2W字！詳解20道Redis經(jīng)典面試題！（珍藏版）

1. 什么是Redis？它主要用來什么的？

Redis，英文全稱是Remote Dictionary Server（遠(yuǎn)程字典服務(wù)），是一個(gè)開源的使用ANSI C語言編寫、支持網(wǎng)絡(luò)、可基于內(nèi)存亦可持久化的日志型、Key-Value數(shù)據(jù)庫，并提供多種語言的API。

與MySQL數(shù)據(jù)庫不同的是，Redis的數(shù)據(jù)是存在內(nèi)存中的。它的讀寫速度非常快，每秒可以處理超過10萬次讀寫操作。因此redis被廣泛應(yīng)用于緩存，另外，Redis也經(jīng)常用來做分布式鎖。除此之外，Redis支持事務(wù)、持久化、LUA 腳本、LRU 驅(qū)動(dòng)事件、多種集群方案。

2.說說Redis的基本數(shù)據(jù)結(jié)構(gòu)類型

大多數(shù)小伙伴都知道，Redis有以下這五種基本類型：

• String（字符串）
• Hash（哈希）
• List（列表）
• Set（集合）
• zset（有序集合）

它還有三種特殊的數(shù)據(jù)結(jié)構(gòu)類型

• Geospatial
• Hyperloglog
• Bitmap

2.1 Redis 的五種基本數(shù)據(jù)類型

String（字符串）

• 簡介:String是Redis最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)類型，它是二進(jìn)制安全的，可以存儲(chǔ)圖片或者序列化的對(duì)象，值最大存儲(chǔ)為512M
• 簡單使用舉例: set key value、get key等
• 應(yīng)用場景：共享session、分布式鎖，計(jì)數(shù)器、限流。
• 內(nèi)部編碼有3種，int（8字節(jié)長整型）/embstr（小于等于39字節(jié)字符串）/raw（大于39個(gè)字節(jié)字符串）

C語言的字符串是char[]實(shí)現(xiàn)的，而Redis使用SDS（simple dynamic string） 封裝，sds源碼如下：

struct?sdshdr{
??unsigned?int?len;?//?標(biāo)記buf的長度
??unsigned?int?free;?//標(biāo)記buf中未使用的元素個(gè)數(shù)
??char?buf[];?//?存放元素的坑
}

SDS 結(jié)構(gòu)圖如下：

Redis為什么選擇SDS結(jié)構(gòu)，而C語言原生的char[]不香嗎？

舉例其中一點(diǎn)，SDS中，O(1)時(shí)間復(fù)雜度，就可以獲取字符串長度；而C 字符串，需要遍歷整個(gè)字符串，時(shí)間復(fù)雜度為O(n)

Hash（哈希）

• 簡介：在Redis中，哈希類型是指v（值）本身又是一個(gè)鍵值對(duì)（k-v）結(jié)構(gòu)
• 簡單使用舉例：hset key field value 、hget key field
• 內(nèi)部編碼：ziplist（壓縮列表） 、hashtable（哈希表）
• 應(yīng)用場景：緩存用戶信息等。
• 注意點(diǎn)：如果開發(fā)使用hgetall，哈希元素比較多的話，可能導(dǎo)致Redis阻塞，可以使用hscan。而如果只是獲取部分field，建議使用hmget。

字符串和哈希類型對(duì)比如下圖：

List（列表）

• 簡介：列表（list）類型是用來存儲(chǔ)多個(gè)有序的字符串，一個(gè)列表最多可以存儲(chǔ)2^32-1個(gè)元素。
• 簡單實(shí)用舉例：lpush key value [value ...] 、lrange key start end
• 內(nèi)部編碼：ziplist（壓縮列表）、linkedlist（鏈表）
• 應(yīng)用場景：消息隊(duì)列，文章列表,

一圖看懂list類型的插入與彈出：

list應(yīng)用場景參考以下：

• lpush+lpop=Stack（棧）
• lpush+rpop=Queue（隊(duì)列）
• lpsh+ltrim=Capped Collection（有限集合）
• lpush+brpop=Message Queue（消息隊(duì)列）

Set（集合）

• 簡介：集合（set）類型也是用來保存多個(gè)的字符串元素，但是不允許重復(fù)元素
• 簡單使用舉例：sadd key element [element ...]、smembers key
• 內(nèi)部編碼：intset（整數(shù)集合）、hashtable（哈希表）
• 注意點(diǎn)：smembers和lrange、hgetall都屬于比較重的命令，如果元素過多存在阻塞Redis的可能性，可以使用sscan來完成。
• 應(yīng)用場景：用戶標(biāo)簽,生成隨機(jī)數(shù)抽獎(jiǎng)、社交需求。

有序集合（zset）

• 簡介：已排序的字符串集合，同時(shí)元素不能重復(fù)
• 簡單格式舉例：zadd key score member [score member ...]，zrank key member
• 底層內(nèi)部編碼：ziplist（壓縮列表）、skiplist（跳躍表）
• 應(yīng)用場景：排行榜，社交需求（如用戶點(diǎn)贊）。

2.2 Redis 的三種特殊數(shù)據(jù)類型

• Geo：Redis3.2推出的，地理位置定位，用于存儲(chǔ)地理位置信息，并對(duì)存儲(chǔ)的信息進(jìn)行操作。
• HyperLogLog：用來做基數(shù)統(tǒng)計(jì)算法的數(shù)據(jù)結(jié)構(gòu)，如統(tǒng)計(jì)網(wǎng)站的UV。
• Bitmaps ：用一個(gè)比特位來映射某個(gè)元素的狀態(tài)，在Redis中，它的底層是基于字符串類型實(shí)現(xiàn)的，可以把bitmaps成作一個(gè)以比特位為單位的數(shù)組

3. Redis為什么這么快？

3.1 基于內(nèi)存存儲(chǔ)實(shí)現(xiàn)

我們都知道內(nèi)存讀寫是比在磁盤快很多的，Redis基于內(nèi)存存儲(chǔ)實(shí)現(xiàn)的數(shù)據(jù)庫，相對(duì)于數(shù)據(jù)存在磁盤的MySQL數(shù)據(jù)庫，省去磁盤I/O的消耗。

3.2 高效的數(shù)據(jù)結(jié)構(gòu)

我們知道，Mysql索引為了提高效率，選擇了B+樹的數(shù)據(jù)結(jié)構(gòu)。其實(shí)合理的數(shù)據(jù)結(jié)構(gòu)，就是可以讓你的應(yīng)用/程序更快。先看下Redis的數(shù)據(jù)結(jié)構(gòu)&內(nèi)部編碼圖：

