目录
六、MySQL 里有 2000w 数据，Redis 中只存 20w 的数据，如何保证 redis 中的数据都是热点数据？
一、为什么要用Redis？
1、内存数据库，快，很快.......
2、工作单线程worker，串行化、原子操作. （IO线程是多线程）- 避免上下文切换
3、IO模型（epoll）, 支撑高并发.
4、kv模型，v具有类型结构.
5、具有本地方法，计算向数据移动。(a,b) => 交集
6、二进制安全，Value最大512M
二、Redis是单线程还是多线程？
6.0版本之前是单线程
6.0版本之后：Io是单线程，worker是多线程
三、Redis数据持久化方案？
Redis是一个内存数据库，一旦断电或服务器进程退出，内存数据库中的数据将全部丢失，所以需要Redis持久化
Redis持久化就是把数据保存在磁盘上，利用永久性存储介质将数据保存，在特定的时间将保存的数据进行恢复的工作机制
Redis提供两种持久化机制：
-
RDB(Redis DataBase):存储数据结果，关注点在数据（快照）
-
AOF(Append Only File):存储操作过程，关注点在数据的操作过程（命令）
RDB与AOF触发方式、优缺点：
RDB的触发方式：
-
手动触发：通过命令手动生成快照 （save，bgsave）
-
自动触发：通过配置参数的设置触发自动生成快照
缺点：
-
快照时间有间隔，不能实时备份，丢失数据可能会比较多
-
开启子进程备份数据，在数据集比较庞大时，fork()可能会非常耗时，造成服务器在一定时间内停止处理客户端。
优点：
1.恢复数据比较快
2.备份的文件就是原始内存数据的大小，不会额外增加数据占用，
AOF的触发方式
1.手动触发
通过bgrewriteaof命令：重新AOF持久化生成aof文件(触发重写)
2.自动触发
默认情况，redis是没有开启AOF(默认使用RDB持久化)，需要通过配置文件开启
AOF的优缺点
优点：
-
数据安全性高，不易丢数据
-
AOF文件有序保存了所有写操作，可读性强
缺点：
-
AOF方式生成文件体积变大
-
数据恢复速度比RDB慢
RDB与AOF触发方式、优缺点具体如下：
四、百万Redis，key如何模糊查找？
在 Redis 中进行模糊查找 keys 通常使用 KEYS 命令或者 SCAN 命令配合模式匹配。但是需要注意的是，KEYS 命令在大数据量的情况下可能会导致性能问题，因为它会阻塞服务器并消耗大量资源。因此，在生产环境中，推荐使用 SCAN 命令来实现类似的功能。
请注意，SCAN 命令并不能保证每次返回相同数量的 keys，它只是尽量接近 COUNT 参数指定的数量。
五、Redis面试题-缓存穿透,缓存击穿,缓存雪崩
1 穿透: 两边都不存在（皇帝的新装） （黑名单） （布隆过滤器）
2 击穿：一个热点的key失效了，这时大量的并发请求直接到达数据库. （提前预热）
3 雪崩：大量key同时失效 （避免大量的key同一时间失效，错峰）
六、MySQL 里有 2000w 数据，Redis 中只存 20w 的数据，如何保证 redis 中的数据都是热点数据？
1.Redis 过期键删除策略
1）惰性删除:放任键过期不管，但是每次从键空间中获取键时，都检查取得的键是否过期，如果过期的话，就删除该键;如果没有过期，就返回该键。
2）定期删除:每隔一段时间程序就对数据库进行一次检查，删除里面的过期键。至于要删除多少过期键，以及要检查多少个数据库，则由算法决定。
2.内存淘汰策略
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。
Redis 提供 8 种数据淘汰策略：
LRU全称Least recently used,意思为淘汰掉最久未使用(即最老)的一条数据;
LFU全称Least-frequently used,意思为淘汰掉过去被访问次数最少的一条数据
| 淘汰策略名称 | 策略含义 | 人话 | |
| 默认策略 | noeviction 【ɪˈvɪkʃn】:驱逐;驱赶 | 不淘汰数据；写不进去返回错误 | 不删除任意数据，这时如果内存不够时，会直接返回错误。 |
| 只针对设置过期的keys | volatile-lru | 根据 LRU 算法挑选数据淘汰 | 从设置了过期时间的数据集中，选择最近最久未使用的数据释放 |
| volatile-lfu | 根据 LFU 算法挑选数据淘汰（4.0及以上可用） | 淘汰掉设置了过期时间的key过去被访问次数最少的数据 | |
| volatile-random | 随机挑选数据淘汰 | 从设置了过期时间的数据集中，随机 | |
| volatile-ttl | 挑选越早过期的数据进行删除 | 从设置了过期时间的数据集中，选择马上就要过期的数据进行释放操作 | |
| 所有keys | allkeys-lru | 根据 LRU 算法挑选数据淘汰 | 从数据集中(包括设置过期时间以及未设置过期时间的数据集中)，选择最近最久未使用的数据释放 |
