1 什么是 Redis?简述它的优缺陷?

Redis 的全称是:Remote Dictionary.Server,实质上是一个 Key-Value 类型的内存数据库,很像memcached,全体数据库统统加载在内存当中进行操作,定期通过异步操作把数据库数据 flush 到硬盘上进行保存。

由于是纯内存操作,Redis 的性能非常出色,每秒可以处理超过 10 万次读写操作,是已知性能最快的Key-Value DB。

phpredisbitset读完这46道Redis面试题之后你就会认为本身的Redis白学了 GraphQL

Redis 的出色之处不仅仅是性能,Redis 最大的魅力是支持保存多种数据构造,此外单个 value 的最大限定是 1GB,不像 memcached 只能保存 1MB 的数据,因此 Redis 可以用来实现很多有用的功能。

比方说用他的 List 来做 FIFO 双向链表,实现一个轻量级的高性 能行列步队做事,用他的 Set 可以做高性能的 tag 系统等等。

其余 Redis 也可以对存入的 Key-Value 设置 expire 韶光,因此也可以被当作一 个功能加强版的memcached 来用。
Redis 的紧张缺陷是数据库容量受到物理内存的限定,不能用作海量数据的高性能读写,因此 Redis 适宜的场景紧张局限在较小数据量的高性能操作和运算上。

2 Redis 与 memcached 比较有哪些上风?

1.memcached 所有的值均是大略的字符串,redis 作为其替代者,支持更为丰富的数据类型

2.redis 的速率比 memcached 快很多 redis 的速率比 memcached 快很多

3.redis 可以持久化其数据 redis 可以持久化其数据

3 Redis 支持哪几种数据类型?

String、List、Set、Sorted Set、hashes

4 Redis 紧张花费什么物理资源?

内存。

5 Redis 有哪几种数据淘汰策略?

1.noeviction:返回缺点当内存限定达到,并且客户端考试测验实行会让更多内存被利用的命令。

2.allkeys-lru: 考试测验回收最少利用的键(LRU),使得新添加的数据有空间存放。

3.volatile-lru: 考试测验回收最少利用的键(LRU),但仅限于在过期凑集的键,使得新添加的数据有空间存放。

4.allkeys-random: 回收随机的键使得新添加的数据有空间存放。

5.volatile-random: 回收随机的键使得新添加的数据有空间存放,但仅限于在过期凑集的键。

6.volatile-ttl: 回收在过期凑集的键,并且优先回收存活韶光(TTL)较短的键,使得新添加的数据有空间存放。

6 Redis 官方为什么不供应 Windows 版本?

由于目前 Linux 版本已经相称稳定,而且用户量很大,无需开拓 windows 版本,反而会带来兼容性等问题。

7 一个字符串类型的值能存储最大容量是多少?

512M

8 为什么 Redis 须要把所有数据放到内存中?

Redis 为了达到最快的读写速率将数据都读到内存中,并通过异步的办法将数据写入磁盘。

以是 redis 具有快速和数据持久化的特色,如果不将数据放在内存中,磁盘 I/O 速率为严重影响 redis 的性能。

在内存越来越便宜的本日,redis 将会越来越受欢迎, 如果设置了最大利用的内存,则数据已有记录数达到内存限值后不能连续插入新值。

9 Redis 集群方案该当怎么做?都有哪些方案?

1.codis

2.目前用的最多的集群方案,基本和 twemproxy 同等的效果,但它支持在节点数量改变情形下,旧节点数据可规复到新 hash 节点。

redis cluster3.0 自带的集群,特点在于他的分布式算法不是同等性 hash,而是 hash 槽的观点,以及自身支持节点设置从节点。
详细看官方文档先容。

3.在业务代码层实现,起几个毫无关联的 redis 实例,在代码层,对 key 进行 hash 打算,然后去对应的redis 实例操作数据。
这种办法对 hash 层代码哀求比较高,考虑部分包括,节点失落效后的替代算法方案,数据震荡后的自动脚本规复,实例的监控,等等。