SDS簡單動(dòng)態(tài)字符串

• 字符串長度處理：Redis獲取字符串長度，時(shí)間復(fù)雜度為O(1)，而C語言中，需要從頭開始遍歷，復(fù)雜度為O（n）;
• 空間預(yù)分配：字符串修改越頻繁的話，內(nèi)存分配越頻繁，就會(huì)消耗性能，而SDS修改和空間擴(kuò)充，會(huì)額外分配未使用的空間，減少性能損耗。
• 惰性空間釋放：SDS 縮短時(shí)，不是回收多余的內(nèi)存空間，而是free記錄下多余的空間，后續(xù)有變更，直接使用free中記錄的空間，減少分配。
• 二進(jìn)制安全：Redis可以存儲(chǔ)一些二進(jìn)制數(shù)據(jù)，在C語言中字符串遇到'\0'會(huì)結(jié)束，而 SDS中標(biāo)志字符串結(jié)束的是len屬性。

字典

Redis 作為 K-V 型內(nèi)存數(shù)據(jù)庫，所有的鍵值就是用字典來存儲(chǔ)。字典就是哈希表，比如HashMap，通過key就可以直接獲取到對(duì)應(yīng)的value。而哈希表的特性，在O（1）時(shí)間復(fù)雜度就可以獲得對(duì)應(yīng)的值。

跳躍表

• 跳躍表是Redis特有的數(shù)據(jù)結(jié)構(gòu)，就是在鏈表的基礎(chǔ)上，增加多級(jí)索引提升查找效率。
• 跳躍表支持平均 O（logN）,最壞 O（N）復(fù)雜度的節(jié)點(diǎn)查找，還可以通過順序性操作批量處理節(jié)點(diǎn)。

3.3 合理的數(shù)據(jù)編碼

Redis 支持多種數(shù)據(jù)數(shù)據(jù)類型，每種基本類型，可能對(duì)多種數(shù)據(jù)結(jié)構(gòu)。什么時(shí)候,使用什么樣數(shù)據(jù)結(jié)構(gòu)，使用什么樣編碼，是redis設(shè)計(jì)者總結(jié)優(yōu)化的結(jié)果。

• String：如果存儲(chǔ)數(shù)字的話，是用int類型的編碼;如果存儲(chǔ)非數(shù)字，小于等于39字節(jié)的字符串，是embstr；大于39個(gè)字節(jié)，則是raw編碼。
• List：如果列表的元素個(gè)數(shù)小于512個(gè)，列表每個(gè)元素的值都小于64字節(jié)（默認(rèn)），使用ziplist編碼，否則使用linkedlist編碼
• Hash：哈希類型元素個(gè)數(shù)小于512個(gè)，所有值小于64字節(jié)的話，使用ziplist編碼,否則使用hashtable編碼。
• Set：如果集合中的元素都是整數(shù)且元素個(gè)數(shù)小于512個(gè)，使用intset編碼，否則使用hashtable編碼。
• Zset：當(dāng)有序集合的元素個(gè)數(shù)小于128個(gè)，每個(gè)元素的值小于64字節(jié)時(shí)，使用ziplist編碼，否則使用skiplist（跳躍表）編碼

3.4 合理的線程模型

I/O 多路復(fù)用

多路I/O復(fù)用技術(shù)可以讓單個(gè)線程高效的處理多個(gè)連接請(qǐng)求，而Redis使用用epoll作為I/O多路復(fù)用技術(shù)的實(shí)現(xiàn)。并且，Redis自身的事件處理模型將epoll中的連接、讀寫、關(guān)閉都轉(zhuǎn)換為事件，不在網(wǎng)絡(luò)I/O上浪費(fèi)過多的時(shí)間。

什么是I/O多路復(fù)用？

• I/O ：網(wǎng)絡(luò) I/O
• 多路 ：多個(gè)網(wǎng)絡(luò)連接
• 復(fù)用：復(fù)用同一個(gè)線程。
• IO多路復(fù)用其實(shí)就是一種同步IO模型，它實(shí)現(xiàn)了一個(gè)線程可以監(jiān)視多個(gè)文件句柄；一旦某個(gè)文件句柄就緒，就能夠通知應(yīng)用程序進(jìn)行相應(yīng)的讀寫操作；而沒有文件句柄就緒時(shí),就會(huì)阻塞應(yīng)用程序，交出cpu。

單線程模型

• Redis是單線程模型的，而單線程避免了CPU不必要的上下文切換和競爭鎖的消耗。也正因?yàn)槭菃尉€程，如果某個(gè)命令執(zhí)行過長（如hgetall命令），會(huì)造成阻塞。Redis是面向快速執(zhí)行場景的數(shù)據(jù)庫。，所以要慎用如smembers和lrange、hgetall等命令。
• Redis 6.0 引入了多線程提速，它的執(zhí)行命令操作內(nèi)存的仍然是個(gè)單線程。

3.5 虛擬內(nèi)存機(jī)制

Redis直接自己構(gòu)建了VM機(jī)制 ，不會(huì)像一般的系統(tǒng)會(huì)調(diào)用系統(tǒng)函數(shù)處理，會(huì)浪費(fèi)一定的時(shí)間去移動(dòng)和請(qǐng)求。

Redis的虛擬內(nèi)存機(jī)制是啥呢？

虛擬內(nèi)存機(jī)制就是暫時(shí)把不經(jīng)常訪問的數(shù)據(jù)(冷數(shù)據(jù))從內(nèi)存交換到磁盤中，從而騰出寶貴的內(nèi)存空間用于其它需要訪問的數(shù)據(jù)(熱數(shù)據(jù))。通過VM功能可以實(shí)現(xiàn)冷熱數(shù)據(jù)分離，使熱數(shù)據(jù)仍在內(nèi)存中、冷數(shù)據(jù)保存到磁盤。這樣就可以避免因?yàn)閮?nèi)存不足而造成訪問速度下降的問題。

4. 什么是緩存擊穿、緩存穿透、緩存雪崩？

4.1 緩存穿透問題

先來看一個(gè)常見的緩存使用方式：讀請(qǐng)求來了，先查下緩存，緩存有值命中，就直接返回；緩存沒命中，就去查數(shù)據(jù)庫，然后把數(shù)據(jù)庫的值更新到緩存，再返回。

緩存穿透：指查詢一個(gè)一定不存在的數(shù)據(jù)，由于緩存是不命中時(shí)需要從數(shù)據(jù)庫查詢，查不到數(shù)據(jù)則不寫入緩存，這將導(dǎo)致這個(gè)不存在的數(shù)據(jù)每次請(qǐng)求都要到數(shù)據(jù)庫去查詢，進(jìn)而給數(shù)據(jù)庫帶來壓力。

