系列十五、Redis面试题集锦-编程知识

一、Redis面试题集锦

1.1、Redis到底是单线程还是多线程

Redis6.0版本之前的单线程指的是其网络IO和键值对读写是由一个线程完成的；

Redis6.0引入的多线程指的是网络请求过程采用了多线程，而键值对读写命令仍然是单线程的，所以多线程环境下，redis依然是并发安全的，也即只有网络请求模块和数组操作模块是单线程的，而其他的持久化、集群数据同步等，其实是由额外的线程执行的；

1.2、Redis单线程为什么还能这么快

（1）命令执行基于内存操作，一条命令在内存里操作的时间只有几十纳秒；

（2）命令执行是单线程操作的，这就省去了线程切换的开销；

（3）基于IO多路复用机制，提升了I/O的利用率；

（4）高效的数据存储结构：全局Hash表、跳表、压缩列表、链表等；

1.3、Redis底层数据是如何用跳表来存储的

所谓跳表，是指将有序链表改造为支持近似"折半查找"算法，可以进行快速的插入、删除、查找操作；

1.4、Redis key过期了，为什么内存没释放

（1）原因一：先设置了key的过期时间，然后修改了key的值，修改key的值时没有指定过期时间，如下：

（2）原因二：跟redis过期key的删除策略有关

惰性删除：当读/写一个已经过期的key时，会触发惰性删除策略，判断当前要操作的key是否过期了，如果过期了则直接删除；

定时删除：由于惰性删除策略无法保证冷数据被及时删除，所以redis会定期（默认每100ms）主动淘汰一批已经过期的key，这里的一批只是一部分过期的key，所以也会出现部分key即使过期了，但是没有被及时清理掉的情况，导致内存没有被实时释放；

1.6、LRU vs LFU

LRU 和 LFU是redis中基于key的淘汰策略中的两种不同算法。区别如下：

LRU算法（Least Recently Used）：最近最少使用，淘汰很久没被访问过的数据，以最近一次时间作为参考；

LFU算法（Least Frequently Used）：最不经常使用，淘汰最近一段时间被访问次数最少的数据，以次数作为参考，绝大多数情况下我们都可以使用LRU策略，当存在大量热点缓存数据时，LFU可能会更好一些；

1.7、删除key的指令会阻塞redis吗

分情况。如果删除的是单个字符串类型的key，时间复杂度为o(1)，不会阻塞redis，如果删除的是单个列表、集合、有序集合或者哈希表的类型，时间复杂度为o(M)，M为数据结构内的元素的数量，如果M的值很大的话，将会导致redis阻塞；

1.8、Redis主从、哨兵、集群大PK

1.8.1、主从模式

Redis主从复制架构是用来解决数据的冗余备份的，主节点用来对外提供服务，从节点仅仅用来同步数据。

1.8.2、哨兵模式

在redis3.0之前的版本要想实现集群，一般是借助哨兵来监控master节点的状态，如果master节点异常，则会做主从切换，将某一台slave切换为主节点，哨兵的配置略微复杂，并且性能和高可用性等各方面表现一般，特别是在主从切换的瞬间，而且哨兵模式只有一个主节点对外提供服务，无法支持很高的并发，且单个主节点的内存也不宜设置的过大，否则会导致持久化文件过大，影响数据恢复或者主从同步的效率。

1.8.3、集群模式

redis集群是一个由多个主从节点群组成的分布式服务器群，具有复制、高可用和分片的特性。redis集群不需要sentinel哨兵也能完成节点移除和故障转移功能。需要将每个节点设置成集群模式，这种集群模式没有中心节点，可以水平扩展，根据官方文档的数据，可以扩展至上万个节点（官方推荐不超过1000个节点），redis集群的性能和高可用性均优于之前版本的哨兵模式，且集群配置非常简单。

1.9、redis集群数据hash分片算法是怎么回事

redis集群将所有数据划分为16384个槽位（slots），每一个节点负责其中一部分槽位，槽位的信息存储于每个节点中，当redis集群的客户端来连接集群时，它会得到一份集群的槽位配置信息并将其缓存在客户端本地，这样当客户端要查找某个key时，就可以根据槽位定位算法定位到目标点位。