Java 架构学习资料(里面有高可用、高并发、高性能及分布式、Jvm 性能调优、Spring 源码,MyBatis,Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx 等多个知识点的架构资料)合理利用自己每一分每一秒的韶光来学习提升自己,不要再用"没有韶光“来掩饰笼罩自己思想上的

10 Redis 集群方案什么情形下会导致全体集群不可用?

有 A,B,C 三个节点的集群,在没有复制模型的情形下,如果节点 B 失落败了,那么全体集群就会以为短缺5501-11000 这个范围的槽而不可用。

11 MySQL 里有 2000w 数据,redis 中只存 20w 的数据,如何担保 redis 中的数据都是热点数据?

redis 内存数据集大小上升到一定大小的时候,就会施行数据淘汰策略。

实在口试除了稽核 Redis,不少公司都很重视高并发高可用的技能,特殊是一线互联网公司,分布式、

JVM、spring 源码剖析、微做事等知识点已是口试的必考题。
文末分享给大家一线互联网公司最新的技能知识(彩蛋)

12 Redis 有哪些适宜的场景?

(1)会话缓存(Session Cache)

最常用的一种利用 Redis 的情景是会话缓存(sessioncache),用 Redis 缓存会话比其他存储(如Memcached)的上风在于:Redis 供应持久化。
当掩护一个不是严格哀求同等性的缓存时,如果用户的购物车信息全部丢失,大部分人都会不高兴的,现在,他们还会这样吗?

幸运的是,随着 Redis 这些年的改进,很随意马虎找到怎么恰当的利用 Redis 来缓存会话的文档。
乃至广为人知的商业平台 Magento 也供应 Redis 的插件。

(2)全页缓存(FPC)

除基本的会话 token 之外,Redis 还供应很简便的 FPC 平台。
回到同等性问题,纵然重启了 Redis 实例,由于有磁盘的持久化,用户也不会看到页面加载速率的低落,这是一个极大改进,类似 PHP 本地FPC。

再次以 Magento 为例,Magento 供应一个插件来利用 Redis 作为全页缓存后端。

此外,对 WordPress 的用户来说,Pantheon 有一个非常好的插件 wp-redis,这个插件能帮助你以最快速率加载你曾浏览过的页面。

(3)行列步队

Reids 在内存存储引擎领域的一大优点是供应 list 和 set 操作,这使得 Redis 能作为一个很好的行列步队平台来利用。
Redis 作为行列步队利用的操作,就类似于本地程序措辞(如 Python)对 list 的 push/pop操作。

如果你快速的在 Google 中搜索“Redis queues”,你立时就能找到大量的开源项目,这些项目的目的便是利用 Redis 创建非常好的后端工具,以知足各种行列步队需求。
例如,Celery 有一个后台便是利用Redis 作为 broker,你可以从这里去查看。

(4)排行榜/计数器

Redis 在内存中对数字进行递增或递减的操作实现的非常好。
凑集(Set)和有序凑集(SortedSet)也使得我们在实行这些操作的时候变的非常大略,Redis 只是恰好供应了这两种数据构造。

以是,我们要从排序凑集中获取到排名最靠前的 10 个用户–我们称之为“user_scores”,我们只须要像下面一样实行即可:

当然,这是假定你是根据你用户的分数做递增的排序。
如果你想返回用户及用户的分数,你须要这样实行:

ZRANGE user_scores 0 10 WITHSCORESAgora Games 便是一个很好的例子,用 Ruby 实现的,它的排行榜便是利用 Redis 来存储数据的,你可以在这里看到。

(5)发布/订阅

末了(但肯定不是最不主要的)是 Redis 的发布/订阅功能。
发布/订阅的利用场景确实非常多。
我已瞥见人们在社交网络连接中利用,还可作为基于发布/订阅的脚本触发器,乃至用 Redis 的发布/订阅功能来建立谈天系统!

