阿里 Redis 最全面试全攻略，读完这个就可以和阿里面试官好好聊聊
看了前面的定义，笔者画了个图：
从图中可以知道 sds 本质分为三部分：header、buf、null 结尾符，其中 header 可以认为是整个 sds 的指引部分，给定了使用的空间大小、最大分配大小等信息，再用一张网上的图来清晰看下 sdshdr8 的实例：
在 sds.h/sds.c 源码中可清楚地看到 sds 完整的实现细节，本文就不展开了要不然篇幅就过长了，快速进入主题说下 sds 的优势：
O(1)获取长度: C 字符串需要遍历而 sds 中有 len 可以直接获得；
防止缓冲区溢出 bufferoverflow: 当 sds 需要对字符串进行修改时，首先借助于 len 和 alloc 检查空间是否满足修改所需的要求，如果空间不够的话，SDS 会自动扩展空间，避免了像 C 字符串操作中的覆盖情况；
有效降低内存分配次数：C 字符串在涉及增加或者清除操作时会改变底层数组的大小造成重新分配、sds 使用了空间预分配和惰性空间释放机制，说白了就是每次在扩展时是成倍的多分配的，在缩容是也是先留着并不正式归还给 OS，这两个机制也是比较好理解的；
二进制安全：C 语言字符串只能保存 ascii 码，对于图片、音频等信息无法保存，sds 是二进制安全的，写入什么读取就是什么，不做任何过滤和限制；
老规矩上一张黄健宏大神总结好的图：
Redis 的字典是如何实现的？简述渐进式 rehash 过程
字典算是 Redis 中常用数据类型中的明星成员了，前面说过字典可以基于 ziplist 和 hashtable 来实现，我们只讨论基于 hashtable 实现的原理。
字典是个层次非常明显的数据类型，如图：
有了个大概的概念，我们看下最新的 src/dict.h 源码定义：
//哈希节点结构 typedef struct dictEntry { void *key; union { void *val; uint64_t u64; int64_t s64; double d; } v; struct dictEntry *next;} dictEntry;//封装的是字典的操作函数指针 typedef struct dictType { uint64_t (*hashFunction)(const void *key); void *(*keyDup)(void *privdata, const void *key); void *(*valDup)(void *privdata, const void *obj); int (*keyCompare)(void *privdata, const void *key1, const void *key2); void (*keyDestructor)(void *privdata, void *key); void (*valDestructor)(void *privdata, void obj);} dictType;/ This is our hash table structure. Every dictionary has two of this as we * implement incremental rehashing, for the old to the new table. *///哈希表结构 该部分是理解字典的关键 typedef struct dictht { dictEntry **table; unsigned long size; unsigned long sizemask; unsigned long used;} dictht;//字典结构 typedef struct dict { dictType *type; void privdata; dictht ht[2]; long rehashidx; / rehashing not in progress if rehashidx == -1 / unsigned long iterators; / number of iterators currently running */} dict;复制代码
C 语言的好处在于定义必须是由最底层向外的，因此我们可以看到一个明显的层次变化，于是笔者又画一图来展现具体的层次概念：
关于 dictEntry
dictEntry 是哈希表节点，也就是我们存储数据地方，其保护的成员有：key,v,next 指针。key 保存着键值对中的键，v 保存着键值对中的值，值可以是一个指针或者是 uint64_t 或者是 int64_t。next 是指向另一个哈希表节点的指针，这个指针可以将多个哈希值相同的键值对连接在一次，以此来解决哈希冲突的问题。
如图为两个冲突的哈希节点的连接关系：
关于 dictht
从源码看哈希表包括的成员有 table、size、used、sizemask。table 是一个数组，数组中的每个元素都是一个指向 dictEntry 结构的指针， 每个 dictEntry 结构保存着一个键值对；size 属性记录了哈希表 table 的大小，而 used 属性则记录了哈希表目前已有节点的数量。sizemask 等于 size-1 和哈希值计算一个键在 table 数组的索引，也就是计算 index 时用到的。