槽位定位算法：redis集群默认会对key的值使用crc16算法进行hash得到一个整数值，然后用这个整数值对16384取模得到具体的槽位，公式为：CRC16(key) mod 16384. 接着再根据槽位值和redis节点的对应关系就可以定位到key具体落到哪个redis节点上。

1.10、Redis主从切换导致缓存雪崩可能的原因

我们假设slave机器的时钟比master快很多，此时redis主节点里面设置了过期时间key，站在slave的角度来看，可能很多在master节点里面的数据其实已经过期了，此时如果进行了主从切换，把该slave节点提升为新的master节点了，那么就会清理大量过期的key，此时就可能会导致以下结果：

（1）master大量清理过期的key，主线程可能会发生阻塞，无法及时处理客户端的请求；

（2）系统中的缓存大量失效，恰好在这一时刻涌入进来了大量的客户端请求，导致缓存模块无法利用，进而引起大量的请求直接打到数据库服务器上，导致数据库阻塞甚至宕机。

当master节点和slave节点的机器时钟不一致时，对业务的影响非常大，所以我们一定要保证主从库的机器时钟一致性，避免发生类似的问题。

1.11、 Redis线上数据如何备份

方式一：写crontab定时调度脚本，每小时都拷贝一份rdb或者aof文件到另一台机器中去，保留最近48小时的备份；

方式二：每天都保留一份当日的数据备份到一个目录中去，可以保留最近一个月的备份；

方式三：每次拷贝备份的时候，都把太旧的备份删除了；

1.12、Redis集群网络抖动导致频繁主从切换怎么处理

真实世界的机房网络往往不是风平浪静的，它们经常会发生各种各样的小问题。例如网络抖动就是非常常见的一种现象，突然之间部分连接变得不可访问，然后很快又恢复正常。为了解决这种问题，redis集群提供了一种选线 cluster-node-timeout ,表示当某个节点持续timeout的时间失联时，才可以认定该节点出现故障，需要进行主从切换，如果没有这个选项，网络抖动将会导致频繁的主从切换。

1.13、Redis集群为什么至少需要三个master节点

因为新的master节点的选举需要大于半数的集群master节点同意才能选举成功，如果只有2个master节点，当其中一个挂了，是达不到新master节点的选举条件的。

1.14、Redis集群为什么推荐奇数个节点

因为新的master节点的选举需要大于半数的集群master节点同意才能选举成功，奇数个master节点可以在满足选举的基础上节省一个节点（节省节点就是节省钱），3个节点和4个节点的master集群相比，大家如果都挂了一个master节点的话，都能选举出新的master节点，如果挂了2个master节点的话，就无法选举出新的节点了，所以基数的节点更多的是从节省资源角度出发的。

1.15、Redis集群支持批量操作命令吗

对于类似mset、mget这样的多个key的原生批量操作指令，redis集群只支持所有key落在同一slot的情况，如果有多个key一定要用mset命令在redis集群上操作，则可以在key的前面加上{xxx}，这样参数数据分片hash计算的只会是大括号里面的值，这样就能保证不同的key都能落到同一个slot里面去，如下：

mset {user1}:1:name zhangsan {user1}:1:age 18

假设name和age计算出的hash slot值不一样，但是由于这条命令是在集群下执行的，redis只会用大括号里面的user1作为hash slot计算，所以计算出来的slot值肯定相同，最终保证批量的数据都落在同一slot上。

1.16、Lua脚本能在Redis集群中执行吗

redis官方规定Lua脚本想在redis集群里面执行，需要Luau脚本里操作的所有的key落在集群的同一个节点上，这样的话我们可以给Lua脚本的key前面加上一个相同的hash tag，即{xxx}，这样就能保证Lua脚本里所有的key都落在相同的节点上了。