通俗點(diǎn)說，讀請(qǐng)求訪問時(shí)，緩存和數(shù)據(jù)庫都沒有某個(gè)值，這樣就會(huì)導(dǎo)致每次對(duì)這個(gè)值的查詢請(qǐng)求都會(huì)穿透到數(shù)據(jù)庫，這就是緩存穿透。

緩存穿透一般都是這幾種情況產(chǎn)生的：

• 業(yè)務(wù)不合理的設(shè)計(jì)，比如大多數(shù)用戶都沒開守護(hù)，但是你的每個(gè)請(qǐng)求都去緩存，查詢某個(gè)userid查詢有沒有守護(hù)。
• 業(yè)務(wù)/運(yùn)維/開發(fā)失誤的操作，比如緩存和數(shù)據(jù)庫的數(shù)據(jù)都被誤刪除了。
• 黑客非法請(qǐng)求攻擊，比如黑客故意捏造大量非法請(qǐng)求，以讀取不存在的業(yè)務(wù)數(shù)據(jù)。

如何避免緩存穿透呢？ 一般有三種方法。

• 1.如果是非法請(qǐng)求，我們?cè)贏PI入口，對(duì)參數(shù)進(jìn)行校驗(yàn)，過濾非法值。
• 2.如果查詢數(shù)據(jù)庫為空，我們可以給緩存設(shè)置個(gè)空值，或者默認(rèn)值。但是如有有寫請(qǐng)求進(jìn)來的話，需要更新緩存哈，以保證緩存一致性，同時(shí)，最后給緩存設(shè)置適當(dāng)?shù)倪^期時(shí)間。（業(yè)務(wù)上比較常用，簡單有效）
• 3.使用布隆過濾器快速判斷數(shù)據(jù)是否存在。即一個(gè)查詢請(qǐng)求過來時(shí)，先通過布隆過濾器判斷值是否存在，存在才繼續(xù)往下查。

布隆過濾器原理：它由初始值為0的位圖數(shù)組和N個(gè)哈希函數(shù)組成。一個(gè)對(duì)一個(gè)key進(jìn)行N個(gè)hash算法獲取N個(gè)值，在比特?cái)?shù)組中將這N個(gè)值散列后設(shè)定為1，然后查的時(shí)候如果特定的這幾個(gè)位置都為1，那么布隆過濾器判斷該key存在。

4.2 緩存雪奔問題

緩存雪奔： 指緩存中數(shù)據(jù)大批量到過期時(shí)間，而查詢數(shù)據(jù)量巨大，請(qǐng)求都直接訪問數(shù)據(jù)庫，引起數(shù)據(jù)庫壓力過大甚至down機(jī)。

• 緩存雪奔一般是由于大量數(shù)據(jù)同時(shí)過期造成的，對(duì)于這個(gè)原因，可通過均勻設(shè)置過期時(shí)間解決，即讓過期時(shí)間相對(duì)離散一點(diǎn)。如采用一個(gè)較大固定值+一個(gè)較小的隨機(jī)值，5小時(shí)+0到1800秒醬紫。
• Redis 故障宕機(jī)也可能引起緩存雪奔。這就需要構(gòu)造Redis高可用集群啦。

4.3 緩存擊穿問題

緩存擊穿： 指熱點(diǎn)key在某個(gè)時(shí)間點(diǎn)過期的時(shí)候，而恰好在這個(gè)時(shí)間點(diǎn)對(duì)這個(gè)Key有大量的并發(fā)請(qǐng)求過來，從而大量的請(qǐng)求打到db。

緩存擊穿看著有點(diǎn)像，其實(shí)它兩區(qū)別是，緩存雪奔是指數(shù)據(jù)庫壓力過大甚至down機(jī)，緩存擊穿只是大量并發(fā)請(qǐng)求到了DB數(shù)據(jù)庫層面。可以認(rèn)為擊穿是緩存雪奔的一個(gè)子集吧。有些文章認(rèn)為它倆區(qū)別，是區(qū)別在于擊穿針對(duì)某一熱點(diǎn)key緩存，雪奔則是很多key。

解決方案就有兩種：

• 1.使用互斥鎖方案。緩存失效時(shí)，不是立即去加載db數(shù)據(jù)，而是先使用某些帶成功返回的原子操作命令，如(Redis的setnx）去操作，成功的時(shí)候，再去加載db數(shù)據(jù)庫數(shù)據(jù)和設(shè)置緩存。否則就去重試獲取緩存。
• 2. “永不過期”，是指沒有設(shè)置過期時(shí)間，但是熱點(diǎn)數(shù)據(jù)快要過期時(shí)，異步線程去更新和設(shè)置過期時(shí)間。

5. 什么是熱Key問題，如何解決熱key問題

什么是熱Key呢？在Redis中，我們把訪問頻率高的key，稱為熱點(diǎn)key。

如果某一熱點(diǎn)key的請(qǐng)求到服務(wù)器主機(jī)時(shí)，由于請(qǐng)求量特別大，可能會(huì)導(dǎo)致主機(jī)資源不足，甚至宕機(jī)，從而影響正常的服務(wù)。

而熱點(diǎn)Key是怎么產(chǎn)生的呢？主要原因有兩個(gè)：

• 用戶消費(fèi)的數(shù)據(jù)遠(yuǎn)大于生產(chǎn)的數(shù)據(jù)，如秒殺、熱點(diǎn)新聞等讀多寫少的場景。
• 請(qǐng)求分片集中，超過單Redi服務(wù)器的性能，比如固定名稱key，Hash落入同一臺(tái)服務(wù)器，瞬間訪問量極大，超過機(jī)器瓶頸，產(chǎn)生熱點(diǎn)Key問題。

那么在日常開發(fā)中，如何識(shí)別到熱點(diǎn)key呢？

• 憑經(jīng)驗(yàn)判斷哪些是熱Key；
• 客戶端統(tǒng)計(jì)上報(bào)；
• 服務(wù)代理層上報(bào)

如何解決熱key問題？

• Redis集群擴(kuò)容：增加分片副本，均衡讀流量；
• 將熱key分散到不同的服務(wù)器中；
• 使用二級(jí)緩存，即JVM本地緩存,減少Redis的讀請(qǐng)求。

