java后端面试题（Redis篇） Redis篇1. 什么是缓存穿透怎么解决2. 你能介绍一下布隆过滤器吗3. 什么是缓存击穿怎么解决4. 什么是缓存雪崩怎么解决5. redis做为缓存mysql的数据如何与redis进行同步呢双写一致性6. 那这个排他锁是如何保证读写、读读互斥的呢7. 你听说过延时双删吗为什么不用它呢8. redis做为缓存数据的持久化是怎么做的9. 这两种持久化方式有什么区别呢10. 这两种方式哪种恢复的比较快呢11. Redis的数据过期策略有哪些12. Redis的数据淘汰策略有哪些13. 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14. Redis的内存用完了会发生什么15. Redis分布式锁如何实现16. 那你如何控制Redis实现分布式锁的有效时长呢17. Redisson实现的分布式锁是可重入的吗18. Redisson实现的分布式锁能解决主从一致性的问题吗19. 如果业务非要保证数据的强一致性这个该怎么解决呢20. Redis集群有哪些方案知道吗21. 那你来介绍一下主从同步。22. 能说一下主从同步数据的流程吗23. 怎么保证Redis的高并发高可用24. 你们使用Redis是单点还是集群哪种集群25. Redis集群脑裂该怎么解决呢26. Redis的分片集群有什么作用27. Redis分片集群中数据是怎么存储和读取的28. Redis是单线程的但是为什么还那么快29. 能解释一下I/O多路复用模型1. 什么是缓存穿透怎么解决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。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。2. 你能介绍一下布隆过滤器吗布隆过滤器主要是用于检索一个元素是否在一个集合中。可以使用Redisson实现的布隆过滤器。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。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。这样三个数组的位置就能标明一个key的存在。查找的过程也是一样的。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%。其实这个误判是必然存在的要不就得增加数组的长度。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。3. 什么是缓存击穿怎么解决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。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。解决方案有两种方式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。第二种方案是设置当前key逻辑过期大概思路如下在设置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设置过期时间当查询的时候从redis取出数据后判断时间是否过期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。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。4. 什么是缓存雪崩怎么解决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DBDB瞬时压力过重而雪崩。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。解决方案主要是可以将缓存失效时间分散开。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。5. redis做为缓存mysql的数据如何与redis进行同步呢双写一致性我们使用Redisson实现的读写锁保证强一致性。在读的时候添加共享锁可以保证读读不互斥、读写互斥。当我们更新数据的时候添加排他锁。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。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。6. 那这个排他锁是如何保证读写、读读互斥的呢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。7. 你听说过延时双删吗为什么不用它呢延迟双删如果是写操作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。其中这个延时多久不太好确定。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。8. redis做为缓存数据的持久化是怎么做的在Redis中提供了两种数据持久化的方式1) RDB2) AOF。9. 这两种持久化方式有什么区别呢RDB是一个快照文件。它是把redis内存存储的数据写到磁盘上。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。AOF的含义是追加文件。当redis执行写命令的时候都会存储到这个文件中。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。10. 这两种方式哪种恢复的比较快呢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。但它有可能会丢数据。我们通常在项目中也会使用AOF来恢复数据。虽然AOF恢复的速度慢一些但它丢数据的风险要小很多。在AOF文件中可以设置刷盘策略。我们当时设置的就是每秒批量写入一次命令。11. Redis的数据过期策略有哪些在redis中提供了两种数据过期删除策略。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。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。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。12. Redis的数据淘汰策略有哪些这个在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。这个可以在redis的配置文件中进行设置。里面有两个非常重要的概念一个是LRULRU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。另外一个是LFULFU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。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。13. 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。14. Redis的内存用完了会发生什么这个要看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。可以设置allkeys-lru策略把最近最常访问的数据留在缓存中。15. Redis分布式锁如何实现在redis中提供了一个命令SETNX(SET if not exists)。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。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。16. 那你如何控制Redis实现分布式锁的有效时长呢可以采用redis的一个框架Redisson实现的。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。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。就是说每隔一段时间就检查当前业务是否还持有锁。如果持有就增加加锁的持有时间。当业务执行完成之后需要使用释放锁就可以了。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。客户1持有锁的时候客户2来了以后并不会马上被拒绝。它会自旋不断尝试获取锁。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。17. Redisson实现的分布式锁是可重入的吗是可以重入的。这样做是为了避免死锁的产生。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。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。18. Redisson实现的分布式锁能解决主从一致性的问题吗这个是不能的。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。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。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。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。19. 如果业务非要保证数据的强一致性这个该怎么解决呢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。20. Redis集群有哪些方案知道吗在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。21. 那你来介绍一下主从同步。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。22. 能说一下主从同步数据的流程吗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。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第一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。第二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。第三在同时主节点会执行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。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。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还是判断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。23. 怎么保证Redis的高并发高可用首先可以搭建主从集群再加上使用Redis中的哨兵模式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。24. 你们使用Redis是单点还是集群哪种集群候选人嗯我们当时使用的是主从1主1从加哨兵。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。尽量不做分片集群。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。25. Redis集群脑裂该怎么解决呢可以用redis的哨兵模式集群。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。关于解决的话我记得在Redis的配置中可以设置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。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。26. Redis的分片集群有什么作用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。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。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。27. Redis分片集群中数据是怎么存储和读取的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。28. Redis是单线程的但是为什么还那么快这个有几个原因吧~~~完全基于内存的C语言编写。采用单线程避免不必要的上下文切换和竞争条件。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。29. 能解释一下I/O多路复用模型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。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。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