使用场景

1. Redis持久化策略有哪些（数据丢失问题）？

1. RDB(redis database backup file) （备份）快照文件

把内存中的所有数据都记录在磁盘中。
缺点：执行间隔长，两次RDB间写入数据容易丢失。

2. AOF(append only file) 追加文件

redis中每一个读命令记录在其中，可以看作为命令日志文件。
缺点：文件体积大，容易产生冗余命令或者无效命令。

恢复速率比较：
RDB因为是二进制文件，在保存的时候体积也是比较小的，它恢复的比较快，但是它有可能会丢数据，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，但是它丢数据的风险要小很多，在AOF文件中可以设置刷盘策略，如：设置的每秒批量写入一次命令

2. 什么是缓存击穿，如何解决？

缓存击穿：发生在一个key设置了过期时间，恰好过期后，被高并发访问，这时还没来得及缓存重建，瞬间导致DB挂掉。
如何解决呢？

方法一：互斥锁（比如setnx）

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。
优点：一致性强。缺点：性能低，可能导致死锁（释放锁前redis挂了）。

方法二：设置key为逻辑过期

①：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
②：当查询的时候，从redis取出数据后判断时间是否过期
③：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，
这个数据不是最新。
优点：高可用。缺点：低一致性。

3. 什么是布隆过滤器？

见第四点方法二

4. 什么是缓存穿透，如何解决？

缓存穿透：当查询一个不存在的数据时，如果从存储层查不到这个数据，就不会将其缓存到redis，这就导致每次访问该数据时，都会请求到DB，次数增加就可能导致DB挂掉。这大概率是遭遇了恶意攻击。
如何解决呢？

方法一：缓存空数据（返回空值）

访问第一次时打入DB，这个时候将空值缓存到redis，当再次访问时直接返回空值即可。
优点：简单。缺点：数据一致性差（如果后面加入新数据恰好key与空值key相同）。

方法二：使用布隆过滤器

布隆过滤器主要是用于检索一个元素是否在一个集合中。
首先要预热布隆过滤器，当过滤器中没命中则直接返回结果。
(redisson)实现的布隆过滤器为例：它的底层主要是先去初始化一个比较大数组，里面存放的二进制0或1。在开始都是0，当一个key来了之后经过3次hash计算，模于数组长度找到数据的下标然后把数组中原来的0改为1，这样的话，三个数组的位置就能标明个key的存在。查找的过程也是一样的。
当然是有缺点的，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，其实已经算是很划分了，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。

5. 什么是缓存雪崩，如何解决？

缓存雪崩：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或者redis服务器宕机，请求全部转发到DB，DB 瞬时压力过重雪崩。与缓存击穿的区别：雪崩是很多key，击穿是某一个key缓存。
如何解决呢？

方法一：给key的TTL设置随机值 （多个key同时失效）

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。

方法二：利用redis集群提高服务可用性

（哨兵模式，集群模式）

方法三：添加降级限流策略

Nginx或者spring cloud gateway

方法四：添加多级缓存

Caffeine或者Guava

6. redis双写问题

双写问题：数据库修改数据后同时也要缓存更新，并且保持数据一致。
如何解决呢？
（一致性逐渐增强）

方法一：redis自带的内存淘汰机制（无需处理）

方法二：超时剔除（可以作为兜底）

给数据添加TTL时间，到期后自动删除缓存，下次查询时更新缓存。

方法三：主动更新

使用先删除缓存，后改数据库；或者先修改数据库再删除缓存（异常相对低）；
延迟双删：删除缓存->更新数据库->删除缓存（更好的避免读脏数据，但无法完全避免）

方法四：采用的阿里的canal组件实现数据同步

不需要更改业务代码，部署一个canal服务。canal服务把自己伪装成mysql的一个从节点，当mysql数据更新以后，canal会读取binlog数据，然后在通过canal的客户端获取到数据，更新缓存即可。

方法五：读写锁

采用的是redisson实现的读写锁，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。

7. redis分布式锁如何实现？

redis是通过setnx命令来实现的，由于redis是单线程，用了该命令后只能有一个客户端可以对某个key进行操作，在key未被删除或者过期时，其他客户端无法设置该key。我们当时使用的是setnx加上lua脚本保证原子性。

