOF

面试官： 这两种持久化方式有什么区别呢？

回答：

1. RDB是一个快照文件。
2. 它是把redis内存存储的数据写到磁盘上。
3. 当redis实例宕机恢复数据的时候，可以从RDB的快照文件中恢复数据。
4. AOF的含义是追加文件。
5. 当redis执行写命令的时候，都会存储到这个文件中。
6. 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。

面试官： 这两种方式，哪种恢复的比较快呢？

回答：

1. RDB因为是二进制文件，保存时体积也比较小，所以它恢复得比较快。
2. 但它有可能会丢数据。
3. 我们通常在项目中也会使用AOF来恢复数据。
4. 虽然AOF恢复的速度慢一些，但它丢数据的风险要小很多。
5. 在AOF文件中可以设置刷盘策略。
6. 我们当时设置的就是每秒批量写入一次命令。

数据过期策略

概念

Redis对数据设置数据的有效时间，数据过期以后，就需要将数据从内存中删除掉。

可以按照不同的规则进行删除，这种删除规则就被称之为数据的删除策略（数据过期策略）。

惰性删除

概念

设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key。

特点

优点：对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查

缺点：对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放

定期删除

概念

每隔一段时间，我们就对一些key进行检查，删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中的过期key)。

定期清理的模式

• SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms，可以通过修改配置文件redis.conf的hz 选项来调整这个次数
• FAST模式执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms

特点

优点：可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除，也能有效释放过期键占用的内存。

缺点：难以确定删除操作执行的时长和频率。

面试题

面试官： Redis的数据过期策略有哪些？

回答：

1. 在redis中提供了两种数据过期删除策略。
2. 第一种是惰性删除。在设置该key过期时间后，我们不去管它。当需要该key时，我们检查其是否过期。如果过期，我们就删掉它；反之，返回该key。
3. 第二种是定期删除。就是说，每隔一段时间，我们就对一些key进行检查，并删除里面过期的key。定期清理的两种模式是：
   1. SLOW模式，是定时任务，执行频率默认为10hz，每次不超过25ms，可以通过修改配置文件redis.conf的hz选项来调整这个次数；
   2. FAST模式，执行频率不固定，每次事件循环会尝试执行，但两次间隔不低于2ms，每次耗时不超过1ms。
4. Redis的过期删除策略是：惰性删除 + 定期删除两种策略配合使用。

数据淘汰策略

概念

当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。

淘汰策略

1. noeviction： 不淘汰任何key，但是内存满时不允许写入新数据，默认就是这种策略。
2. volatile-ttl： 对设置了TTL的key，比较key的剩余TTL值，TTL越小越先被淘汰
3. allkeys-random：对全体key ，随机进行淘汰。
4. volatile-random：对设置了TTL的key ，随机进行淘汰。
5. allkeys-lru： 对全体key，基于LRU算法进行淘汰
6. volatile-lru： 对设置了TTL的key，基于LRU算法进行淘汰
7. allkeys-lfu： 对全体key，基于LFU算法进行淘汰
8. volatile-lfu： 对设置了TTL的key，基于LFU算法进行淘汰

LRU（Least Recently Used）最近最少使用。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（Least Frequently Used）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。

使用建议

1. 优先使用 allkeys-lru 策略。充分利用 LRU 算法的优势，把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分，建议使用。
2. 如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用 allkeys-random，随机选择淘汰。
3. 如果业务中有置顶的需求，可以使用 volatile-lru 策略，同时置顶数据不设置过期时间，这些数据就一直不被删除，会淘汰其他设置过期时间的数据。
4. 如果业务中有短时高频访问的数据，可以使用 allkeys-lfu 或 volatile-lfu 策略。

面试题

面试官： Redis的数据淘汰策略有哪些？

回答：

1. 嗯，这个在redis中提供了很多种，默认是noeviction，不删除任何数据，内部不足时直接报错。
2. 这个可以在redis的配置文件中进行设置。
3. 里面有两个非常重要的概念：一个是LRU，另外一个是LFU。
4. LRU的意思就是最少最近使用。它会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。
5. LFU的意思是最少频率使用。它会统计每个key的访问频率。值越小，淘汰优先级越高。
6. 我们在项目中设置的是allkeys-lru，它会挑选最近最少使用的数据进行淘汰，把一些经常访问的key留在redis中。