如上图展示了一个大小为 4 的 table 中的哈希节点情况，其中 k1 和 k0 在 index=2 发生了哈希冲突，进行开链表存在，本质上是先存储的 k0，k1 放置是发生冲突为了保证效率直接放在冲突链表的最前面，因为该链表没有尾指针。
关于 dict
从源码中看到 dict 结构体就是字典的定义，包含的成员有 type，privdata、ht、rehashidx。其中 dictType 指针类型的 type 指向了操作字典的 api，理解为函数指针即可，ht 是包含 2 个 dictht 的数组，也就是字典包含了 2 个哈希表，rehashidx 进行 rehash 时使用的变量，privdata 配合 dictType 指向的函数作为参数使用，这样就对字典的几个成员有了初步的认识。
字典的哈希算法
//伪码：使用哈希函数，计算键 key 的哈希值 hash = dict->type->hashFunction(key);//伪码：使用哈希表的 sizemask 和哈希值，计算出在 ht[0]或许 ht[1]的索引值 index = hash & dict->ht[x].sizemask;//源码定义 #define dictHashKey(d, key) (d)->type->hashFunction(key)复制代码
redis 使用 MurmurHash 算法计算哈希值，该算法最初由 Austin Appleby 在 2008 年发明，MurmurHash 算法的无论数据输入情况如何都可以给出随机分布性较好的哈希值并且计算速度非常快，目前有 MurmurHash2 和 MurmurHash3 等版本。
普通 Rehash 重新散列
哈希表保存的键值对数量是动态变化的，为了让哈希表的负载因子维持在一个合理的范围之内，就需要对哈希表进行扩缩容。
扩缩容是通过执行 rehash 重新散列来完成，对字典的哈希表执行普通 rehash 的基本步骤为分配空间->逐个迁移->交换哈希表，详细过程如下：
为字典的 ht[1]哈希表分配空间，分配的空间大小取决于要执行的操作以及 ht[0]当前包含的键值对数量：扩展操作时 ht[1]的大小为第一个大于等于 ht[0].used*2 的 2^n；收缩操作时 ht[1]的大小为第一个大于等于 ht[0].used 的 2^n ；扩展时比如 h[0].used=200，那么需要选择大于 400 的第一个 2 的幂，也就是 2^9=512。
将保存在 ht[0]中的所有键值对重新计算键的哈希值和索引值 rehash 到 ht[1]上；
重复 rehash 直到 ht[0]包含的所有键值对全部迁移到了 ht[1]之后释放 ht[0]， 将 ht[1]设置为 ht[0]，并在 ht[1]新创建一个空白哈希表， 为下一次 rehash 做准备。
渐进 Rehash 过程
Redis 的 rehash 动作并不是一次性完成的，而是分多次、渐进式地完成的，原因在于当哈希表里保存的键值对数量很大时， 一次性将这些键值对全部 rehash 到 ht[1]可能会导致服务器在一段时间内停止服务，这个是无法接受的。
针对这种情况 Redis 采用了渐进式 rehash，过程的详细步骤：
为 ht[1]分配空间，这个过程和普通 Rehash 没有区别；
将 rehashidx 设置为 0，表示 rehash 工作正式开始，同时这个 rehashidx 是递增的，从 0 开始表示从数组第一个元素开始 rehash。
在 rehash 进行期间，每次对字典执行增删改查操作时，顺带将 ht[0]哈希表在 rehashidx 索引上的键值对 rehash 到 ht[1]，完成后将 rehashidx 加 1，指向下一个需要 rehash 的键值对。
随着字典操作的不断执行，最终 ht[0]的所有键值对都会被 rehash 至 ht[1]，再将 rehashidx 属性的值设为-1 来表示 rehash 操作已完成。
渐进式 rehash 的思想在于将 rehash 键值对所需的计算工作分散到对字典的每个添加、删除、查找和更新操作上，从而避免了集中式 rehash 而带来的阻塞问题。
看到这里不禁去想这种捎带脚式的 rehash 会不会导致整个过程非常漫长？如果某个 value 一直没有操作那么需要扩容时由于一直不用所以影响不大，需要缩容时如果一直不处理可能造成内存浪费，具体的还没来得及研究，先埋个问题吧！
讲讲 4.0 之前版本的 Redis 的单线程运行模式
本质上 Redis 并不是单纯的单线程服务模型，一些辅助工作比如持久化刷盘、惰性删除等任务是由 B
IO 线程来完成的，这里说的单线程主要是说与客户端交互完成命令请求和回复的工作线程。
至于 Antirez 大佬当时是怎么想的设计为单线程不得而知，只能从几个角度来分析，来确定单线程模型的选择原因。
50 道 Redis 面试题史上最全，以后面试再也不怕问 Redis 了
