【Redis】经典面试题总结-史上最全面试题思维导图总结
2022-10-22 13:49:03 20 举报AI智能生成
登录查看完整内容
这份思维导图总结了Redis的经典面试题，涵盖了从基础知识到高级应用的各个方面。包括了Redis的数据结构、持久化机制、缓存策略、分布式锁、事务处理等核心内容。同时，还涉及到了Redis的性能优化、集群部署、主从复制等高级主题。这份思维导图不仅能够帮助面试者系统地复习和准备Redis的知识，也能够帮助他们在实际工作中更好地理解和应用Redis。总的来说，这是一份全面而深入的Redis面试题总结，对于任何想要深入学习Redis的人来说都是一份宝贵的学习资料。
作者其他创作
大纲/内容
过期时间设置随机，防止同一时间大量数据过期现象发生
加锁排队
缓存同一时间大面积的失效
缓存雪崩
接口层增加校验，id<=0的直接拦截
将key-value对写为key-null，缓存有效时间可以设置短点，如30秒。防止反复用同一个id暴力攻击
有一定的误识别率和删除困难
哈希表，多次hash
所有的Hash函数告诉我们该元素在集合中，才能确定在集合中
布隆过滤器判断在不在数据库
缓存和数据库中都没有的数据
缓存穿透
设置热点数据永远不过期
加互斥锁
热点数据缓存时间到期
缓存击穿
将相关的缓存数据直接加载到缓存系统
缓存预热
Redis出现问题，不去数据库查询，而是直接返回默认值给用户
根据一些关键数据进行自动降级，也可以配置开关实现人工降级
缓存降级
高并发下：A去查突然失效查脏数据，B更新数据库，B写入缓存，A写入缓存->数据不一致
一致性：缓存删除失败，数据不一致
先更新数据库，然后再删除缓存
高并发下：A删除，B读数据库脏数据，B写入，A更新数据库->数据不一致
先删除缓存，然后再更新数据库
有大量冷数据占用资源，用到缓存才去算缓存
不更新缓存
数据库双写时的数据一致性
缓存异常
集群监控：负责监控 redis master 和 slave
消息通知：如果某个 redis 实例有故障，通知给管理员。
判断一个 master node 是否宕机了，大部分的哨兵都同意，分布式选举
故障转移：如果 master node 挂掉了，会自动转移到 slave node 上。
配置中心：故障转移，通知 client 客户端新的 master 地址。
至少需要 3 个实例
哨兵 + redis 主从的部署架构，是不保证数据零丢失的，只能保证高可用性。
核心知识
哨兵模式
hash 算法（大量缓存重建）
一致性 hash 算法（自动缓存迁移）+ 虚拟节点（自动负载均衡解决数据倾斜问题）
redis cluster 的 hash slot哈希槽 算法 16384
分布式寻址算法
每份数据分片会存储在多个互为主从的多节点
多个节点间的数据不保持一致性
先写主节点，再同步到从节点(支持配置为阻塞同步)
主从架构
当客户端操作的key没有分配在该节点上时，redis会返回转向指令，指向正确的节点
扩容时时需要需要把旧节点的数据迁移一部分到新节点
支持动态扩容
具备Sentinel的监控和自动Failover(故障转移)能力
免去了proxy代理的损耗
连接集群中任何一个可用节点
优点
Cluster 方案(服务端路由查询)
采用哈希算法将Redis数据的key进行散列，通过hash函数，特定的key会映射到特定的Redis节点上
Redis实例彼此独立，相互无关联
不支持动态增删节点，每个客户端都需要更新调整
连接不能共享，当应用规模增大时，资源浪费制约优化
基于客户端分配
请求到一个代理组件，代理解析客户端的数据，并将请求转发至正确的节点
切换成本低
代理层多了一次转发，性能有所损耗
基于代理服务器分片
一主多从，主负责写，并且将数据复制到其它的 slave 节点，从节点负责读。所有的读请求全部走从节点。支撑读高并发。
redis replication -> 主从架构 -> 读写分离 -> 水平扩容支撑读高并发
发送一个 PSYNC
full resynchronization 全量复制，master 会启动一个后台线程，开始生成一份 RDB 快照文件
将这个 RDB 发送给 slave，slave 会先写入本地磁盘，然后再从本地磁盘加载到内存中
master 会将内存中缓存的写命令发送到 slave
异步方式复制
核心机制
在 master 宕机重启的时候数据是空的，然后可能一经过复制， slave node 的数据也丢了
lave node 可以自动接管 master node，但也可能 sentinel 还没检测到 master failure，master node 就自动重启了，还是可能导致上面所有的 slave node 数据被清空
从备份中挑选一份 rdb 去恢复 master，这样才能确保启动的时候，是有数据的