| allkeys-random | 随机挑选数据淘汰 | 随机选择一个数据进行释放； | |
| allkeys-lfu | LFU 算法挑选数据淘汰（4.0及以上版本可用） | 淘汰掉过去被访问次数最少的一条数据 |
七、面试题
1.Redis主从同步机制
步骤如下：（全量）
1.从服务器向主服务器发送同步命令 sync；
2.主数据库接收到同步命令后，会执行 bgsave 命令，在后台生成一个 rdb 文件，并使用一个缓冲区记录从现在开始执行的所有写命令；
3.当主服务器执行完 bgsave 命令后，主服务器会将 bgsave 命令生成的 rdb 文件发送给从服务器；
4.从服务器接收到这个 rdb 文件，然后加载到内存 ；之后主服务器会把刚刚在缓存区的命令同步过来，从服务器就会执行这些命名。（两边就一致了）
5.以上处理完之后，之后主数据库每执行一个写命令，都会将被执行的写命令发送给从数据库。
2.Redis是单线程,但为什么快
1. 纯内存操作
2. 单线程操作，避免了频繁的上下文切换
3. 合理高效的数据结构
4. 采用了非阻塞I/O多路复用机制 epool
5.Redis 和 Mysql 数据库数据如何保持一致性
5.1前言
我们在实际项目中经常会使用到Redis缓存用来缓解数据库压力，但是当更新数据库时，如何保证缓存及数据库一致性，一般我们采用延时双删策略。
目前系统中常用的做法是一个查询接口，先查询Redis，如果不存在则查询数据库，并将结果放入到Redis中。
为什么是删除缓存，而不是更新缓存呢？主要是如果缓存的内容是带有树型结构或者List，Map，那么更新其中一个内容相对较慢。
本文所讲操作，均是按照如果缓存不存在，查询数据库后，再放入Redis。
5.2 常见更新策略
-
1 先删缓存，再更新数据库
-
2 先更新数据库，再删除缓存
-
3 普通双删
-
4 延迟双删
5.3 图解
5.3.1 先删缓存，再更新数据库
1、线程A删除缓存数据，此时还没更新数据库
2、线程B查询缓存没有数据，查询数据库还是旧数据，放入缓存
3、线程C及其他线程使用旧缓存数据，缓存和数据库不一致
5.3.2 先更新数据库，再删除缓存
1、线程A更新数据库，此时还没有删除缓存
2、线程B及其他线程此时使用的还是旧缓存数据，和数据库内容不一致
5.3.3 普通双删
1、线程A先删除缓存，再更新数据库，再删除缓存
2、线程B查询缓存没有数据，在线程A更新数据库之前，查询到旧数据，此时系统时间片切换到线程A执行删除缓存，之后又轮到线程B放入缓存旧数据
3、线程C针对于线程A，查询缓存没有数据，查询到旧数据，放入缓存旧数据
都不能满足缓存和数据一致性。
5.3.4 延迟双删
1、线程A先删除缓存，之后更新数据库
2、线程B和线程C发现缓存没数据，查询数据库。线程B查询到的是旧数据，线程C查询到的是新数据。之后纷纷放入缓存
3、线程A延时3-5秒（时间一般要大于SQL执行时间+线程切换执行时间100ms足够），再将缓存删除。之后其他线程再查询缓存，发现没数据，再次查询数据库及放入缓存都是新数据
极端情况就是线程D，所以延时双删还是不一定能保证缓存及数据一致。
5.4 建议
1、在发现缓存没有数据后，在执行查询数据库前，对该Key进行加锁，查询数据库并放入缓存后再解锁，这样可以避免缓存击穿问题，当某个redis数据不存在时，大量线程并发查询数据库。
2、在需要执行双删前，对该Key进行加锁，之后执行删除缓存，更新数据库，放入新数据到缓存，在解锁。保证缓存和数据一致性。
3、加锁的Key都需要设置过期时间，避免因为宕机造成死锁。
6.Redis集群
Redis提供了多种集群模式以适应不同场景下的高可用性和水平扩展需求。以下是Redis集群模式：
-
主从复制（Master-Slave）模式：
-
在此模式下，有一个主节点负责处理写入请求，而从节点则复制主节点的数据并提供读取服务。
-
优点：实现简单，能实现数据冗余，通过读写分离提高系统性能。
-
缺点：需要手动进行故障转移，无法自动处理主节点故障；不支持自动的数据分区（sharding），难以做到水平扩展。
-
哨兵（Sentinel）模式：
-
Sentinel是Redis提供的一个高可用性解决方案，它能监控主从节点状态，并在主节点出现故障时自动完成故障转移。
-
优点：解决了主从模式下手动故障转移的问题，提供了自动化监控和故障恢复机制。
-
缺点：虽然比主从模式增加了自动化，但仍不支持自动的数据分区，且随着节点数量增加，管理和配置的复杂性也会增大。
-
Redis Cluster模式：
-
Redis Cluster是官方正式支持的分布式解决方案，它采用了数据分片（sharding）技术，将数据分散在多个节点上。
-
优点：真正实现了分布式存储，每个节点都可以处理读写请求，具备良好的水平扩展能力；内置了数据自动分割、故障检测与转移功能。
-
缺点：相比其他模式更复杂，需要更多的网络资源和配置管理；客户端需要支持集群特性；跨slot的数据操作可能涉及多个节点，有一定复杂度。