===============================
1、什么是 Redis？
Redis 本质上是一个 Key-Value 类型的内存数据库，很像 memcached，整个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。因为是纯内存操作，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。 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结构，此外单个 value 的最大限制是 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 能消息队列服务，用他的 Set 可以做高性能的 tag 系统等等。另外 Redis 也可以对存入的 Key-Value 设置 expire 时间，因此也可以被当作一 个功能加强版的 memcached 来用。 Redis 的主要缺点是数据库容量受到物理内存的限制，不能用作海量数据的高性能读写，因此 Redis 适合的场景主要局限在较小数据量的高性能操作和运算上。
2、Redis 相比 memcached 有哪些优势？
(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
3、Redis 支持哪几种数据类型？
String、List、Set、Sorted Set、hashes
4、Redis 主要消耗什么物理资源？
redis 是一种基于内存高性能的数据库--- 主要依赖于内存内存。
5、Redis 的全称是什么？
Remote Dictionary Server
6、Redis 有哪几种数据淘汰策略？
noeviction:返回错误当内存限制达到并且客户端尝试执行会让更多内存被使用的命令（大部分的写入指令，但 DEL 和几个例外）allkeys-lru: 尝试回收最少使用的键（LRU），使得新添加的数据有空间存放。volatile-lru: 尝试回收最少使用的键（LRU），但仅限于在过期集合的键,使得新添加的数据有空间存放。allkeys-random: 回收随机的键使得新添加的数据有空间存放。volatile-random: 回收随机的键使得新添加的数据有空间存放，但仅限于在过期集合的键。volatile-ttl: 回收在过期集合的键，并且优先回收存活时间（TTL）较短的键,使得新添加的数据有空间存放。
7、Redis 官方为什么不提供 Windows 版本？
因为目前 Linux 版本已经相当稳定，而且用户量很大，无需开发 windows 版本，反而会带来兼容性等问题。
8、一个字符串类型的值能存储最大容量是多少？
512M
9、为什么 Redis 需要把所有数据放到内存中？
Redis 为了达到最快的读写速度将数据都读到内存中，并通过异步的方式将数据写入磁盘。所以 redis 具有快速和数据持久化的特征。如果不将数据放在内存中，磁盘 I/O 速度为严重影响 redis 的性能。在内存越来越便宜的今天，redis 将会越来越受欢迎。
如果设置了最大使用的内存，则数据已有记录数达到内存限值后不能继续插入新值。
10、Redis 集群方案应该怎么做？都有哪些方案？
1.twemproxy，大概概念是，它类似于一个代理方式，使用方法和普通 redis 无任何区别，设置好它下属的多个 redis 实例后，使用时在本需要连接 redis 的地方改为连接 twemproxy，它会以一个代理的身份接收请求并使用一致性 hash 算法，将请求转接到具体 redis，将结果再返回 twemproxy。使用方式简便(相对 redis 只需修改连接端口)，对旧项目扩展的首选。 问题：twemproxy 自身单端口实例的压力，使用一致性 hash 后，对 redis 节点数量改变时候的计算值的改变，数据无法自动移动到新的节点。
2.codis，目前用的最多的集群方案，基本和 twemproxy 一致的效果，但它支持在 节点数量改变情况下，旧节点数据可恢复到新 hash 节点。
3.redis cluster3.0 自带的集群，特点在于他的分布式算法不是一致性 hash，而是 hash 槽的概念，以及自身支持节点设置从节点。具体看官方文档介绍。
4.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 计算，然后去对应的 redis 实例操作数据。 这种方式对 hash 层代码要求比较高，考虑部分包括，节点失效后的替代算法方案，数据震荡后的自动脚本恢复，实例的监控，等等。
11、Redis 集群方案什么情况下会导致整个集群不可用？
有 A，B，C 三个节点的集群,在没有复制模型的情况下,如果节点 B 失败了，那么整个集群就会以为缺少 5501-11000 这个范围的槽而不可用。
12、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？