6. Redis 過期策略和內(nèi)存淘汰策略

6.1 Redis的過期策略

我們?cè)?code style="font-size: 14px;padding: 2px 4px;border-radius: 4px;margin-right: 2px;margin-left: 2px;background-color: rgba(27, 31, 35, 0.05);font-family: "Operator Mono", Consolas, Monaco, Menlo, monospace;word-break: break-all;color: rgb(239, 112, 96);">set key的時(shí)候，可以給它設(shè)置一個(gè)過期時(shí)間，比如expire key 60。指定這key60s后過期，60s后，redis是如何處理的嘛？我們先來介紹幾種過期策略：

定時(shí)過期

每個(gè)設(shè)置過期時(shí)間的key都需要?jiǎng)?chuàng)建一個(gè)定時(shí)器，到過期時(shí)間就會(huì)立即對(duì)key進(jìn)行清除。該策略可以立即清除過期的數(shù)據(jù)，對(duì)內(nèi)存很友好；但是會(huì)占用大量的CPU資源去處理過期的數(shù)據(jù)，從而影響緩存的響應(yīng)時(shí)間和吞吐量。

惰性過期

只有當(dāng)訪問一個(gè)key時(shí)，才會(huì)判斷該key是否已過期，過期則清除。該策略可以最大化地節(jié)省CPU資源，卻對(duì)內(nèi)存非常不友好。極端情況可能出現(xiàn)大量的過期key沒有再次被訪問，從而不會(huì)被清除，占用大量內(nèi)存。

定期過期

每隔一定的時(shí)間，會(huì)掃描一定數(shù)量的數(shù)據(jù)庫的expires字典中一定數(shù)量的key，并清除其中已過期的key。該策略是前兩者的一個(gè)折中方案。通過調(diào)整定時(shí)掃描的時(shí)間間隔和每次掃描的限定耗時(shí)，可以在不同情況下使得CPU和內(nèi)存資源達(dá)到最優(yōu)的平衡效果。

expires字典會(huì)保存所有設(shè)置了過期時(shí)間的key的過期時(shí)間數(shù)據(jù)，其中，key是指向鍵空間中的某個(gè)鍵的指針，value是該鍵的毫秒精度的UNIX時(shí)間戳表示的過期時(shí)間。鍵空間是指該Redis集群中保存的所有鍵。

Redis中同時(shí)使用了惰性過期和定期過期兩種過期策略。

• 假設(shè)Redis當(dāng)前存放30萬個(gè)key，并且都設(shè)置了過期時(shí)間，如果你每隔100ms就去檢查這全部的key，CPU負(fù)載會(huì)特別高，最后可能會(huì)掛掉。
• 因此，redis采取的是定期過期，每隔100ms就隨機(jī)抽取一定數(shù)量的key來檢查和刪除的。
• 但是呢，最后可能會(huì)有很多已經(jīng)過期的key沒被刪除。這時(shí)候，redis采用惰性刪除。在你獲取某個(gè)key的時(shí)候，redis會(huì)檢查一下，這個(gè)key如果設(shè)置了過期時(shí)間并且已經(jīng)過期了，此時(shí)就會(huì)刪除。

但是呀，如果定期刪除漏掉了很多過期的key，然后也沒走惰性刪除。就會(huì)有很多過期key積在內(nèi)存內(nèi)存，直接會(huì)導(dǎo)致內(nèi)存爆的。或者有些時(shí)候，業(yè)務(wù)量大起來了，redis的key被大量使用，內(nèi)存直接不夠了，運(yùn)維小哥哥也忘記加大內(nèi)存了。難道redis直接這樣掛掉？不會(huì)的！Redis用8種內(nèi)存淘汰策略保護(hù)自己~

6.2 Redis 內(nèi)存淘汰策略

• volatile-lru：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從設(shè)置了過期時(shí)間的key中使用LRU（最近最少使用）算法進(jìn)行淘汰；
• allkeys-lru：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從所有key中使用LRU（最近最少使用）算法進(jìn)行淘汰。
• volatile-lfu：4.0版本新增，當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在過期的key中，使用LFU算法進(jìn)行刪除key。
• allkeys-lfu：4.0版本新增，當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從所有key中使用LFU算法進(jìn)行淘汰；
• volatile-random：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從設(shè)置了過期時(shí)間的key中，隨機(jī)淘汰數(shù)據(jù)；。
• allkeys-random：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從所有key中隨機(jī)淘汰數(shù)據(jù)。
• volatile-ttl：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在設(shè)置了過期時(shí)間的key中，根據(jù)過期時(shí)間進(jìn)行淘汰，越早過期的優(yōu)先被淘汰；
• noeviction：默認(rèn)策略，當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，新寫入操作會(huì)報(bào)錯(cuò)。

7.說說Redis的常用應(yīng)用場景

• 緩存
• 排行榜
• 計(jì)數(shù)器應(yīng)用
• 共享Session
• 分布式鎖
• 社交網(wǎng)絡(luò)
• 消息隊(duì)列
• 位操作

7.1 緩存

我們一提到redis，自然而然就想到緩存，國內(nèi)外中大型的網(wǎng)站都離不開緩存。合理的利用緩存，比如緩存熱點(diǎn)數(shù)據(jù)，不僅可以提升網(wǎng)站的訪問速度，還可以降低數(shù)據(jù)庫DB的壓力。并且，Redis相比于memcached，還提供了豐富的數(shù)據(jù)結(jié)構(gòu)，并且提供RDB和AOF等持久化機(jī)制，強(qiáng)的一批。

7.2 排行榜

當(dāng)今互聯(lián)網(wǎng)應(yīng)用，有各種各樣的排行榜，如電商網(wǎng)站的月度銷量排行榜、社交APP的禮物排行榜、小程序的投票排行榜等等。Redis提供的zset數(shù)據(jù)類型能夠?qū)崿F(xiàn)這些復(fù)雜的排行榜。

比如，用戶每天上傳視頻，獲得點(diǎn)贊的排行榜可以這樣設(shè)計(jì)：

• 1.用戶Jay上傳一個(gè)視頻，獲得6個(gè)贊，可以醬紫：

zadd?user:ranking:2021-03-03?Jay?3

• 2.過了一段時(shí)間，再獲得一個(gè)贊，可以這樣：
  

zincrby?user:ranking:2021-03-03?Jay?1

• 3.如果某個(gè)用戶John作弊，需要?jiǎng)h除該用戶：
  

zrem?user:ranking:2021-03-03?John

• 4.展示獲取贊數(shù)最多的3個(gè)用戶
  

zrevrangebyrank?user:ranking:2021-03-03?0?2

7.3 計(jì)數(shù)器應(yīng)用

各大網(wǎng)站、APP應(yīng)用經(jīng)常需要計(jì)數(shù)器的功能，如短視頻的播放數(shù)、電商網(wǎng)站的瀏覽數(shù)。這些播放數(shù)、瀏覽數(shù)一般要求實(shí)時(shí)的，每一次播放和瀏覽都要做加1的操作，如果并發(fā)量很大對(duì)于傳統(tǒng)關(guān)系型數(shù)據(jù)的性能是一種挑戰(zhàn)。Redis天然支持計(jì)數(shù)功能而且計(jì)數(shù)的性能也非常好，可以說是計(jì)數(shù)器系統(tǒng)的重要選擇。

