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:
-
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。
-
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。
-
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。
-
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。
-
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。
-
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。
-
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:
-
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。
-
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。
-
Random:随机淘汰。随机选择要淘汰的键。
-
TTL(Time to Live):根据键的过期时间来淘汰。
-
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
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。