Redis理论基础

一、什么是Redis

 

REmote DIctionary Server(Redis) 是一个由Salvatore Sanfilippo写的key-value存储系统。Redis是一个开源的使用ANSI C语言编写、遵守BSD协议、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。它通常被称为数据结构服务器，因为值（value）可以是 字符串(String), 哈希(Map), 列表(list), 集合(set) 和 有序集合(sorted sets)等类型。

二、有什么特性

Redis 的一些主要特点和功能：

1. 高性能：Redis 数据存储在内存中，读写速度非常快，在处理大量并发请求时表现出色。它使用了单线程模型，并通过非阻塞的 I/O 操作来实现高并发处理能力。

2. 数据持久化：Redis 提供了两种持久化方式，即 RDB（Redis Database）快照和 AOF（Append-Only File）日志。RDB 可以将当前数据库的快照保存到磁盘上，AOF 则记录了每个写操作的日志，可以在重启时重新执行这些写操作来恢复数据。

3. 数据类型丰富：Redis 支持多种数据类型，，比如string(字符串)、list(链表)、set(集合)、zset(sorted set –有序集合)和hash（哈希类型，类似于Java中的map）。这些数据类型可以满足不同场景下的数据存储和处理需求。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和算法。

4. 发布订阅机制：Redis 提供了发布订阅机制，允许客户端订阅一个或多个频道，当频道有新消息发布时，订阅者将收到相应的消息。

5. 事务支持：Redis 支持事务（Transaction），可以通过 MULTI、EXEC、WATCH 和 DISCARD 等命令来实现一组命令的原子性执行。

6. 分布式支持：Redis 提供了分布式数据存储和处理的支持，可以通过主从复制、哨兵机制和集群模式来实现高可用性和横向扩展。

7. Lua 脚本支持：Redis 允许使用 Lua 脚本进行复杂的数据操作和计算，提供了脚本解释器来执行这些脚本。

 

三、常见面试题

1. 为什么选择Redis?

这个问题主要从性能和并发两个角度去答。

（一）性能

碰到需要执行耗时特别久，且结果不频繁变动的SQL，就特别适合将运行结果放入缓存。这样，后面的请求就去缓存中读取，使得请求能够迅速响应。

（二）并发

在大并发的情况下，所有的请求直接访问数据库，数据库会出现连接异常。这个时候，就需要使用redis做一个缓冲操作，让请求先访问到redis，而不是直接访问数据库。

2.单线程的redis为什么这么快?

分析:这个问题其实是对redis内部机制的一个考察。其实根据博主的面试经验，很多人其实都不知道redis是单线程工作模型。所以，这个问题还是应该要复习一下的。

回答:主要是以下几点

(一) 纯内存操作：

Redis将数据存储在内存中，而不是像传统的关系型数据库一样存储在磁盘上。由于内存的读写速度比磁盘快得多，Redis能够实现高速的数据访问和响应。

(二) 单线程模型：

Redis使用单线程模型处理请求，避免了多线程之间的竞争和同步开销。这使得处理请求的过程更加简单和高效。

(三) 采用了非阻塞I/O(NIO)多路复用机制

使用操作系统提供的系统调用（如epoll、kqueue、select等）来监听多个I/O事件，当有事件就绪（例如有可读或可写数据）时，将相应的I/O操作交由程序处理。这样，可以通过一次系统调用同时监听多个I/O事件，避免了传统的阻塞I/O模型中每个连接都需要一个线程阻塞等待的情况。

(四) 高效的网络通信：

Redis使用基于TCP协议的简单文本协议进行通信，数据的传输效率高。

(五) 简单数据结构:

Redis支持的数据结构相对简单，如字符串、列表、哈希、集合等。这些简单的数据结构操作具有高效的底层实现，可以在常数时间内完成。复杂的数据操作往往需要进行多次查询或计算，而简单数据结构可以直接在内存中完成。

3. Redis的数据类型有哪些，它们都用哪些使用场景？

(一) String

最常规的set/get操作，value可以是文本、数字或二进制数据。常见的使用场景包括缓存、计数器、分布式锁等。

(二) hash

这里value存放的是结构化的对象，比较方便的就是操作其中的某个字段。例如在做单点登录的时候，就是用这种数据结构存储用户信息，以cookieId作为key，设置30分钟为缓存过期时间，能很好的模拟出类似session的效果。

(三) list

使用List的数据结构，可以做简单的消息队列的功能。另外还有一个就是，可以利用lrange命令，做基于redis的分页功能，性能极佳，用户体验好。

(四) set

因为set堆放的是一堆不重复值的集合。所以可以做全局去重的功能。为什么不用JVM自带的Set进行去重？因为我们的系统一般都是集群部署，使用JVM自带的Set，比较麻烦，难道为了一个做一个全局去重，再起一个公共服务，太麻烦了。

另外，就是利用交集、并集、差集等操作，常见的使用场景包括标签系统、好友关系、点赞等。

(五)sorted set

sorted set多了一个权重参数score,集合中的元素能够按score进行排列。可以做排行榜应用，取TOP N操作。sorted set可以用来做延时任务。最后一个应用就是可以做范围查找。

4. redis的过期策略以及内存淘汰机制

采用的是定期删除+惰性删除策略。

为什么不用定时删除策略?