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。
13、Redis 有哪些适合的场景？
（1）、会话缓存（Session Cache）最常用的一种使用 Redis 的情景是会话缓存（session cache）。用 Redis 缓存会话比其他存储（如 Memcached）的优势在于：Redis 提供持久化。当维护一个不是严格要求一致性的缓存时，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，很容易找到怎么恰当的使用 Redis 来缓存会话的文档。甚至广为人知的商业平台 Magento 也提供 Redis 的插件。
（2）、全页缓存（FPC）除基本的会话 token 之外，Redis 还提供很简便的 FPC 平台。回到一致性问题，即使重启了 Redis 实例，因为有磁盘的持久化，用户也不会看到页面加载速度的下降，这是一个极大改进，类似 PHP 本地 FPC。再次以 Magento 为例，Magento 提供一个插件来使用 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度加载你曾浏览过的页面。
（3）、队列 Reids 在内存存储引擎领域的一大优点是提供 list 和 set 操作，这使得 Redis 能作为一个很好的消息队列平台来使用。Redis 作为队列使用的操作，就类似于本地程序语言（如 Python）对 list 的 push/pop 操作。如果你快速的在 Google 中搜索“Redis queues”，你马上就能找到大量的开源项目，这些项目的目的就是利用 Redis 创建非常好的后端工具，以满足各种队列需求。例如，Celery 有一个后台就是使用 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。集合（Set）和有序集合（Sorted Set）也使得我们在执行这些操作的时候变的非常简单，Redis 只是正好提供了这两种数据结构。所以，我们要从排序集合中获取到排名最靠前的 10 个用户–我们称之为“user_scores”，我们只需要像下面一样执行即可：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，你需要这样执行：ZRANGE user_scores 0 10 WITHSCORESAgora Games 就是一个很好的例子，用 Ruby 实现的，它的排行榜就是使用 Redis 来存储数据的，你可以在这里看到。
（5）、发布/订阅最后（但肯定不是最不重要的）是 Redis 的发布/订阅功能。发布/订阅的使用场景确实非常多。我已看见人们在社交网络连接中使用，还可作为基于发布/订阅的脚本触发器，甚至用 Redis 的发布/订阅功能来建立聊天系统！（不，这是真的，你可以去核实）。
14、Redis 支持的 Java 客户端都有哪些？官方推荐用哪个？
Redisson、Jedis、lettuce 等等，官方推荐使用 Redisson。
15、Redis 和 Redisson 有什么关系？
Redisson 是一个高级的分布式协调 Redis 客服端，能帮助用户在分布式环境中轻松实现一些 Java 的对象 (Bloom filter, BitSet, Set, SetMultimap, ScoredSortedSet, SortedSet, Map, ConcurrentMap, List, ListMultimap, Queue, BlockingQueue, Deque, BlockingDeque, Semaphore, Lock, ReadWriteLock, AtomicLong, CountDownLatch, Publish / Subscribe, HyperLogLog)。
16、Jedis 与 Redisson 对比有什么优缺点？
Jedis 是 Redis 的 Java 实现的客户端，其 API 提供了比较全面的 Redis 命令的支持；Redisson 实现了分布式和可扩展的 Java 数据结构，和 Jedis 相比，功能较为简单，不支持字符串操作，不支持排序、事务、管道、分区等 Redis 特性。Redisson 的宗旨是促进使用者对 Redis 的关注分离，从而让使用者能够将精力更集中地放在处理业务逻辑上。
17、Redis 如何设置密码及验证密码？
设置密码：config set requirepass 123456 授权密码：auth 123456
18、说说 Redis 哈希槽的概念？
Redis 集群没有使用一致性 hash,而是引入了哈希槽的概念，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，集群的每个节点负责一部分 hash 槽。
19、Redis 集群的主从复制模型是怎样的？
为了使在部分节点失败或者大部分节点无法通信的情况下集群仍然可用，所以集群使用了主从复制模型,每个节点都会有 N-1 个复制品.