13 Redis 支持的 Java 客户端都有哪些?官方推举用哪个?

Redisson、Jedis、lettuce 等等,官方推举利用 Redisson。

14 Redis 和 Redisson 有什么关系?

Redisson 是一个高等的分布式折衷 Redis 客服端,能帮助用户在分布式环境中轻松实现一些 Java 的工具 (Bloom filter, BitSet, Set, SetMultimap, ScoredSortedSet, SortedSet, Map, ConcurrentMap,List, ListMultimap, Queue, BlockingQueue, Deque, BlockingDeque, Semaphore, Lock,ReadWriteLock, AtomicLong, CountDownLatch, Publish / Subscribe, HyperLogLog)。

15 Jedis 与 Redisson 比拟有什么优缺陷?

Jedis 是 Redis 的 Java 实现的客户端,其 API 供应了比较全面的 Redis 命令的支持;

Redisson 实现了分布式和可扩展的 Java 数据构造,和 Jedis 比较,功能较为大略,不支持字符串操作,不支持排序、事务、管道、分区等 Redis 特性。
Redisson 的宗旨是促进利用者对 Redis 的关注分离,从而让利用者能够将精力更集中地放在处理业务逻辑上。

16 说说 Redis 哈希槽的观点?

Redis 集群没有利用同等性 hash,而是引入了哈希槽的观点,Redis 集群有 16384 个哈希槽,每个 key 通过 CRC16 校验后对 16384 取模来决定放置哪个槽,集群的每个节点卖力一部分 hash 槽。

17 Redis 集群的主从复制模型是若何的?

为了使在部分节点失落败或者大部分节点无法通信的情形下集群仍旧可用,以是集群利用了主从复制模型,每个节点都会有 N-1 个复制品.

18 Redis 集群会有写操作丢失吗?为什么?

Redis 并不能担保数据的强同等性,这意味这在实际中集群在特定的条件下可能会丢失写操作。

19 Redis 集群之间是如何复制的?

异步复制

20 Redis 集群最大节点个数是多少?

16384 个

21 Redis 集群如何选择数据库?

Redis 集群目前无法做数据库选择,默认在 0 数据库。

22 Redis 中的管道有什么用?

一次要求/相应做事器能实现处理新的要求纵然旧的要求还未被相应,这样就可以将多个命令发送到做事器,而不用等待回答,末了在一个步骤中读取该答复。

这便是管道(pipelining),是一种几十年来广泛利用的技能。
例如许多 POP3 协议已经实现支持这个功能,大大加快了从做事器下载新邮件的过程。

23 怎么理解 Redis 事务?

事务是一个单独的隔离操作:事务中的所有命令都会序列化、按顺序地实行,事务在实行的过程中,不会被其他客户端发送来的命令要求所打断。
事务是一个原子操作:事务中的命令要么全部被实行,要么全部都不实行。

24 Redis 事务干系的命令有哪几个?

MULTI、EXEC、DISCARD、WATCH

25 Redis key 的过期韶光和永久有效分别怎么设置?

EXPIRE 和 PERSIST 命令

26 Redis 如何做内存优化?

尽可能利用散列表(hashes),散列表(是说散列表里面存储的数少)利用的内存非常小,以是你该当尽可能的将你的数据模型抽象到一个散列表里面。

比如你的 web 系统中有一个用户工具,不要为这个用户的名称,姓氏,邮箱,密码设置单独的 key,而是该当把这个用户的所有信息存储到一张散列表里面。

27 Redis 回收进程如何事情的?

一个客户端运行了新的命令,添加了新的数据。
Redi 检讨内存利用情形,如果大于 maxmemory 的限定, 则根据设定好的策略进行回收。
一个新的命令被实行,等等。

以是我们不断地穿越内存限定的边界,通过不断达到边界然后不断地回收回到边界以下。

如果一个命令的结果导致大量内存被利用(例如很大的凑集的交集保存到一个新的键),不用多久内存限定就会被这个内存利用量超越。

28 加锁机制

咱们来看上面那张图,现在某个客户端要加锁。
如果该客户端面对的是一个 redis cluster 集群,他首先会根据 hash 节点选择一台机器。
这里把稳,仅仅只是选择一台机器!
这点很关键!
紧接着,就会发送一段 lua 脚本到 redis 上,那段 lua 脚本如下所示:

为啥要用 lua 脚本呢?由于一大坨繁芜的业务逻辑,可以通过封装在 lua 脚本中发送给 redis,担保这段繁芜业务逻辑实行的原子性。

那么,这段 lua 脚本是什么意思呢?这里 KEYS[1]代表的是你加锁的那个 key,比如说:RLock lock = redisson.getLock("myLock");这里你自己设置了加锁的那个锁 key 便是“myLock”。

ARGV[1]代表的便是锁 key 的默认生存韶光,默认 30 秒。
ARGV[2]代表的是加锁的客户真个 ID,类似于下面这样:8743c9c0-0795-4907-87fd-6c719a6b4586:1给大家阐明一下,第一段 if 判断语句,便是用“exists myLock”命令判断一下,如果你要加锁的那个锁 key 不存在的话,你就进行加锁。
如何加锁呢?很大略,用下面的命令:hset myLock8743c9c0-0795-4907-87fd-6c719a6b4586:1 1,通过这个命令设置一个 hash 数据构造,这行命令实行后,会涌现一个类似下面的数据构造:

上述就代表“8743c9c0-0795-4907-87fd-6c719a6b4586:1”这个客户端对“myLock”这个锁 key 完成了加锁。
接着会实行“pexpire myLock 30000”命令,设置 myLock 这个锁 key 的生存韶光是 30 秒。
好了,到此为止,ok,加锁完成了。

29 锁互斥机制

那么在这个时候,如果客户端 2 来考试测验加锁,实行了同样的一段 lua 脚本,会咋样呢?很大略,第一个 if 判断会实行“exists myLock”,创造 myLock 这个锁 key 已经存在了。
接着第二个 if 判断,判断一下,myLock 锁 key 的 hash 数据构造中,是否包含客户端 2 的 ID,但是明显不是的,由于那里包含的是客户端 1 的 ID。

以是,客户端 2 会获取到 pttl myLock 返回的一个数字,这个数字代表了 myLock 这个锁 key的剩余生存韶光。
比如还剩 15000 毫秒的生存韶光。
此时客户端 2 会进入一个 while 循环,一直的考试测验加锁。

30 watch dog 自动延期机制

客户端 1 加锁的锁 key 默认生存韶光才 30 秒,如果超过了 30 秒,客户端 1 还想一贯持有这把锁,怎么办呢?

大略!
只要客户端 1 一旦加锁成功,就会启动一个 watch dog 看门狗,他是一个后台线程,会每隔 10 秒检讨一下,如果客户端 1 还持有锁 key,那么就会不断的延长锁 key 的生存韶光。

31 可重入加锁机制

那如果客户端 1 都已经持有了这把锁了,结果可重入的加锁会怎么样呢?比如下面这种代码:

这时我们来剖析一下上面那段 lua 脚本。
第一个 if 判断肯定不成立,“exists myLock”会显示锁key 已经存在了。
第二个 if 判断会成立,由于 myLock 的 hash 数据构造中包含的那个 ID,便是客户端 1 的那个 ID,也便是“8743c9c0-0795-4907-87fd-6c719a6b4586:1”

此时就会实行可重入加锁的逻辑,他会用:

incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1 ,通过这个命令,对客户端 1的加锁次数,累加 1。
此时 myLock 数据构造变为下面这样:

大家看到了吧,那个 myLock 的 hash 数据构造中的那个客户端 ID,就对应着加锁的次数

32 开释锁机制

如果实行 lock.unlock(),就可以开释分布式锁,此时的业务逻辑也是非常大略的。
实在说白了,便是每次都对 myLock 数据构造中的那个加锁次数减 1。
如果创造加锁次数是 0 了,解释这个客户端已经不再持有锁了,此时就会用:“del myLock”命令,从 redis 里删除这个 key。

然后呢,其余的客户端 2 就可以考试测验完成加锁了。
这便是所谓的分布式锁的开源 Redisson 框架的实现机制。

一样平常我们在生产系统中,可以用 Redisson 框架供应的这个类库来基于 redis 进行分布式锁的加锁与开释锁。

33 上述 Redis 分布式锁的缺陷

实在上面那种方案最大的问题,便是如果你对某个 redis master 实例,写入了 myLock 这种锁key 的 value,此时会异步复制给对应的 master slave 实例。
但是这个过程中一旦发生 redis master 宕机,主备切换,redis slave 变为了 redis master。