必须开启 master node 的持久化
被存储到不同的Redis实例
不能对两个集合求交集
涉及多个key的操作通常不会被支持
必须从不同的Redis实例和主机同时收集RDB / AOF文件
数据处理会非常复杂
Redis集群在运行时增加或者删除Redis节点，能做到最大程度对用户透明地数据再平衡，但其他一些客户端分区或者代理分区方法则不支持这种特性。
动态扩容或缩容可能非常复
分区缺点
当且仅当 key 不存在，将 key 的值设为 value。给定的 key 已经存在，则 SETNX 不做任何动作
SETNX SET if Not eXists
分布式锁
每个客户端对某个方法加锁时，在zookeeper上的与该方法对应的指定节点的目录下，生成一个唯一的瞬时有序节点。 判断是否获取锁的方式很简单，只需要判断有序节点中序号最小的一个。 当释放锁的时候，只需将这个瞬时节点删除即可。同时，其可以避免服务宕机导致的锁无法释放，而产生的死锁问题。完成业务流程后，删除对应的子节点释放锁。
互斥访问，即永远只有一个 client 能拿到锁
最终 client 都可能拿到锁，不会出现死锁的情况
只要大部分 Redis 节点存活就可以正常提供服务
Redlock
分布式锁（zookeeper 和 redis 都可以实现分布式锁）
解决 Redis 的并发竞争 Key
集群方案
读写性能优异
支持数据持久化
支持事务，所有操作都是原子性的，支持对几个操作合并后的原子性执行。
数据结构丰富
较小数据量的高性能操作和运算
需要等待机器重启或者手动切换前端的IP才能恢复
不具备自动容错和恢复功能
降低了系统的可用性
主机宕机，宕机前有部分数据未能及时同步到从机
较难支持在线扩容
缺点
生命周期随着 jvm 的销毁而结束
每个实例都需要各自保存一份缓存，缓存不具有一致性
本地缓存
不用 map/guava
查找和操作的时间复杂度都是O(1)
完全基于内存
数据结构简单
避免了不必要的上下文切换和竞争条件，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
单线程
多路 I/O 复用模型，非阻塞 IO
快的原因
(1) memcached所有的值均是简单的字符串，redis作为其替代者，支持更为丰富的数据类型
(2) redis的速度比memcached快很多
(3) redis可以持久化其数据
都支持分布式
memcached
优缺点
STRING
LIST
SET
HASH
多层链表+二分法
jumplist
ZSET
数据类型
计数器
缓存
统一存储多台应用服务器的会话信息
会话缓存
DNS 记录
查找表
List 是一个双向链表，可以通过 lpush 和 rpop 写入和读取消息
消息队列(发布/订阅功能)
随机value，比较相同才删除解锁
SETNX
应用场景
dump.rdb
fork 子进程来完成写操作，让主进程继续处理命令，所以是 IO 最大化
比 AOF 的启动效率更高
RDB（默认）快照
将Redis执行的每次写命令记录到单独的日志文件中
会优先选择AOF恢复
每进行一次 命令操作就记录到 aof 文件中一次
AOF
AOF 文件比 RDB 文件大，且恢复速度慢
rdb 启动效率低
AOF文件比RDB更新频率高，优先使用AOF还原数据
持久化
用于处理过期的缓存数据
占用大量的CPU资源
定时过期
当访问一个key
惰性过期 用
扫描一定数量的数据库的expires字典中一定数量的key
定期过期 用
过期时间和永久有效 EXPIRE和PERSIST
过期键的删除策略
allkeys-lru
用于处理内存不足时的需要申请额外空间的数据
内存淘汰策略
多个套接字、IO多路复用程序、文件事件分派器(单线程)、事件处理器
使用 I/O 多路复用（multiplexing）程序来同时监听多个套接字根据套接字目前执行的任务来为套接字关联不同的事件处理器
文件事件处理器
线程模型
要么全部被执行，要么全部都不执行
为 Redis 事务提供 check-and-set （CAS）行为。 可以监控一个或多个键，一旦其中有一个键被修改（或删除），之后的事务就不会执行，监控一直持续到EXEC命令。
WATCH
客户端可以清空事务队列，并放弃执行事务
DISCARD
命令不会立即被执行，而是被放到一个队列中
事务开始 MULTI
命令入队
执行所有事务块内的命令
事务执行 EXEC
三个阶段
在事务失败时不进行回滚，而是继续执行余下的命令
不支持回滚
单进程程序，并且它保证在执行事务时，不会对事务进行中断
隔离性
不保证原子性，且没有回滚
不支持原子性
事务
redis可以通过pub/sub主题订阅模式实现一个生产者，多个消费者，当然也存在一定的缺点，当消费者下线时，生产的消息会丢失。
异步队列
基础
Redis
0 条评论
回复 删除
下一页
