不是吧阿 sir，你这 Redis 太熟了吧，震惊面试官第六年
? 本地缓存非常高效，本地缓存会占用堆内存，影响垃圾回收、影响系统性能。
本地缓存设计：
? 以 Java 为例，使用自带的 map 或者 guava 实现的是本地缓存，最主要的特点是轻量以及快速，生命周期随着 jvm 的销毁而结束，并且在多实例的情况，每个实例都需要各自保存一份缓存，缓存不具有一致性。
解决缓存过期：
? 1、将缓存过期时间调为永久
? 2、将缓存失效时间分散开，不要将缓存时间长度都设置成一样；比如我们可以在原有的失效时间基础上增加一个随机值，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。
解决内存溢出：
? 第一步，修改 JVM 启动参数，直接增加内存。(-Xms，-Xmx 参数一定不要忘记加。)
第二步，检查错误日志，查看“OutOfMemory”错误前是否有其它异常或错误。
第三步，对代码进行走查和分析，找出可能发生内存溢出的位置。
3、redis 和 Memcached 的区别
| redis | Memcached |
| --- | --- |
| 内存高速数据库 | 高性能分布式内存缓存数据库，可缓存图片、视频 |
| 支持 hash、list、set、zset、string 结构 | 只支持 key-value 结构 |
| 将大部分数据放到内存 | 全部数据放到内存中 |
| 支持持久化、主从复制备份 | 不支持数据持久化及数据备份 |
| 数据丢失可通过 AOF 恢复 | 挂掉后，数据不可恢复 |
使用场景：
? 1、如果有持久方面的需求或对数据类型和处理有要求的应该选择 redis。? 2、如果简单的 key/value 存储应该选择 memcached。
4、redis 常用数据结构和使用场景
Redis 主要有 5 种数据类型，包括 String，List，Set，Zset，Hash
| 类型 | 存储值 | 应用场景 |
| --- | --- | --- |
| String | 字符串、整数、浮点数 | 简单的键值对缓存 |
| List | 列表 | 存储列表型数据结构，例如：评论列表、商品列表 |
| Set | 无序集合 | 适合交集、并集、查集操作，例如朋友关系 |
| Zset | 有序集合 | 去重后排序，适合排名场景 |
| Hash | 哈希 | 结构化数据，比如存储对象 |
Redis 的应用场景：
计数器
? 可以对 String 进行自增自减运算，从而实现计数器功能。Redis 这种内存型数据库的读写性能非常高，很适合存储频繁读写的计数量。
缓存
? 将热点数据放到内存中，设置内存的最大使用量以及淘汰策略来保证缓存的命中率。
会话缓存
? 可以使用 Redis 来统一存储多台应用服务器的会话信息。当应用服务器不再存储用户的会话信息，也就不再具有状态，一个用户可以请求任意一个应用服务器，从而更容易实现高可用性以及可伸缩性。
其它
? Set 可以实现交集、并集等操作，从而实现共同好友等功能。ZSet 可以实现有序性操作，从而实现排行榜等功能。
5、Zset 底层实现？跳表搜索插入删除过程？
? 跳表(skip List)是一种随机化的数据结构，基于并联的链表，实现简单，插入、删除、查找的复杂度均为 O(logN)。简单说来跳表也是链表的一种，只不过它在链表的基础上增加了跳跃功能，正是这个跳跃的功能，使得在查找元素时，跳表能够提供 O(logN)的时间复杂度
? Zset 数据量少的时候使用压缩链表 ziplist 实现，有序集合使用紧挨在一起的压缩列表节点来保存，第一个节点保存 member，第二个保存 score。ziplist 内的集合元素按 score 从小到大排序，score 较小的排在表头位置。
? 数据量大的时候使用跳跃列表 skiplist 和哈希表 hash_map 结合实现，查找删除插入的时间复杂度都是 O(longN)
搜索
? 跳跃表按 score 从小到大保存所有集合元素，查找时间复杂度为平均 O(logN)，最坏 O(N) 。
插入
之前就说了，之所以选用链表作为底层结构支持，也是为了高效地动态增删。单链表在知道删除的节点是谁时，时间复杂度为 O(1)，因为跳表底层的单链表是有序的，为了维护这种有序性，在插入前需要遍历链表，找到该插入的位置，单链表遍历查找的时间复杂度是 O(n)，同理可得，跳表的遍历也是需要遍历索引数，所以是 O(logn)。
删除
删除的节点要分两种情况，如果该节点还在索引中，那删除时不仅要删除单链表中的节点，还要删除索引中的节点；另一种情况是删除的节点只在链表中，不在索引中，那只需要删除链表中的节点即可。但针对单链表来说，删除时都需要拿到前驱节点才可改变引用关系从而删除目标节点。
6、redis 过期淘汰策略
1）全局的键空间选择性移除
? noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。
? allkeys-lru：在键空间中，移除最近最少使用的 key。（这个是最常用的）
? allkeys-random：在键空间中，随机移除某个 key。
2）设置过期时间的键空间选择性移除
? volatile-lru：在设置了过期时间的键空间中，移除最近最少使用的 key。
? volatile-random：在设置了过期时间的键空间中，随机移除某个 key。
? volatile-ttl：在设置了过期时间的键空间中，有更早过期时间的 key 优先移除。
总结