1.17、Redis的分布式锁的底层实现原理

1.1.8、Redis主从复制的核心原理

1.19、Redis和MySQL如何保证数据一致性

方案一：先更新MySQL，再更新redis，如果redis更新失败，将会导致redis中的数据和DB中的数据不一致；

方案二：先删除redis中的数据，再更新mysql，再次查询的时候在将数据添加到redis缓存中，这种方案能解决方案一中出现的问题，但是在高并发场景下性能较低，而且仍然会出现数据不一致的问题，比如线程一删除了redis缓存的数据，正在更新MySQL，此时线程二执行查询操作，发现缓存没有，于是查询数据库并将查询到的结果放进redis，那么就会把MySQL中的老数据重新放回到redis中；

方案三：延时双删，所谓延时双删指的是，先删除redis中缓存的数据，再更新MySQL中的数据，延迟几百毫秒后再次删除redis中的数据，这样就算在更新MySQL时，其他线程读取了MySQL，把老数据读取到了redis中，那么存储进redis中的数据也会被删除掉，从而保证Redis和MySQL的数据一致性；

1.20、Redis的集群方案

1.21、布隆过滤器原理 & 优缺点

1.22、分布式系统中常用的缓存方案有哪些

（1）客户端缓存：页面和浏览器缓存、APP缓存、H5缓存、localStorage缓存、sessionStorage缓存；

（2）CSN缓存；

内容存储：数据的缓存

内容分发：负载均衡

（3）Nginx缓存：静态资源；

（4）服务端缓存：本地缓存、外部缓存；

（5）数据库缓存：持久层缓存（MyBatis、Hibernate多级缓存）、MySQL查询缓存；

（6）操作系统缓存：Page Cache、Buffer Cache

1.23、缓存穿透 vs 缓存击穿 vs 缓存雪崩

1.23.1、缓存穿透

概述：执行的查询逻辑，缓存中查询不到，数据库中也查询不到。

解决方案：

        （1）业务逻辑层对参数进行合法性校验；

（2）将数据库中没有查询到的数据也写入缓存；注意事项：为了防止redis被无用的key占满，这一类型的key的有效期要尽可能的设置的短一点；

（3）引入布隆过滤器，在访问redis之前先判断数据是否存在；注意事项：使用布隆过滤器存在一定的误判率，并且布隆过滤器只能加数据，不能减数据；

MyBatis是如何解决缓存穿透的？

        将数据库中没有查询到的结果，也进行缓存；

项目中有没有遇到？

        没有用到。项目中我们使用的是MyBatis框架作为持久层，MyBatis已经解决了缓存穿透的问题。

1.23.2、缓存击穿

概述：

执行的查询逻辑，缓存中查询不到，数据库中可以查询的到，一般出现在数据初始化及key过期了的情况；

存在的问题：

写入缓存需要一定的时间，如果是在高并发的场景下，恰巧在数据还没有写入到redis缓存中时，大量请求蜂拥而至，那么一瞬间就会有大量请求访问DB，给DB造成巨大的压力，甚至宕机；

解决方案：

（1）设置热点key永不过期；注意事项：要在value中包含一个逻辑上的过期时间，然后另起一个线程，定期重建这些缓存；

（2）加载DB的时候，防止高并发，也可以通过限流的方式来解决；

1.23.3、缓存雪崩

概述：

在系统运行的某一时刻，突然系统中的缓存全部失效，恰好在这一时刻涌来了大量的客户请求，导致所有模块缓存无法利用，进而引起大量请求涌向数据库查询的极端情况，导致数据库阻塞或者挂起；

解决方案：

（1）缓存永久存储（不推荐）；

（2）针对于不同的业务数据，设置不同的超时时间；

1.24、简述redis的事务实现原理

redis的事务实现主要包含如下三个步骤，即：事务开始、命令入队、事务执行。下面分别介绍：

        事务开始：MULTI命令的执行，标识着一个事务的开始。MULTI命令是在客户端状态的flags属性中打开REDIS_MULTI标识来完成的；

        命令入队：当一个客户端切换到事务状态之后，服务器会根据这个客户端发送过来的命令执行不同的操作。如果客户端发送的命令为MULTI、EXEC、WATCH、DISCARD指令中的任意一个，那么服务器将会立即执行该命令，否则将命令放入一个事务队列里面，然后向客户端返回QUEUED回复；详细流程如下：