接着就会导致,客户端 2 来考试测验加锁的时候,在新的 redis master 上完成了加锁,而客户端 1也以为自己成功加了锁。
此时就会导致多个客户端对一个分布式锁完成了加锁。
这时系统在业务语义上一定会涌现问题,导致各种脏数据的产生。

以是这个便是 redis cluster,或者是 redis master-slave 架构的主从异步复制导致的 redis 分布式锁的最大毛病:在 redis master 实例宕机的时候,可能导致多个客户端同时完成加锁。

34 利用过 Redis 分布式锁么,它是怎么实现的?

先拿 setnx 来争抢锁,抢到之后,再用 expire 给锁加一个过期韶光防止锁忘却了开释。

如果在 setnx 之后实行 expire 之提高程意外 crash 或者要重启掩护了,那会怎么样?

set 指令有非常繁芜的参数,这个该当是可以同时把 setnx 和 expire 合成一条指令来用的!

35 利用过 Redis 做异步队列么,你是怎么用的?有什么缺陷?

一样平常利用 list 构做作为行列步队,rpush 生产,lpop 消费。
当 lpop 没有的时候,要适当 sleep一会再重试。

缺陷:

在消费者下线的情形下,生产的会丢失,得利用专业的行列步队如 rabbitmq 等。

能不能生产一次消费多次呢?

利用 pub/sub 主题订阅者模式,可以实现 1:N 的行列步队。

36 什么是缓存穿透?如何避免?什么是缓存雪崩?何如避免?

缓存穿透

一样平常的缓存系统,都是按照 key 去缓存查询,如果不存在对应的 value,就该当去后端系统查找(比如DB)。
一些恶意的要求会故意查询不存在的 key,要求量很大,就会对后端系统造成很大的压力。
这就叫做缓存穿透。

如何避免?

1:对查询结果为空的情形也进行缓存,缓存韶光设置短一点,或者该 key 对应的数据 insert 了之后清理缓存。

2:对一定不存在的 key 进行过滤。
可以把所有的可能存在的 key 放到一个大的 Bitmap 中,查询时通过该 bitmap 过滤。

缓存雪崩

当缓存做事看重启或者大量缓存集中在某一个韶光段失落效,这样在失落效的时候,会给后端系统带来很大压力。
导致系统崩溃。

如何避免?

1:在缓存失落效后,通过加锁或者行列步队来掌握读数据库写缓存的线程数量。
比如对某个 key 只许可一个线程查询数据和写缓存,其他线程等待。

2:做二级缓存,A1 为原始缓存,A2 为拷贝缓存,A1 失落效时,可以访问 A2,A1 缓存失落效韶光设置为短期,A2 设置为长期

3:不同的 key,设置不同的过期韶光,让缓存失落效的韶光点只管即便均匀

37 redis 和 memcached 什么差异?为什么高并发下有时单线程的 redis 比多线程的memcached 效率要高?

差异:

1.mc 可缓存图片和视频。
rd 支持除 k/v 更多的数据构造;

2.rd 可以利用虚拟内存,rd 可持久化和 aof 灾害规复,rd 通过主从支持数据备份;

3.rd 可以做行列步队。

缘故原由:

mc 多线程模型引入了缓存同等性和锁,加锁带来了性能损耗。

redis 主从复制如何实现的?redis 的集群模式如何实现?redis 的 key 是如何寻址的?