? Redis 的内存淘汰策略的选取并不会影响过期的 key 的处理。内存淘汰策略用于处理内存不足时的需要申请额外空间的数据；过期策略用于处理过期的缓存数据。
7、redis 持久化机制？都有什么优缺点？持久化的时候还能接受请求吗？
持久化就是把内存中的数据持久化到本地磁盘，防止服务器宕机了内存数据丢失
Redis 提供两种持久化机制 RDB（默认） 和 AOF 机制
**RDB：**是 Redis DataBase 缩写快照
? RDB 是 Redis 默认的持久化方式。按照一定的时间将内存的数据以快照的形式保存到硬盘中，对应产生的数据文件为 dump.rdb。通过配置文件中的 save 参数来定义快照的周期。
? 优点：
? 1）只有一个文件 dump.rdb，方便持久化；
? 2）容灾性好，一个文件可以保存到安全的磁盘。
? 3）性能最大化，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。使用单独子进程来进行持久化，主进程不会进行任何 IO 操作，保证了 redis 的高性能。
? 4）相对于数据集大时，比 AOF 的启动效率更高。
? 缺点：
? 1）数据安全性低。RDB 是间隔一段时间进行持久化，如果持久化之间 redis 发生故障，会发生数据丢失。所以这种方式更适合数据要求不严谨的时候
AOF：持久化
? AOF 持久化(即 Append Only File 持久化)，则是将 Redis 执行的每次写命令记录到单独的日志文件中，当重启 Redis 会重新将持久化的日志中文件恢复数据。
? 优点：
? 1）数据安全，aof 持久化可以配置 appendfsync 属性，有 always，每进行一次 命令操作就记录到 aof 文件中一次。
? 2）通过 append 模式写文件，即使中途服务器宕机，可以通过 redis-check-aof 工具解决数据一致性问题。
缺点：
? 1）AOF 文件比 RDB 文件大，且恢复速度慢。
? 2）数据集大的时候，比 rdb 启动效率低。
8、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、按顺序地执行。事务在执行的过程中，不会被其他客户端发送来的命令请求所打断。事务是一个原子操作：事务中的命令要么全部被执行，要么全部都不执行。
Redis 事务的概念
? Redis 事务的本质是通过 MULTI、EXEC、WATCH 等一组命令的集合。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。总结说：redis 事务就是一次性、顺序性、排他性的执行一个队列中的一系列命令。
Redis 事务功能是通过 MULTI、EXEC、DISCARD 和 WATCH 四个原语实现的
Redis 会将一个事务中的所有命令序列化，然后按顺序执行。
Redis 的事务总是具有 ACID 中的一致性和隔离性，其他特性是不支持的。当服务器运行在 AOF 持久化模式下，并且 appendfsync 选项的值
为 always 时，事务也具有耐久性。
事务命令：
MULTI： 用于开启一个事务，它总是返回 OK。MULTI 执行之后，客户端可以继续向服务器发送任意多条命令，这些命令不会立即被执行，而是被放到一个队列中，当 EXEC 命令被调用时，所有队列中的命令才会被执行。
EXEC： 执行所有事务块内的命令。返回事务块内所有命令的返回值，按命令执行的先后顺序排列。当操作被打断时，返回空值 nil 。
WATCH ： 是一个乐观锁，可以为 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。
DISCARD： 调用该命令，客户端可以清空事务队列，并放弃执行事务，且客户端会从事务状态中退出。
UNWATCH：命令可以取消 watch 对所有 key 的监控。
9、缓存雪崩和缓存穿透，以及解决方法
【1】缓存雪崩：
? 指缓存同一时间大面积的失效，所以，后面的请求都会落到数据库上，造成数据库短时间内承受大量请求而崩掉。
? 解决方案：
? 1）缓存数据的过期时间设置随机，防止同一时间大量数据过期现象发生。
? 2）一般并发量不是特别多的时候，使用最多的解决方案是加锁排队。
? 3）给每一个缓存数据增加相应的缓存标记，记录缓存是否失效，如果缓存标记失效，则更新数据缓存。
【2】缓存穿透：
? 缓存穿透是指缓存和数据库中都没有的数据，导致所有的请求都落到数据库上，造成数据库短时间内承受大量请求而崩掉。
? 解决方案：
? 1）接口层增加校验，如用户鉴权校验，id 做基础校验，id<=0 的直接拦截；
? 2）从缓存取不到的数据，在数据库中也没有取到，这时也可以将 key-value 对写为 key-null，缓存有效时间可以设置短点，如 30 秒（设置太长会导致正常情况也没法使用）。这样可以防止攻击用户反复用同一个 id 暴力攻击；
? 3）采用布隆过滤器，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，从而避免了对底层存储系统的查询压力。
【3】缓存击穿：
? 这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。和缓存雪崩不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库
? 解决方案：
? 1）设置热点数据永远不过期
还未添加个人签名 2021.03.18 加入
还未添加个人简介
评论