（1）如果客户端发送的命令为MULTI、EXEC、WATCH、DISCARD指令中的任意一个，那么服务器将会立即执行该命令；

（2）如果客户端发送的是上述四个命令之外的其他指令，那么服务器并不立即执行这个命令；

（3）检查命令的格式是否正确，如果不正确，服务端会在客户端状态的flags属性关闭REDIS_MULTI标识，并返回错误信息给客户端；如果正确，则将这个命令放入一个事务队列里面，然后返回QUEUED的响应给客户端；

（4）事务队列是按照FIFO的方式保存入队的命令；

        事务执行：客户端发送EXEC命令，服务器执行EXEC命令逻辑；

（1）如果客户端状态的flags属性不包含REDIS_MULTI标识、或者包含REDIS_DIRTY_CAS或者REDIS_DIRTY_EXEC标识，那么将直接取消事务的执行；

（2）服务器遍历客户端的事务队列，然后执行事务队列中的所有命令，最后将返回结果给客户端；

注意事项：

（1）redis不支持事务回滚机制，但是它会检查每一个事务中的命令是否存在错误；

（2）redis事务不支持检查那些程序员自己犯的错误；

1.25、WATCH & MULTI & EXEC & DISCARD & UNWATCH

1.25.1、WATCH概述

WATCH指令是一个乐观锁，可以为redis事务提供check-and-set（CAS）行为。可以监控一个或者多个键，一旦其中一个键被修改或者删除，之后的事务都将不会执行，监控一直持续到EXEC命令。

1.25.2、MULTI概述

MULTI指令用于开启一个事务，它总是返回OK。MULTI指令执行之后，客户端可以继续向服务器发送任意多条命令，这些命令不会立即执行，而是被放到一个队列中，当EXEC指令被调用时，队列中的所有命令才会被立即执行；

1.25.3、EXEC概述

EXEC指令用于执行队列中的所有指令，返回队列中所有命令的返回值，按照命令执行的先后顺序依次执行，当操作被打断时，返回空值nil；

1.25.4、DISCARD概述

DISCARD指令用于清空事务队列中已经入队的指令，并放弃事务的执行，执行此命令后客户端还会从事务状态中退出；

1.25.5、UNWATCH概述

UNWATCH指令用于取消watch对所有key的监控；

1.26、生产上你们的redis内存设置多少

一般推荐Redis设置内存为最大物理内存的四分之三，例如你的物理机的内存为32G，则设置的Redis的物理内存为24G。

1.27、如何配置 & 修改redis的内存大小

1.27.1、查看redis的最大占用内存

配置文件查看：

redis的最大占用内存是在redis.conf中配置的，默认的配置信息如下：

通过查看默认配置发现，maxmemory被注释掉了，说明其存在默认内存大小，那么默认的规则又是什么呢？规则如下：如果不设置最大内存或者设置的最大内存大小为0，那么在64位操作下不限制内存大小，在32位操作系统下最多使用3G内存。

命令查看：

1.27.2、修改redis的内存大小

配置文件中修改：

修改maxmemory的值即可。注意事项：maxmemory的单位为字节，设置时注意单位的转换。

命令修改（单位：字节）：

1.28、如果内存满了你怎么办

redis的内存如果满了，这时如果你还想往里边设值，将会报OOM异常：（error）OOM command not allowed when used memory > 'maxmemory'。解决方法是：调整redis的最大内存大小，避免出现OOM。

1.29、redis的缓存淘汰策略你了解吗

1.29.1、概述

        我们知道redis是基于内存的数据库，当内存达到设定的maxmemory时，将会触发redis的主动清理策略。主动清理策略在redis4.0之前一共实现了6种，在4.0之后又增加了2种，共计分为3类8种，redis.conf中的详细配置如下：