面试官： 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？

回答：

嗯，我想一下()。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。

面试官： Redis的内存用完了会发生什么？

回答：

嗯~，这个要看redis的数据淘汰策略是什么。如果是默认的配置，redis内存用完以后则直接报错。我们当时设置的是allkeys-lru策略，把最近最常访问的数据留在缓存中。

分布式锁

概念

Redis分布式锁是一种在分布式系统中用于控制共享资源访问的机制。它通过使用Redis这一高性能的内存数据存储系统，来实现跨多个节点或服务的锁功能。

实现

Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在，则 SET)的简写。

获取锁

# 添加锁，NX是互斥、EX是设置超时时间
SET lock value NX EX 10

释放锁

# 释放锁，删除即可
DEL key

给锁续期

• 根据业务执行时间预估
• 给锁续期

重入锁

redisson实现的分布式锁利用hash结构记录线程id和重入次数

主从一致性

RedLock(红锁)：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(n / 2 + 1)，避免在一个redis实例上加锁。

特点

• 实现复杂
• 性能差
• 运维繁琐

面试题

面试官： Redis分布式锁如何实现？

回答：

1. 嗯，在redis中提供了一个命令 SETNX(SET if not exists)。
2. 由于redis是单线程的，用了这个命令之后，只能有一个客户端对某一个key设置值。
3. 在没有过期或删除key的时候，其他客户端是不能设置这个key的。

面试官： 那你如何控制Redis实现分布式锁的有效时长呢？

回答：

1. 嗯，的确。redis的 SETNX指令不好控制这个问题。
2. 我们当时采用的是redis的一个框架Redisson实现的。
3. 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。
4. 当锁住的一个业务还没有执行完成的时候，Redisson会引入一个看门狗机制。
5. 就是说，每隔一段时间就检查当前业务是否还持有锁。
6. 如果持有，就增加加锁的持有时间。
7. 当业务执行完成之后，需要使用释放锁就可以了。
8. 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。
9. 客户1持有锁的时候，客户2来了以后并不会马上被拒绝。
10. 它会自旋不断尝试获取锁。
11. 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。

面试官： Redisson实现的分布式锁是可重入的吗？

回答：

1. 嗯，是可以重入的。
2. 这样做是为了避免死锁的产生。
3. 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数上减一。
4. 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。

面试官： Redisson实现的分布式锁能解决主从一致性的问题吗？

回答：

1. 这个是不能的。
2. 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，此时如果当前持有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。
3. 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。
4. 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。
5. 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，性能就变得非常低，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。

面试官： 如果业务非要保证数据的强一致性，这个该怎么解决呢？

回答：

嗯~，Redis本身就是支持高可用的，要做到强一致性，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

集群方案

• 主从复制
• 哨兵模式
• 分片集群

主从复制

概念

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，就需要搭建主从集群，实现读写分离。

主从全量同步原理

Replication Id：简称replid，是数据集的标记，id一致则说明是同一数据集。每一个master都有唯一的replid，slave则会继承master节点的replid。

offset：偏移量，随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset，说明slave数据落后于master，需要更新。

主从增量同步原理

面试题

面试官： Redis集群有哪些方案，知道吗？

回答：

嗯~~，在Redis中提供的集群方案总共有三种：主从复制、哨兵模式、Redis分片集群。

面试官： 那你来介绍一下主从同步。

回答：

嗯，是这样的，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。

面试官： 能说一下，主从同步数据的流程吗？

回答：

1. 嗯，好！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。
2. 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：
   1. 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。
   2. 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。
   3. 在同步主节点时会执行 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。
   4. 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。
3. 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，主节点判断是不是第一次请求，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。

哨兵模式

作用

Redis提供了哨兵（Sentinel）机制来实现主从集群的自动故障恢复。

哨兵的结构和作用如下：

• 监控：Sentinel 会不断检查您的master和slave是否按预期工作
• 自动故障恢复：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
• 通知：Sentinel 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

服务状态监控

Sentinel基于心跳机制监测服务状态，每隔1秒向集群的每个实例发送ping命令：

• 主观下线：如果某sentinel节点发现某实例未在规定时间响应，则认为该实例主观下线。
• 客观下线：若超过指定数量（quorum）的sentinel都认为该实例主观下线，则该实例客观下线。
  • quorum值最好超过Sentinel实例数量的一半。