7.4 共享Session

如果一個(gè)分布式Web服務(wù)將用戶的Session信息保存在各自服務(wù)器，用戶刷新一次可能就需要重新登錄了，這樣顯然有問題。實(shí)際上，可以使用Redis將用戶的Session進(jìn)行集中管理，每次用戶更新或者查詢登錄信息都直接從Redis中集中獲取。

7.5 分布式鎖

幾乎每個(gè)互聯(lián)網(wǎng)公司中都使用了分布式部署，分布式服務(wù)下，就會(huì)遇到對(duì)同一個(gè)資源的并發(fā)訪問的技術(shù)難題，如秒殺、下單減庫存等場景。

• 用synchronize或者reentrantlock本地鎖肯定是不行的。
• 如果是并發(fā)量不大話，使用數(shù)據(jù)庫的悲觀鎖、樂觀鎖來實(shí)現(xiàn)沒啥問題。
• 但是在并發(fā)量高的場合中，利用數(shù)據(jù)庫鎖來控制資源的并發(fā)訪問，會(huì)影響數(shù)據(jù)庫的性能。
• 實(shí)際上，可以用Redis的setnx來實(shí)現(xiàn)分布式的鎖。

7.6 社交網(wǎng)絡(luò)

贊/踩、粉絲、共同好友/喜好、推送、下拉刷新等是社交網(wǎng)站的必備功能，由于社交網(wǎng)站訪問量通常比較大，而且傳統(tǒng)的關(guān)系型數(shù)據(jù)不太適保存 這種類型的數(shù)據(jù)，Redis提供的數(shù)據(jù)結(jié)構(gòu)可以相對(duì)比較容易地實(shí)現(xiàn)這些功能。

7.7 消息隊(duì)列

消息隊(duì)列是大型網(wǎng)站必用中間件，如ActiveMQ、RabbitMQ、Kafka等流行的消息隊(duì)列中間件，主要用于業(yè)務(wù)解耦、流量削峰及異步處理實(shí)時(shí)性低的業(yè)務(wù)。Redis提供了發(fā)布/訂閱及阻塞隊(duì)列功能，能實(shí)現(xiàn)一個(gè)簡單的消息隊(duì)列系統(tǒng)。另外，這個(gè)不能和專業(yè)的消息中間件相比。

7.8 位操作

用于數(shù)據(jù)量上億的場景下，例如幾億用戶系統(tǒng)的簽到，去重登錄次數(shù)統(tǒng)計(jì)，某用戶是否在線狀態(tài)等等。騰訊10億用戶，要幾個(gè)毫秒內(nèi)查詢到某個(gè)用戶是否在線，能怎么做？千萬別說給每個(gè)用戶建立一個(gè)key，然后挨個(gè)記（你可以算一下需要的內(nèi)存會(huì)很恐怖，而且這種類似的需求很多。這里要用到位操作——使用setbit、getbit、bitcount命令。原理是：redis內(nèi)構(gòu)建一個(gè)足夠長的數(shù)組，每個(gè)數(shù)組元素只能是0和1兩個(gè)值，然后這個(gè)數(shù)組的下標(biāo)index用來表示用戶id（必須是數(shù)字哈），那么很顯然，這個(gè)幾億長的大數(shù)組就能通過下標(biāo)和元素值（0和1）來構(gòu)建一個(gè)記憶系統(tǒng)。

8. Redis 的持久化機(jī)制有哪些？優(yōu)缺點(diǎn)說說

Redis是基于內(nèi)存的非關(guān)系型K-V數(shù)據(jù)庫，既然它是基于內(nèi)存的，如果Redis服務(wù)器掛了，數(shù)據(jù)就會(huì)丟失。為了避免數(shù)據(jù)丟失了，Redis提供了持久化，即把數(shù)據(jù)保存到磁盤。

Redis提供了RDB和AOF兩種持久化機(jī)制，它持久化文件加載流程如下：

8.1 RDB

RDB，就是把內(nèi)存數(shù)據(jù)以快照的形式保存到磁盤上。

什么是快照?可以這樣理解，給當(dāng)前時(shí)刻的數(shù)據(jù)，拍一張照片，然后保存下來。

RDB持久化，是指在指定的時(shí)間間隔內(nèi)，執(zhí)行指定次數(shù)的寫操作，將內(nèi)存中的數(shù)據(jù)集快照寫入磁盤中，它是Redis默認(rèn)的持久化方式。執(zhí)行完操作后，在指定目錄下會(huì)生成一個(gè)dump.rdb文件，Redis 重啟的時(shí)候，通過加載dump.rdb文件來恢復(fù)數(shù)據(jù)。RDB觸發(fā)機(jī)制主要有以下幾種：

RDB 的優(yōu)點(diǎn)

• 適合大規(guī)模的數(shù)據(jù)恢復(fù)場景，如備份，全量復(fù)制等

RDB缺點(diǎn)

• 沒辦法做到實(shí)時(shí)持久化/秒級(jí)持久化。
• 新老版本存在RDB格式兼容問題

AOF

AOF（append only file） 持久化，采用日志的形式來記錄每個(gè)寫操作，追加到文件中，重啟時(shí)再重新執(zhí)行AOF文件中的命令來恢復(fù)數(shù)據(jù)。它主要解決數(shù)據(jù)持久化的實(shí)時(shí)性問題。默認(rèn)是不開啟的。

AOF的工作流程如下：

AOF的優(yōu)點(diǎn)

• 數(shù)據(jù)的一致性和完整性更高

AOF的缺點(diǎn)

• AOF記錄的內(nèi)容越多，文件越大，數(shù)據(jù)恢復(fù)變慢。

9.怎么實(shí)現(xiàn)Redis的高可用？

我們?cè)陧?xiàng)目中使用Redis，肯定不會(huì)是單點(diǎn)部署Redis服務(wù)的。因?yàn)椋瑔吸c(diǎn)部署一旦宕機(jī)，就不可用了。為了實(shí)現(xiàn)高可用，通常的做法是，將數(shù)據(jù)庫復(fù)制多個(gè)副本以部署在不同的服務(wù)器上，其中一臺(tái)掛了也可以繼續(xù)提供服務(wù)。Redis 實(shí)現(xiàn)高可用有三種部署模式：主從模式，哨兵模式，集群模式。