中文解释：

        第一类：针对设置了过期时间key的处理

        （1）volatile-ttl：在筛选时，会针对设置了过期时间的key，根据过期时间的先后顺序进行删除，越早过期的key越先被删除；

        （2）volatile-random：就像它的名字一样，在设置了过期时间的key，随机删除；

        （3）volatile-lru：使用LRU算法筛选设置了过期时间的key；

        （4）volatile-lfu：使用LFU算法筛选设置了过期时间的key；

        第二类：针对所有key的处理

        （1）allkeys-random（禁止使用）：对所有key随机删除；

        （2）allkeys-lru（生产上建议使用）：对所有key使用LRU算法进行删除；

        （3）allkeys-lfu：对所有key使用LFU算法进行删除；

        第三类：不处理（默认）

        noeviction（默认,生产环境不建议用）：不会踢出任何数据，拒绝所有写入操作并返回客户端信息（OOM），此时redis只响应读操作；

小总结：

3个维度：过期键中筛选、所有键中筛选、不处理

4个方面：LRU、LFU、random、ttl

8种选择：

1.29.2、redis过期键的删除策略

思考：如果一个键过期了，那么到了过期时间它会立即从内存中被删除吗？

答：不会立即删除。

1.29.3、3种不同的删除策略（思想）

定时删除：

Redis不可能时刻遍历所有被设置了生存时间的key，来检测数据是否已经到达过期时间，然后对它进行删除。立即删除的确能保证内存中数据的最大新鲜度，因为它保证过期键会在过期后马山删除，其所占用的内存也会随之释放。但是立即删除对cpu是最不友好的。因为删除操作会占用cpu的时间，如果刚好碰上了cpu很忙的时候，比如正在做交集或者排序等计算的时候，就会给cpu造成额外的压力，让cpu很累，时时需要删除，忙死！并且还会产生大量的性能消耗，同时也会影响数据的读取操作。

惰性删除：

数据到达过期时间，不做处理，等下次访问该数据时，判断该数据是否过期，如果没有过期则返回，如果过期了再删除，返回不存在。很明显惰性删除策略对内存是最不友好的！如果一个键已经过期，而这个键又仍然存在redis数据库中，那么只要这个过期的键没有被访问到，其所占用的内存就不会被释放，在使用过期策略时，如果数据库中有非常多的过期键，而这些键又恰巧没有被访问到的话，那么它们永远也不会被删除了（PS：除非用户手动执行了flushdb指令），我们甚至可以将这种情况看做是一种内存泄露（大量无用的垃圾占用了大量的内存，而服务器却不会自己去释放它们），这对于运行状态非常依赖于内存的redis服务器来说，肯定不是一个好消息。

定期删除策略：

上边分析了定时删除和惰性删除存在的问题，不管是定时删除还是惰性删除走的都是极端，显然是不利于服务器发挥出最大性能。那么定期删除策略应运而生，所谓定期策略可以看做是定时策略和惰性策略两者的折中。定期删除策略每隔一段时间执行一次删除过期键的操作，并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时间的影响。

周期性轮询redis数据库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频率。

特点1：cpu性能占用设置有峰值，检测频率可以自定义设置；

特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理；

总结：周期性检查存储空间（随机抽查，重点抽查）

举例：redis默认每100ms检查一次是否存在过期的key，有过期key则删除。注意：redis不是每隔100ms就将所有的key检查一次，而是随机抽取进行检查（如果redis中的缓存数据异常的庞大，想要100ms就将所有的key检查一遍判断是否过期，那cpu得直接干冒烟），因此，如果只是采用定期删除策略，将会出现很多过期的key没有及时被删除的情况。

定期删除策略的难点再于如何确定删除操作的执行时长和频率：如果删除操作执行的太频繁或者执行的时间太长，就会退化为定时删除策略，以至于将cpu的时间过多的浪费在查找过期键&删除过期键上。而如果删除操作执行的频繁太少或者执行的时间太短，则又会退化为惰性删除策略。因此，如果采用定期删除策略的话，服务器必须根据实际情况，合理地设置删除操作的执行时长和执行频率。