哨兵选主规则：

1. 首先判断主与从节点断开时间长短，如超过指定值就排该从节点
2. 然后判断从节点的slave-priority值，越小优先级越高
3. 如果slave-prority一样，则判断slave节点的offset值，越大优先级越高
4. 最后是判断slave节点的运行id大小，越小优先级越高。

脑裂

概念

由于网络分区或节点故障等原因，导致集群中的节点之间失去通信，从而形成多个孤立的子集群。每个子集群都认为自己仍然是完整集群的主导部分，导致出现了多个独立的大脑。

配置

redis中有两个配置参数：

• min-replicas-to-write 1 表示最少的salve节点为1个
• min-replicas-max-lag 5 表示数据复制和同步的延迟不能超过5秒

面试题

面试官： 怎么保证Redis的高并发高可用？

回答：

1. 首先可以搭建主从集群，再加上使用Redis中的哨兵模式
2. 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
3. 如果master故障，Sentinel会将一个slave提升为master
4. 当故障实例恢复后也以新的master为主
5. 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

面试官： 你们使用Redis是单点还是集群，哪种集群？

回答：

1. 嗯！我们当时使用的是主从（1主1从）加哨兵。
2. 一般单节点不超过10G内存，如果Redis内存不足则可以给不同服务分配独立的Redis主从节点。
3. 尽量不做分片集群。
4. 因为集群维护起来比较麻烦，并且集群之间的心跳检测和数据通信会消耗大量的网络带宽，也没有办法使用Lua脚本和事务。

面试官： Redis集群脑裂，该怎么解决呢？

回答：

1. 嗯！这个在项目中很少见，不过脑裂的问题是这样的，我们现在用的是Redis的哨兵模式集群的。
2. 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 slave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slave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slave，这时再从新master同步数据，这会导致old master中的大量数据丢失。
3. 关于解决的话，我记得在Redis的配置中可以设置：
   1. 第一可以设置最少的slave节点个数，比如设置至少要有一个从节点才能同步数据
   2. 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。

分片集群

概念

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决：

1. 海量数据存储问题
2. 高并发写的问题

使用分片集群可以解决上述问题，分片集群特征：

1. 集群中有多个master，每个master保存不同数据
2. 每个master都可以有多个slave节点
3. master之间通过ping监测彼此健康状态
4. 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

数据读写

Redis 分片集群引入了哈希槽的概念，Redis 集群有 16384 个哈希槽，每个 key通过 CRC16 校验后对 16384 取模来决定放置哪个槽，集群的每个节点负责一部分 hash 槽。

面试题

面试官： Redis的分片集群有什么作用？

回答：

1. 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。
2. 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。
3. 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。

面试官： Redis分片集群中数据是怎么存储和读取的？

回答：

• 嗯，在Redis集群中是这样的：
  • 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。

IO

用户空间和内核空间

Linux系统中一个进程使用的内存情况分为两部分：

1. 内核空间：可以执行特权命令（Ring0），调用一切系统资源
2. 用户空间：只能执行受限的命令（Ring3），而且不能直接调用系统资源，必须通过内核提供的接口来访问

Linux系统为了提高IO效率，会在用户空间和内核空间都加入缓冲区：

1. 写数据时，要把用户缓冲数据拷贝到内核缓冲区，然后写入设备
2. 读数据时，要从设备读取数据到内核缓冲区，然后拷贝到用户缓冲区

阻塞IO

非阻塞IO

IO多路复用

概念

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。

实现方式

• select
• poll
• epoll

select和poll只会通知用户进程有Socket就绪，但不确定具体是哪个Socket ，需要用户进程逐个遍历Socket来确认

epoll则会在通知用户进程Socket就绪的同时，把已就绪的Socket写入用户空间

Redis网络模型

Redis通过IO多路复用来提高网络性能，并且支持各种不同的多路复用实现，并且将这些实现进行封装， 提供了统一的高性能事件库

面试题

面试官： Redis是单线程的，但是为什么还那么快？

回答：

嗯，这个有几个原因吧

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和竞争条件。
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。

面试官： 能解释一下I/O多路复用模型？

回答：

1. 嗯，I/O多路复用是指利用单个线程来同时监听多个Socket，并且在某个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。
2. 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。
3. 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；
4. 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