20、Redis 集群会有写操作丢失吗？为什么？
Redis 并不能保证数据的强一致性，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。
21、Redis 集群之间是如何复制的？
异步复制
22、Redis 集群最大节点个数是多少？
16384 个。
23、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。
24、怎么测试 Redis 的连通性？
ping
25、Redis 中的管道有什么用？
一次请求/响应服务器能实现处理新的请求即使旧的请求还未被响应。这样就可以将多个命令发送到服务器，而不用等待回复，最后在一个步骤中读取该答复。这就是管道（pipelining），是一种几十年来广泛使用的技术。例如许多 POP3 协议已经实现支持这个功能，大大加快了从服务器下载新邮件的过程。
26、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。
27、Redis 事务相关的命令有哪几个？
MULTI、EXEC、DISCARD、WATCH ##28、Redis key 的过期时间和永久有效分别怎么设置？ EXPIRE 和 PERSIST 命令。
29、Redis 如何做内存优化？
尽可能使用散列表（hashes），散列表（是说散列表里面存储的数少）使用的内存非常小，所以你应该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 系统中有一个用户对象，不要为这个用户的名称，姓氏，邮箱，密码设置单独的 key,而是应该把这个用户的所有信息存储到一张散列表里面.
30、Redis 回收进程如何工作的？
一个客户端运行了新的命令，添加了新的数据。Redi 检查内存使用情况，如果大于 maxmemory 的限制, 则根据设定好的策略进行回收。一个新的命令被执行，等等。所以我们不断地穿越内存限制的边界，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使用（例如很大的集合的交集保存到一个新的键），不用多久内存限制就会被这个内存使用量超越。**
31、Redis 回收使用的是什么算法？
**LRU 算法
32、Redis 如何做大量数据插入？
Redis2.6 开始 redis-cli 支持一种新的被称之为 pipe mode 的新模式用于执行大量数据插入工作。
33、为什么要做 Redis 分区？
分区可以让 Redis 管理更大的内存，Redis 将可以使用所有机器的内存。如果没有分区，你最多只能使用一台机器的内存。分区使 Redis 的计算能力通过简单地增加计算机得到成倍提升,Redis 的网络带宽也会随着计算机和网卡的增加而成倍增长。
34、你知道有哪些 Redis 分区实现方案？
客户端分区就是在客户端就已经决定数据会被存储到哪个 redis 节点或者从哪个 redis 节点读取。大多数客户端已经实现了客户端分区。代理分区 意味着客户端将请求发送给代理，然后代理决定去哪个节点写数据或者读数据。代理根据分区规则决定请求哪些 Redis 实例，然后根据 Redis 的响应结果返回给客户端。redis 和 memcached 的一种代理实现就是 Twemproxy 查询路由(Query routing) 的意思是客户端随机地请求任意一个 redis 实例，然后由 Redis 将请求转发给正确的 Redis 节点。Redis Cluster 实现了一种混合形式的查询路由，但并不是直接将请求从一个 redis 节点转发到另一个 redis 节点，而是在客户端的帮助下直接 redirected 到正确的 redis 节点。
35、Redis 分区有什么缺点？