主从复制实现:主节点将自己内存中的数据做一份快照,将快照发给从节点,从节点将数据规复到内存中。
之后再每次增加新数据的时候,主节点以类似于 mysql 的二进制日志办法将语句发送给从节点,从节点拿到主节点发送过来的语句进行重放。

分片办法:

-客户端分片

-基于代理的分片

● Twemproxy

● codis-路由查询分片

● Redis-cluster(本身供应了自动将数据分散到 Redis Cluster 不同节点的能力,全体数据凑集的某个数据子集存储在哪个节点对付用户来说是透明的)

redis-cluster 分片事理:Cluster 中有一个 16384 长度的槽(虚拟槽),编号分别为 0-16383。

每个 Master 节点都会卖力一部分的槽,当有某个 key 被映射到某个 Master 卖力的槽,那么这个 Master 卖力为这个 key 供应做事,至于哪个 Master 节点卖力哪个槽,可以由用户指定,也可以在初始化的时候自动天生,只有 Master 才拥有槽的所有权。
Master 节点掩护着一个 16384/8 字节的位序列,Master 节点用 bit 来标识对付某个槽自己是否拥有。
比如对付编号为 1 的槽,Master 只要判断序列的第二位(索引从 0 开始)是不是为 1 即可。

这种构造很随意马虎添加或者删除节点。
比如如果我想新添加个节点 D, 我须要从节点 A、B、C 中得部分槽到 D 上。

38 利用 redis 如何设计分布式锁?说一下实现思路?利用 zk 可以吗?如何实现?这两种有什么差异?

redis:

1.线程 A setnx(上锁的工具,超时时的韶光戳 t1),如果返回 true,得到锁。

2.线程 B 用 get 获取 t1,与当前韶光戳比较,判断是是否超时,没超时 false,若超时实行第 3 步;

3.打算新的超时时间 t2,利用 getset 命令返回 t3(该值可能其他线程已经修正过),如果t1==t3,得到锁,如果 t1!=t3 解释锁被其他线程获取了。

4.获取锁后,处理完业务逻辑,再去判断锁是否超时,如果没超时删除锁,如果已超时,不用处理(防止删除其他线程的锁)。

zk:

1.客户端对某个方法加锁时,在 zk 上的与该方法对应的指定节点的目录下,天生一个唯一的瞬时有序节点 node1;

2.客户端获取该路径下所有已经创建的子节点,如果创造自己创建的 node1 的序号是最小的,就认为这个客户端得到了锁。

3.如果创造 node1 不是最小的,则监听比自己创建节点序号小的最大的节点,进入等待。

4.获取锁后,处理完逻辑,删除自己创建的 node1 即可。

差异:zk 性能差一些,开销大,实现大略。

39 知道 redis 的持久化吗?底层如何实现的?有什么优点缺陷?

RDB(Redis DataBase:在不同的韶光点将 redis 的数据天生的快照同步到磁盘等介质上):内存到硬盘的快照,定期更新。
缺陷:耗时,耗性能(fork+io 操作),易丢失数据。

AOF(Append Only File:将 redis 所实行过的所有指令都记录下来,不才次 redis 重启时,只须要实行指令就可以了):

写日志。
缺陷:体历年夜,规复速率慢。
bgsave 做镜像全量持久化,aof 做增量持久化。
由于 bgsave 会花费比较长的韶光,不足实时,在停机的时候会导致大量的数据丢失,须要 aof 来合营,在 redis 实例重启时,优先利用 aof 来规复内存的状态,如果没有 aof 日志,就会利用 rdb 文件来规复。
Redis 会定期做aof 重写,压缩 aof 文件日志大小。
Redis4.0 之后有了稠浊持久化的功能,将 bgsave 的全量和 aof 的增量做了领悟处理,这样既担保了规复的效率又兼顾了数据的安全性。
bgsave 的事理,fork 和 cow, fork 是指 redis 通过创建子进程来进行 bgsave 操作,cow 指的是 copy onwrite,子进程创建后,父子进程共享数据段,父进程连续供应读写做事,写脏的页面数据会逐渐和子进程分离开来。

redis 过期策略都有哪些?LRU 算法知道吗?写一下 java 代码实现?