9.1 主從模式

主從模式中，Redis部署了多臺(tái)機(jī)器，有主節(jié)點(diǎn)，負(fù)責(zé)讀寫操作，有從節(jié)點(diǎn)，只負(fù)責(zé)讀操作。從節(jié)點(diǎn)的數(shù)據(jù)來自主節(jié)點(diǎn)，實(shí)現(xiàn)原理就是主從復(fù)制機(jī)制

主從復(fù)制包括全量復(fù)制，增量復(fù)制兩種。一般當(dāng)slave第一次啟動(dòng)連接master，或者認(rèn)為是第一次連接，就采用全量復(fù)制，全量復(fù)制流程如下：

• 1.slave發(fā)送sync命令到master。
• 2.master接收到SYNC命令后，執(zhí)行bgsave命令，生成RDB全量文件。
• 3.master使用緩沖區(qū)，記錄RDB快照生成期間的所有寫命令。
• 4.master執(zhí)行完bgsave后，向所有slave發(fā)送RDB快照文件。
• 5.slave收到RDB快照文件后，載入、解析收到的快照。
• 6.master使用緩沖區(qū)，記錄RDB同步期間生成的所有寫的命令。
• 7.master快照發(fā)送完畢后，開始向slave發(fā)送緩沖區(qū)中的寫命令;
• 8.salve接受命令請(qǐng)求，并執(zhí)行來自master緩沖區(qū)的寫命令

redis2.8版本之后，已經(jīng)使用psync來替代sync，因?yàn)閟ync命令非常消耗系統(tǒng)資源，psync的效率更高。

slave與master全量同步之后，master上的數(shù)據(jù)，如果再次發(fā)生更新，就會(huì)觸發(fā)增量復(fù)制。

當(dāng)master節(jié)點(diǎn)發(fā)生數(shù)據(jù)增減時(shí)，就會(huì)觸發(fā)replicationFeedSalves()函數(shù)，接下來在 Master節(jié)點(diǎn)上調(diào)用的每一個(gè)命令會(huì)使用replicationFeedSlaves()來同步到Slave節(jié)點(diǎn)。執(zhí)行此函數(shù)之前呢，master節(jié)點(diǎn)會(huì)判斷用戶執(zhí)行的命令是否有數(shù)據(jù)更新，如果有數(shù)據(jù)更新的話，并且slave節(jié)點(diǎn)不為空，就會(huì)執(zhí)行此函數(shù)。這個(gè)函數(shù)作用就是：把用戶執(zhí)行的命令發(fā)送到所有的slave節(jié)點(diǎn)，讓slave節(jié)點(diǎn)執(zhí)行。流程如下：

9.2 哨兵模式

主從模式中，一旦主節(jié)點(diǎn)由于故障不能提供服務(wù)，需要人工將從節(jié)點(diǎn)晉升為主節(jié)點(diǎn)，同時(shí)還要通知應(yīng)用方更新主節(jié)點(diǎn)地址。顯然，多數(shù)業(yè)務(wù)場景都不能接受這種故障處理方式。Redis從2.8開始正式提供了Redis Sentinel（哨兵）架構(gòu)來解決這個(gè)問題。

哨兵模式，由一個(gè)或多個(gè)Sentinel實(shí)例組成的Sentinel系統(tǒng)，它可以監(jiān)視所有的Redis主節(jié)點(diǎn)和從節(jié)點(diǎn)，并在被監(jiān)視的主節(jié)點(diǎn)進(jìn)入下線狀態(tài)時(shí)，自動(dòng)將下線主服務(wù)器屬下的某個(gè)從節(jié)點(diǎn)升級(jí)為新的主節(jié)點(diǎn)。但是呢，一個(gè)哨兵進(jìn)程對(duì)Redis節(jié)點(diǎn)進(jìn)行監(jiān)控，就可能會(huì)出現(xiàn)問題（單點(diǎn)問題），因此，可以使用多個(gè)哨兵來進(jìn)行監(jiān)控Redis節(jié)點(diǎn)，并且各個(gè)哨兵之間還會(huì)進(jìn)行監(jiān)控。

簡單來說，哨兵模式就三個(gè)作用：

• 發(fā)送命令，等待Redis服務(wù)器（包括主服務(wù)器和從服務(wù)器）返回監(jiān)控其運(yùn)行狀態(tài)；
• 哨兵監(jiān)測(cè)到主節(jié)點(diǎn)宕機(jī)，會(huì)自動(dòng)將從節(jié)點(diǎn)切換成主節(jié)點(diǎn)，然后通過發(fā)布訂閱模式通知其他的從節(jié)點(diǎn)，修改配置文件，讓它們切換主機(jī)；
• 哨兵之間還會(huì)相互監(jiān)控，從而達(dá)到高可用。

故障切換的過程是怎樣的呢

假設(shè)主服務(wù)器宕機(jī)，哨兵1先檢測(cè)到這個(gè)結(jié)果，系統(tǒng)并不會(huì)馬上進(jìn)行 failover 過程，僅僅是哨兵1主觀的認(rèn)為主服務(wù)器不可用，這個(gè)現(xiàn)象成為主觀下線。當(dāng)后面的哨兵也檢測(cè)到主服務(wù)器不可用，并且數(shù)量達(dá)到一定值時(shí)，那么哨兵之間就會(huì)進(jìn)行一次投票，投票的結(jié)果由一個(gè)哨兵發(fā)起，進(jìn)行 failover 操作。切換成功后，就會(huì)通過發(fā)布訂閱模式，讓各個(gè)哨兵把自己監(jiān)控的從服務(wù)器實(shí)現(xiàn)切換主機(jī)，這個(gè)過程稱為客觀下線。這樣對(duì)于客戶端而言，一切都是透明的。