8. redis实现分布式锁如何控制锁的有效时长？

首先，我们可以通过set key value nx ex time 命令来手动设置锁的有效期，但是时间不好人为预计，这个时候我们使用redisson框架，它兼容了手动设置有效时间，同时提供了一种看门狗（watch-dog）机制，未设置有效期时(默认为30s)，看门狗每隔10s就给锁续期一次（重新为30s）。

拓展1： redisson这个锁可以重入吗？

当然是可以的，多个锁重入需要判断是否为同一线程，redis是利用hash结构，key为业务信息，entry来存储线程的信息（如：id）和重入次数。

拓展2： redisson这个锁可以解决主从数据一致问题吗？

不能，但是可以使用redisson提供的红锁来解决，红锁要求（n/2+1）个节点加锁，但是这样，性能太低了，如果非要保证一致性，建议使用zookeeper实现的分布式锁。

9. redis数据过期策略有哪些？

1. 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，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key。

2. 定期删除

定期删除就是说每隔一段时间，我们就对一些key进行检查，删除里面过期的key。
定期清理的两种模式：

1. SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms，以通过修改配
   置文件redis.conf 的 hz 选项来调整这个次数
2. 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1m(尽量减少cpu占用)。

Redis的过期删除策略：惰性删除 + 定期删除两种策略进行配合使用。

10. redis数据淘汰策略有哪些？

六种淘汰策略

1. noeviction(默认策略)：对于写请求不再提供服务，直接返回错误（DEL请求和部分特殊请求除外）
2. allkeys-lru：从所有key中使用LRU算法进行淘汰（LRU算法：即最近最少使用算法）
3. volatile-lru：从设置了过期时间的key中使用LRU算法进行淘汰
4. allkeys-lfu：从所有key中使用LFU淘汰数据(LFU算法：最近使用频率最小)
5. volatile-lfu：从设置了过期时间的key中使用LFU算法进行淘汰
6. allkeys-random：从所有key中随机淘汰数据
7. volatile-random：从设置了过期时间的key中随机淘汰
8. volatile-ttl：在设置了过期时间的key中，淘汰过期时间剩余最短的

当使用volatile-lru、volatile-lfu、volatile-random、volatile-ttl这四种策略时，如果没有key可以被淘汰，则和noeviction一样返回错误

其他面试题

1. redis集群有哪些方案？

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。

2. 什么是主从同步？

定义：

由于redis单个结点并发能力有上限，为了满足高并发我们需要搭建主从集群，实现读写分离。一般是一主多从，主节点负责写，从节点负责读，主节点写数据后需要同步到从节点。

同步过程（原理）

1. 全量同步

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。

2. 增量同步

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。

3. 你们使用redis是单点还是集群？哪种集群？

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。

4. redis分片集群中数据如何存储和读取的？

1. 分片集群的作用

分片集群主要解决的是，海量数据存储和高并发写的问题，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。

2. 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。

5. redis集群脑裂

造成原因：

由于网络原因，导致主节点与其从节点以及哨兵节点不在一个网络，sentinel感知不到主节点，导致从节点在另一个网络中产生主节点，因此出现两个主节点的情况（脑裂）但这个时候客户端还是对旧主节点进行写操作。当网络正常后，sentinel将旧的主节点降为从节点，然后进行同步数据的时候，异常网络期间对旧主节点的操作被清除了。

解决方法：

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salve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（所以旧主节点在网络异常期间直接拒绝服务）。

6. 怎么保证redis高并发高可用

高并发就是数据量大（集群分工合作），高可用就是不易整体挂掉（哨兵模式）。
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

7. 你们使用过redis事务吗?命令有哪些?

Redis 事务的本质是一组命令的集合。事务支持一次执行多个命令，一个事务中所有命令都会被序列化。在事务执行过程，会按照顺序串行化执行队列中的命令，其他客户端提交的命令请求不会插入到事务执行命令序列中。

8. redis是单线程为啥这么快？

1、完全基于内存的，C语言编写。
2、采用单线程，避免不必要的上下文切换可竞争条件。
3、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。

IO多路复用

I/O多路复用是指利用单个线程来同时监听多个Socket ，并在某个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，相比select和poll，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。