过期策略:

定时过期(一 key 一定时器),惰性过期:只有利用 key 时才判断 key 是否已过期,过期则打消。
定期过期:前两者折中。

LRU:new LinkedHashMap<K, V>(capacity, DEFAULT_LOAD_FACTORY, true);

//第三个参数置为 true,代表 linkedlist 按访问顺序排序,可作为 LRU 缓存;设为 false 代表按插入顺序排序,可作为 FIFO 缓存

LRU 算法实现:

1.通过双向链表来实现,新数据插入到链表头部;

2.每当缓存命中(即缓存数据被访问),则将数据移到链表头部;

3.当链表满的时候,将链表尾部的数据丢弃。

LinkedHashMap:HashMap 和双向链表合二为一即是 LinkedHashMap。
HashMap 是无序的,LinkedHashMap 通过掩护一个额外的双向链表担保了迭代顺序。
该迭代顺序可以是插入顺序(默认),也可以是访问顺序。

40 缓存穿透、缓存击穿、缓存雪崩办理方案?

缓存穿透:

指查询一个一定不存在的数据,如果从存储层查不到数据则不写入缓存,这将导致这个不存在的数据每次要求都要到 DB 去查询,可能导致 DB 挂掉。

办理方案:

1.查询返回的数据为空,仍把这个空结果进行缓存,但过期韶光会比较短;

2.布隆过滤器:将所有可能存在的数据哈希到一个足够大的 bitmap 中,一个一定不存在的数据会被这个 bitmap 拦截掉,从而避免了对 DB 的查询。

缓存击穿:

对付设置了过期韶光的 key,缓存在某个韶光点过期的时候,恰好这韶光点对这个 Key 有大量的并发要求过来,这些要求创造缓存过期一样平常都会从后端 DB 加载数据并回设到缓存,这个时候大并发的要求可能会瞬间把 DB 压垮。

办理方案:

1.利用互斥锁:当缓存失落效时,不立即去 load db,先利用如 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。

2.永久不过期:物理不过期,但逻辑过期(后台异步线程去刷新)。

缓存雪崩:设置缓存时采取了相同的过期韶光,导致缓存在某一时候同时失落效,要求全部转发到 DB,DB 瞬时压力过重雪崩。
与缓存击穿的差异:雪崩是很多 key,击穿是某一个key 缓存。

办理方案:将缓存失落效韶光分散开,比如可以在原有的失落效韶光根本上增加一个随机值,比如 1-5 分钟随机,这样每一个缓存的过期韶光的重复率就会降落,就很难引发集体失落效的事宜。

41 在选择缓存时,什么时候选择 redis,什么时候选择 memcached?

选择 redis 的情形:

1、繁芜数据构造,value 的数据是哈希,列表,凑集,有序凑集等这种情形下,会选择redis, 由于 memcache 无法知足这些数据构造,最范例的的利用场景是,用户订单列表,用户,帖子评论等。

2、须要进行数据的持久化功能,但是把稳,不要把 redis 当成数据库利用,如果 redis挂了,内存能够快速规复热数据,不会将压力瞬间压在数据库上,没有 cache 预热的过程。
对付只读和数据同等性哀求不高的场景可以采取持久化存储

3、高可用,redis 支持集群,可以实现主动复制,读写分离,而对付 memcache 如果想要实现高可用,须要进行二次开拓。

4、存储的内容比较大,memcache 存储的 value 最大为 1M。

选择 memcache 的场景:

1、纯 KV,数据量非常大的业务,利用 memcache 更得当,缘故原由是:

a)memcache 的内存分配采取的是预分配内存池的管理办法,能够省去内存分配的韶光,redis 是临时申请空间,可能导致碎片化。

b)虚拟内存利用,memcache 将所有的数据存储在物理内存里,redis 有自己的 vm 机制,理论上能够存储比物理内存更多的数据,当数据超量时,引发 swap,把冷数据刷新到磁盘上,从这点上,数据量大时,memcache 更快

c)网络模型,memcache 利用非壅塞的 IO 复用模型,redis 也是利用非壅塞的 IO 复用模型,但是 redis 还供应了一些非 KV 存储之外的排序,聚合功能,繁芜的 CPU 打算,会壅塞全体 IO 调度,从这点上由于 redis 供应的功能较多,memcache 更快些

d) 线程模型,memcache 利用多线程,主线程监听,worker 子线程接管要求,实行读写,这个过程可能存在锁冲突。
redis 利用的单线程,虽然无锁冲突,但是难以利用多核的特性提升吞吐量。