哨兵的工作模式如下：

1. 每個(gè)Sentinel以每秒鐘一次的頻率向它所知的Master，Slave以及其他Sentinel實(shí)例發(fā)送一個(gè) PING命令。
2. 如果一個(gè)實(shí)例（instance）距離最后一次有效回復(fù) PING 命令的時(shí)間超過 down-after-milliseconds 選項(xiàng)所指定的值， 則這個(gè)實(shí)例會(huì)被 Sentinel標(biāo)記為主觀下線。
3. 如果一個(gè)Master被標(biāo)記為主觀下線，則正在監(jiān)視這個(gè)Master的所有 Sentinel 要以每秒一次的頻率確認(rèn)Master的確進(jìn)入了主觀下線狀態(tài)。
4. 當(dāng)有足夠數(shù)量的 Sentinel（大于等于配置文件指定的值）在指定的時(shí)間范圍內(nèi)確認(rèn)Master的確進(jìn)入了主觀下線狀態(tài)， 則Master會(huì)被標(biāo)記為客觀下線。
5. 在一般情況下， 每個(gè) Sentinel 會(huì)以每10秒一次的頻率向它已知的所有Master，Slave發(fā)送 INFO 命令。
6. 當(dāng)Master被 Sentinel 標(biāo)記為客觀下線時(shí)，Sentinel 向下線的 Master 的所有 Slave 發(fā)送 INFO 命令的頻率會(huì)從 10 秒一次改為每秒一次
7. 若沒有足夠數(shù)量的 Sentinel同意Master已經(jīng)下線， Master的客觀下線狀態(tài)就會(huì)被移除；若Master 重新向 Sentinel 的 PING 命令返回有效回復(fù)， Master 的主觀下線狀態(tài)就會(huì)被移除。

9.3 Cluster集群模式

哨兵模式基于主從模式，實(shí)現(xiàn)讀寫分離，它還可以自動(dòng)切換，系統(tǒng)可用性更高。但是它每個(gè)節(jié)點(diǎn)存儲(chǔ)的數(shù)據(jù)是一樣的，浪費(fèi)內(nèi)存，并且不好在線擴(kuò)容。因此，Cluster集群應(yīng)運(yùn)而生，它在Redis3.0加入的，實(shí)現(xiàn)了Redis的分布式存儲(chǔ)。對(duì)數(shù)據(jù)進(jìn)行分片，也就是說每臺(tái)Redis節(jié)點(diǎn)上存儲(chǔ)不同的內(nèi)容，來解決在線擴(kuò)容的問題。并且，它也提供復(fù)制和故障轉(zhuǎn)移的功能。

Cluster集群節(jié)點(diǎn)的通訊

一個(gè)Redis集群由多個(gè)節(jié)點(diǎn)組成，各個(gè)節(jié)點(diǎn)之間是怎么通信的呢？通過Gossip協(xié)議！

Redis Cluster集群通過Gossip協(xié)議進(jìn)行通信，節(jié)點(diǎn)之前不斷交換信息，交換的信息內(nèi)容包括節(jié)點(diǎn)出現(xiàn)故障、新節(jié)點(diǎn)加入、主從節(jié)點(diǎn)變更信息、slot信息等等。常用的Gossip消息分為4種，分別是：ping、pong、meet、fail。

• meet消息：通知新節(jié)點(diǎn)加入。消息發(fā)送者通知接收者加入到當(dāng)前集群，meet消息通信正常完成后，接收節(jié)點(diǎn)會(huì)加入到集群中并進(jìn)行周期性的ping、pong消息交換。
• ping消息：集群內(nèi)交換最頻繁的消息，集群內(nèi)每個(gè)節(jié)點(diǎn)每秒向多個(gè)其他節(jié)點(diǎn)發(fā)送ping消息，用于檢測(cè)節(jié)點(diǎn)是否在線和交換彼此狀態(tài)信息。
• pong消息：當(dāng)接收到ping、meet消息時(shí)，作為響應(yīng)消息回復(fù)給發(fā)送方確認(rèn)消息正常通信。pong消息內(nèi)部封裝了自身狀態(tài)數(shù)據(jù)。節(jié)點(diǎn)也可以向集群內(nèi)廣播自身的pong消息來通知整個(gè)集群對(duì)自身狀態(tài)進(jìn)行更新。
• fail消息：當(dāng)節(jié)點(diǎn)判定集群內(nèi)另一個(gè)節(jié)點(diǎn)下線時(shí)，會(huì)向集群內(nèi)廣播一個(gè)fail消息，其他節(jié)點(diǎn)接收到fail消息之后把對(duì)應(yīng)節(jié)點(diǎn)更新為下線狀態(tài)。

特別的，每個(gè)節(jié)點(diǎn)是通過集群總線(cluster bus) 與其他的節(jié)點(diǎn)進(jìn)行通信的。通訊時(shí)，使用特殊的端口號(hào)，即對(duì)外服務(wù)端口號(hào)加10000。例如如果某個(gè)node的端口號(hào)是6379，那么它與其它nodes通信的端口號(hào)是 16379。nodes 之間的通信采用特殊的二進(jìn)制協(xié)議。

Hash Slot插槽算法

既然是分布式存儲(chǔ)，Cluster集群使用的分布式算法是一致性Hash嘛？并不是，而是Hash Slot插槽算法。

插槽算法把整個(gè)數(shù)據(jù)庫被分為16384個(gè)slot（槽），每個(gè)進(jìn)入Redis的鍵值對(duì)，根據(jù)key進(jìn)行散列，分配到這16384插槽中的一個(gè)。使用的哈希映射也比較簡單，用CRC16算法計(jì)算出一個(gè)16 位的值，再對(duì)16384取模。數(shù)據(jù)庫中的每個(gè)鍵都屬于這16384個(gè)槽的其中一個(gè)，集群中的每個(gè)節(jié)點(diǎn)都可以處理這16384個(gè)槽。

集群中的每個(gè)節(jié)點(diǎn)負(fù)責(zé)一部分的hash槽，比如當(dāng)前集群有A、B、C個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)上的哈希槽數(shù) =16384/3，那么就有：

• 節(jié)點(diǎn)A負(fù)責(zé)0~5460號(hào)哈希槽
• 節(jié)點(diǎn)B負(fù)責(zé)5461~10922號(hào)哈希槽
• 節(jié)點(diǎn)C負(fù)責(zé)10923~16383號(hào)哈希槽

Redis Cluster集群

Redis Cluster集群中，需要確保16384個(gè)槽對(duì)應(yīng)的node都正常工作，如果某個(gè)node出現(xiàn)故障，它負(fù)責(zé)的slot也會(huì)失效，整個(gè)集群將不能工作。

因此為了保證高可用，Cluster集群引入了主從復(fù)制，一個(gè)主節(jié)點(diǎn)對(duì)應(yīng)一個(gè)或者多個(gè)從節(jié)點(diǎn)。當(dāng)其它主節(jié)點(diǎn) ping 一個(gè)主節(jié)點(diǎn) A 時(shí)，如果半數(shù)以上的主節(jié)點(diǎn)與 A 通信超時(shí)，那么認(rèn)為主節(jié)點(diǎn) A 宕機(jī)了。如果主節(jié)點(diǎn)宕機(jī)時(shí)，就會(huì)啟用從節(jié)點(diǎn)。

