redis面试题

Redis概述

Redis是一个开源的key-value存储系统。
和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hash（哈希类型）。
这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。
在此基础上，Redis支持各种不同方式的排序。
与memcached一样，为了保证效率，数据都是缓存在内存中。
区别的是Redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件。
并且在此基础上实现了master-slave(主从)同步。

redis为什么速度快？

1、完全基于内存，绝大部分请求是纯粹的内存操作，非常快速。

2、数据结构简单，对数据操作也简单，Redis中的数据结构是专门进行设计的

3、采用单线程，避免了不必要的上下文切换（切换线程）和竞争条件，也不存在多进程或者多线程导致的切换而消耗 CPU，不用去考虑各种锁的问题，不存在加锁释放锁操作，没有因为可能出现死锁而导致的性能消耗；

（这里我们一直在强调的单线程，只是在处理我们的网络请求的时候只有一个线程来处理，一个正式的Redis Server运行的时候肯定是不止一个线程的，例如Redis进行持久化的时候会以子进程或者子线程的方式执行）

4、采用多路 I/O 复用技术可以让单个线程高效的处理多个连接请求（尽量减少网络 IO 的时间消耗），多路复用是指使用一个线程来检查多个文件描述符（Socket）的就绪状态，

比如调用select和poll函数，传入多个文件描述符，如果有一个文件描述符就绪，则返回，否则阻塞直到超时。得到就绪状态后进行真正的操作可以在同一个线程里执行，也可以启动线程执行（比如使用线程池）

redis的持久化机制（什么是RDB和AOF）

RDB：在指定的时间间隔中将redis中的数据进行持久化保存在磁盘中
数据可能会丢失，但性能高恢复速度快

AOF：在每次的添加删除后都将其操作记录在文件中，读操作不记录
数据完整较安全，但保存文件大恢复慢

Redis的过期键的删除策略

惰性过期：只有当访问一个key时，才会判断该key是否已过期，过期则清除。该策略可以最大化地节省
CPU资源，却对内存非常不友好。极端情况可能出现大量的过期key没有再次被访问，从而不会被清除，占
用大量内存。
定期过期：每隔一定的时间，会扫描一定数量的数据库的expires字典中一定数量的key，并清除其中已过期
的key。该策略是一个折中方案。通过调整定时扫描的时间间隔和每次扫描的限定耗时，可以在不同情况下
使得CPU和内存资源达到最优的平衡效果。

redis事务

使用multi开启事务，添加需要的redis语句后，使用exec执行事务中的语句
报错情况有两种
【组队阶段】某个命令出现了报告错误，执行时整个的所有队列都会被取消。

如果【执行阶段】某个命令报出了错误，则只有报错的命令不会被执行，而其他的命令都会执行，不会回滚。

什么是哨兵机制？哨兵机制的工作原理是什么？（主机宕机后，主从机自动切换）

主从架构中，主机宕机，从机无法自动上位，需要手动上位，而哨兵机制就是自动上位
1.基于主从方案的缺点还是很明显的，假设主机宕机，那么就不能写入数据，那么从机也就失去了作用，整个架构就不可用了，除非你手动切换，主要原因就是没有自动故障转移机制。而哨兵具备自动故障转移、集群监控、消息通知等功能。
2.哨兵可以同时监视多个主从服务器，并且在被监视的主机下线时，自动将某个从机提升为主机，然后由新的主机继续接收命令。
3.哨兵会每隔1秒向所有实例（包括主从服务器和其他哨兵）发送ping命令，并且根据回复判断是否已经下线，这种方式叫做主观下线。当判断为主观下线时，就会向其他监视的哨兵询问，如果超过半数的投票认为已经是下线状态，则会标记为客观下线状态，同时触发故障转移。

缓存穿透（跳过redis缓存疯狂访问数据库）

key对应的数据在数据源并不存在，每次针对此key的请求从缓存获取不到，请求都会压到数据源（数据库），从而可能压垮数据源。

比如用一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。

解决方案：
（1） 对空值缓存：如果一个查询返回的数据为空（不管是数据是否不存在），我们仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过五分钟
（2） 设置可访问的名单（白名单）：使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问。
（3） 采用布隆过滤器：(布隆过滤器（Bloom Filter）是1970年由布隆提出的。底层和bitmaps一样的，但对其中做了优化效率更高。它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数）。

布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。)
将所有可能存在的数据哈希到一个足够大的bitmaps中，一个一定不存在的数据会被 这个bitmaps拦截掉，从而避免了对底层存储系统的查询压力。

（4） 进行实时监控：当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务

缓存击穿（缓存中某个热门key（热搜）过期了，大量访问该key时会访问数据库）

key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题。

解决问题：
（1）预先设置热门数据：在redis高峰访问之前，把一些热门数据提前存入到redis里面，加大这些热门数据key的时长
（2）实时调整：现场监控哪些数据热门，实时调整key的过期时长
（3）使用排他锁：

缓存雪崩（缓存中的大量key同时过期，任务压在数据库上）

解决方案：
（1） 构建多级缓存架构：nginx缓存 + redis缓存 +其他缓存（ehcache等）
（2） 使用锁或队列控制数据库：用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况
（3） 设置过期标志更新缓存：记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存。
（4） 将缓存失效时间分散开：比如我们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。