缓存与数据库不一致怎么办

假设采取的主存分离,读写分离的数据库,

如果一个线程 A 先删除缓存数据,然后将数据写入到主库当中,这个时候,主库和从库同步没有完成,线程 B 从缓存当中读取数据失落败,从从库当中读取到旧数据,然后更新至缓存,这个时候,缓存当中的便是旧的数据。

发生上述不一致的缘故原由在于,主从库数据不一致问题,加入了缓存之后,主从不一致的韶光被拉长了

处理思路:在从库有数据更新之后,将缓存当中的数据也同时进行更新,即当从库发生了数据更新之后,向缓存发出删除,淘汰这段韶光写入的旧数据。

主从数据库不一致如何办理场景描述,对付主从库,读写分离,如果主从库更新同步有时差,就会导致主从库数据的不一致

1、忽略这个数据不一致,在数据同等性哀求不高的业务下,未必需要时时同等性

2、逼迫读主库,利用一个高可用的主库,数据库读写都在主库,添加一个缓存,提升数据读取的性能。

3、选择性读主库,添加一个缓存,用来记录必须读主库的数据,将哪个库,哪个表,哪个主键,作为缓存的 key,设置缓存失落效的韶光为主从库同步的韶光,如果缓存当中有这个数据,直接读取主库,如果缓存当中没有这个主键,就到对应的从库中读取。

42 Redis 常见的性能问题和解决方案

1、master 最好不要做持久化事情,如 RDB 内存快照和 AOF 日志文件

2、如果数据比较主要,某个 slave 开启 AOF 备份,策略设置成每秒同步一次

3、为了主从复制的速率和连接的稳定性,master 和 Slave 最好在一个局域网内

4、只管即便避免在压力大得主库上增加从库

5、主从复制不要采取网状构造,只管即便是线性构造,Master<--Slave1<----Slave2 ....

43 Redis 的数据淘汰策略有哪些

voltile-lru 从已经设置过期韶光的数据集中挑选最近最少利用的数据淘汰

voltile-ttl 从已经设置过期韶光的数据库集当中挑选将要过期的数据

voltile-random 从已经设置过期韶光的数据集任意选择淘汰数据

allkeys-lru 从数据集中挑选最近最少利用的数据淘汰

allkeys-random 从数据集中任意选择淘汰的数据

no-eviction 禁止驱逐数据

44 Redis 当中有哪些数据构造

字符串 String、字典 Hash、列表 List、凑集 Set、有序凑集 SortedSet。
如果是高等用户,那么还会有,如果你是 Redis 中高等用户,还须要加高下面几种数据构造 HyperLogLog、Geo、Pub/Sub。

如果 Redis 里面有 1 亿个 key,个中有 10w 个 key 因此某个固定的已知的前缀开头的,如果将它们全部找出来?

利用 keys 指令可以扫出指定模式的 key 列表。

对方接着追问:如果这个 redis 正在给线上的业务供应做事,那利用 keys 指令会有什么问题?

这个时候你要回答 redis 关键的一个特性:redis 的单线程的。
keys 指令会导致线程壅塞一段韶光,线上做事会停顿,直到指令实行完毕,做事才能规复。
这个时候可以利用 scan 指令,scan 指令可以无壅塞的提取出指定模式的 key 列表,但是会有一定的重复概率,在客户端做一次去重就可以了,但是整体所花费的韶光会比直接用 keys 指令长。

45 利用 Redis 做过异步队列吗,是如何实现的

利用 list 类型保存数据信息,rpush 生产,lpop 消费,当 lpop 没有时,可以 sleep 一段韶光,然后再检讨有没有信息,如果不想 sleep 的话,可以利用 blpop, 在没有信息的时候,会一贯壅塞,直到信息的到来。
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陷,当消费者下线时,生产的会丢失。

46 Redis 如何实现延时行列步队

利用 sortedset,利用韶光戳做 score, 内容作为 key,调用 zadd 光降盆,消费者利用 zrangbyscore 获取 n 秒之前的数据做轮询处理。

感谢大家的合营和支持,小编还会持续不断的给大家分享,希望大家能够喜好~~~~