定时删除,用一个定时器来负责监视key,过期则自动删除。Redis将过期键放入一个专门的字典中，并在每次清除时扫描一小部分字典，并删除已过期的键。通过每秒执行多次清除操作，十分消耗CPU资源。

定期删除+惰性删除是如何工作的呢?

定期删除，redis默认每个100ms检查，是否有过期的key,有过期key则删除。需要说明的是，redis不是每个100ms将所有的key检查一次，而是随机抽取进行检查(如果每隔100ms,全部key进行检查，redis岂不是卡死)。因此，如果只采用定期删除策略，会导致很多key到时间没有删除。

于是，惰性删除派上用场。也就是说在你获取某个key的时候，redis会检查一下，这个key如果设置了过期时间那么是否过期了？如果过期了此时就会删除。

采用定期删除+惰性删除就没其他问题了么?

不是的，如果定期删除没删除key。然后你也没即时去请求key，也就是说惰性删除也没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制。

Redis提供了多种策略用于在内存不足时淘汰键以释放内存：

1. LRU（Least Recently Used）：最近最少使用。根据键最近被访问的时间戳来淘汰最近最少使用的键。

2. LFU（Least Frequently Used）：最不经常使用。根据键被访问的频率来淘汰最不经常使用的键。

3. Random：随机淘汰。随机选择要淘汰的键。

4. TTL（Time to Live）：根据键的过期时间来淘汰。

5. Noeviction：禁止淘汰。当内存不足时，如果没有可淘汰的键，新写入操作将被阻塞，直到有足够的内存可用。

在redis.conf中有一行配置

参数maxmemory-policy volatile-lru描述

该配置就是配内存淘汰策略的

1）volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。这种情况一般是把redis既当缓存，又做持久化存储的时候才用。不推荐

2）allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。推荐使用，目前项目在用这种。

3）allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。应该也没人用吧，你不删最少使用Key,去随机删。

4）volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。依然不推荐

5）volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。不推荐 ps：如果没有设置 expire 的key, 不满足先决条件(prerequisites); 那么 volatile-lru, volatile-random 和 volatile-ttl 策略的行为, 和 noeviction(不删除) 基本上一致。

6）noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。默认

5. redis和数据库双写一致性问题

一致性问题是分布式常见问题，还可以再分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。答这个问题，先明白一个前提。就是如果对数据有强一致性要求，不能放缓存。我们所做的一切，只能保证最终一致性。另外，我们所做的方案其实从根本上来说，只能说降低不一致发生的概率，无法完全避免。因此，有强一致性要求的数据，不能放缓存。

所以，采取正确更新策略，先更新数据库，再删缓存。其次，因为可能存在删除缓存失败的问题，提供一个补偿措施即可，例如利用消息队列。

6. 如何应对缓存穿透和缓存雪崩问题

分析:一般中小型传统软件企业，很难碰到这个问题。如果有大并发的项目，流量有几百万左右。这两个问题一定要深刻考虑。

缓存穿透：即请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而可能引发数据库异常。

解决方案如下：

(一) 利用互斥锁，缓存失效的时候，先去获得锁，得到锁了，再去请求数据库。没得到锁，则休眠一段时间重试。

(二) 采用异步更新策略，无论key是否取到值，都直接返回。value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作。

(三) 提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。

缓存雪崩：即缓存同一时间大量缓存失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而可能引发数据库异常。

解决方案如下：

(一) 给缓存的失效时间，加上一个随机值，尽可能避免集体集中失效。

(二) 使用互斥锁，但是该方案吞吐量明显下降了。

(三) 双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。然后细分以下几个小点

I 从缓存A读数据，有则直接返回

II A没有数据，直接从B读数据，直接返回，并且异步启动一个更新线程。

III 更新线程同时更新缓存A和缓存B。

7. 如何解决redis的并发竞争key问题

分析:这个问题大致就是，同时有多个子系统去set一个key。如果使用redis的事务机制，由于基本都是redis集群环境，做了数据分片操作。一个事务中有涉及到多个key操作的时候，这多个key不一定都存储在同一个redis-server上。因此，redis的事务机制，十分鸡肋。

解决方案如下：

(1) 如果对这个key操作，不要求顺序。这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可，比较简单。

(2) 如果对这个key操作，要求顺序。假设有一个key1,系统A需要将key1设置为valueA,系统B需要将key1设置为valueB,系统C需要将key1设置为valueC. 期望按照key1的value值按照 valueA-->valueB-->valueC的顺序变化。这种时候我们在数据写入数据库的时候，需要保存一个时间戳。假设时间戳如下系统A key 1 {valueA 3:00} 系统B key 1 {valueB 3:05} 系统C key 1 {valueC 3:10}那么，假设这会系统B先抢到锁，将key1设置为{valueB 3:05}。接下来系统A抢到锁，发现自己的valueA的时间戳早于缓存中的时间戳，那就不做set操作了。以此类推。