涉及多个 key 的操作通常不会被支持。例如你不能对两个集合求交集，因为他们可能被存储到不同的 Redis 实例（实际上这种情况也有办法，但是不能直接使用交集指令）。同时操作多个 key,则不能使用 Redis 事务.分区使用的粒度是 key，不能使用一个非常长的排序 key 存储一个数据集（The partitioning granularity is the key, so it is not possible to shard a dataset with a single huge key like a very big sorted set）.当使用分区的时候，数据处理会非常复杂，例如为了备份你必须从不同的 Redis 实例和主机同时收集 RDB / AOF 文件。分区时动态扩容或缩容可能非常复杂。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。然而，有一种预分片的技术也可以较好的解决这个问题。
36、Redis 持久化数据和缓存怎么做扩容？
如果 Redis 被当做缓存使用，使用一致性哈希实现动态扩容缩容。如果 Redis 被当做一个持久化存储使用，必须使用固定的 keys-to-nodes 映射关系，节点的数量一旦确定不能变化。否则的话(即 Redis 节点需要动态变化的情况），必须使用可以在运行时进行数据再平衡的一套系统，而当前只有 Redis 集群可以做到这样。
37、分布式 Redis 是前期做还是后期规模上来了再做好？为什么？
既然 Redis 是如此的轻量（单实例只使用 1M 内存）,为防止以后的扩容，最好的办法就是一开始就启动较多实例。即便你只有一台服务器，你也可以一开始就让 Redis 以分布式的方式运行，使用分区，在同一台服务器上启动多个实例。一开始就多设置几个 Redis 实例，例如 32 或者 64 个实例，对大多数用户来说这操作起来可能比较麻烦，但是从长久来看做这点牺牲是值得的。这样的话，当你的数据不断增长，需要更多的 Redis 服务器时，你需要做的就是仅仅将 Redis 实例从一台服务迁移到另外一台服务器而已（而不用考虑重新分区的问题）。一旦你添加了另一台服务器，你需要将你一半的 Redis 实例从第一台机器迁移到第二台机器。
38、Twemproxy 是什么？
Twemproxy 是 Twitter 维护的（缓存）代理系统，代理 Memcached 的 ASCII 协议和 Redis 协议。它是单线程程序，使用 c 语言编写，运行起来非常快。它是采用 Apache 2.0 license 的开源软件。 Twemproxy 支持自动分区，如果其代理的其中一个 Redis 节点不可用时，会自动将该节点排除（这将改变原来的 keys-instances 的映射关系，所以你应该仅在把 Redis 当缓存时使用 Twemproxy)。 Twemproxy 本身不存在单点问题，因为你可以启动多个 Twemproxy 实例，然后让你的客户端去连接任意一个 Twemproxy 实例。 Twemproxy 是 Redis 客户端和服务器端的一个中间层，由它来处理分区功能应该不算复杂，并且应该算比较可靠的。
39、支持一致性哈希的客户端有哪些？
Redis-rb、Predis 等。
40、Redis 与其他 key-value 存储有什么不同？
Redis 有着更为复杂的数据结构并且提供对他们的原子性操作，这是一个不同于其他数据库的进化路径。Redis 的数据类型都是基于基本数据结构的同时对程序员透明，无需进行额外的抽象。Redis 运行在内存中但是可以持久化到磁盘，所以在对不同数据集进行高速读写时需要权衡内存，应为数据量不能大于硬件内存。在内存数据库方面的另一个优点是， 相比在磁盘上相同的复杂的数据结构，在内存中操作起来非常简单，这样 Redis 可以做很多内部复杂性很强的事情。 同时，在磁盘格式方面他们是紧凑的以追加的方式产生的，因为他们并不需要进行随机访问。
41、Redis 的内存占用情况怎么样？
还未添加个人签名 2021.11.08 加入
还未添加个人简介
评论