在Redis的每一個(gè)節(jié)點(diǎn)上，都有兩個(gè)玩意，一個(gè)是插槽（slot），它的取值范圍是0~16383。另外一個(gè)是cluster，可以理解為一個(gè)集群管理的插件。當(dāng)我們存取的key到達(dá)時(shí)，Redis 會(huì)根據(jù)CRC16算法得出一個(gè)16 bit的值，然后把結(jié)果對(duì)16384取模。醬紫每個(gè)key都會(huì)對(duì)應(yīng)一個(gè)編號(hào)在 0~16383 之間的哈希槽，通過這個(gè)值，去找到對(duì)應(yīng)的插槽所對(duì)應(yīng)的節(jié)點(diǎn)，然后直接自動(dòng)跳轉(zhuǎn)到這個(gè)對(duì)應(yīng)的節(jié)點(diǎn)上進(jìn)行存取操作。

雖然數(shù)據(jù)是分開存儲(chǔ)在不同節(jié)點(diǎn)上的，但是對(duì)客戶端來說，整個(gè)集群Cluster，被看做一個(gè)整體。客戶端端連接任意一個(gè)node，看起來跟操作單實(shí)例的Redis一樣。當(dāng)客戶端操作的key沒有被分配到正確的node節(jié)點(diǎn)時(shí)，Redis會(huì)返回轉(zhuǎn)向指令，最后指向正確的node，這就有點(diǎn)像瀏覽器頁面的302 重定向跳轉(zhuǎn)。

故障轉(zhuǎn)移

Redis集群實(shí)現(xiàn)了高可用，當(dāng)集群內(nèi)節(jié)點(diǎn)出現(xiàn)故障時(shí)，通過故障轉(zhuǎn)移，以保證集群正常對(duì)外提供服務(wù)。

redis集群通過ping/pong消息，實(shí)現(xiàn)故障發(fā)現(xiàn)。這個(gè)環(huán)境包括主觀下線和客觀下線。

主觀下線： 某個(gè)節(jié)點(diǎn)認(rèn)為另一個(gè)節(jié)點(diǎn)不可用，即下線狀態(tài)，這個(gè)狀態(tài)并不是最終的故障判定，只能代表一個(gè)節(jié)點(diǎn)的意見，可能存在誤判情況。

客觀下線： 指標(biāo)記一個(gè)節(jié)點(diǎn)真正的下線，集群內(nèi)多個(gè)節(jié)點(diǎn)都認(rèn)為該節(jié)點(diǎn)不可用，從而達(dá)成共識(shí)的結(jié)果。如果是持有槽的主節(jié)點(diǎn)故障，需要為該節(jié)點(diǎn)進(jìn)行故障轉(zhuǎn)移。

• 假如節(jié)點(diǎn)A標(biāo)記節(jié)點(diǎn)B為主觀下線，一段時(shí)間后，節(jié)點(diǎn)A通過消息把節(jié)點(diǎn)B的狀態(tài)發(fā)到其它節(jié)點(diǎn)，當(dāng)節(jié)點(diǎn)C接受到消息并解析出消息體時(shí)，如果發(fā)現(xiàn)節(jié)點(diǎn)B的pfail狀態(tài)時(shí)，會(huì)觸發(fā)客觀下線流程；
• 當(dāng)下線為主節(jié)點(diǎn)時(shí)，此時(shí)Redis Cluster集群為統(tǒng)計(jì)持有槽的主節(jié)點(diǎn)投票，看投票數(shù)是否達(dá)到一半，當(dāng)下線報(bào)告統(tǒng)計(jì)數(shù)大于一半時(shí)，被標(biāo)記為客觀下線狀態(tài)。

流程如下：

故障恢復(fù)：故障發(fā)現(xiàn)后，如果下線節(jié)點(diǎn)的是主節(jié)點(diǎn)，則需要在它的從節(jié)點(diǎn)中選一個(gè)替換它，以保證集群的高可用。流程如下：

• 資格檢查：檢查從節(jié)點(diǎn)是否具備替換故障主節(jié)點(diǎn)的條件。
• 準(zhǔn)備選舉時(shí)間：資格檢查通過后，更新觸發(fā)故障選舉時(shí)間。
• 發(fā)起選舉：到了故障選舉時(shí)間，進(jìn)行選舉。
• 選舉投票：只有持有槽的主節(jié)點(diǎn)才有票，從節(jié)點(diǎn)收集到足夠的選票（大于一半），觸發(fā)替換主節(jié)點(diǎn)操作

10. 使用過Redis分布式鎖嘛？有哪些注意點(diǎn)呢？

分布式鎖，是控制分布式系統(tǒng)不同進(jìn)程共同訪問共享資源的一種鎖的實(shí)現(xiàn)。秒殺下單、搶紅包等等業(yè)務(wù)場景，都需要用到分布式鎖，我們項(xiàng)目中經(jīng)常使用Redis作為分布式鎖。

選了Redis分布式鎖的幾種實(shí)現(xiàn)方法，大家來討論下，看有沒有啥問題哈。

• 命令setnx + expire分開寫
• setnx + value值是過期時(shí)間
• set的擴(kuò)展命令（set ex px nx）
• set ex px nx + 校驗(yàn)唯一隨機(jī)值,再刪除

10.1 命令setnx + expire分開寫

if（jedis.setnx(key,lock_value)?==?1）{?//加鎖
????expire（key，100）;?//設(shè)置過期時(shí)間
????try?{
????????do?something??//業(yè)務(wù)請(qǐng)求
????}catch(){
??}
??finally?{
???????jedis.del(key);?//釋放鎖
????}
}

如果執(zhí)行完setnx加鎖，正要執(zhí)行expire設(shè)置過期時(shí)間時(shí)，進(jìn)程crash掉或者要重啟維護(hù)了，那這個(gè)鎖就“長生不老”了，別的線程永遠(yuǎn)獲取不到鎖啦，所以分布式鎖不能這么實(shí)現(xiàn)。

10.2 setnx + value值是過期時(shí)間

long?expires?=?System.currentTimeMillis()?+?expireTime;?//系統(tǒng)時(shí)間+設(shè)置的過期時(shí)間
String?expiresStr?=?String.valueOf(expires);

//?如果當(dāng)前鎖不存在，返回加鎖成功
if?(jedis.setnx(key,?expiresStr)?==?1)?{
????????return?true;
}?
//?如果鎖已經(jīng)存在，獲取鎖的過期時(shí)間
String?currentValueStr?=?jedis.get(key);

//?如果獲取到的過期時(shí)間，小于系統(tǒng)當(dāng)前時(shí)間，表示已經(jīng)過期
if?(currentValueStr?!=?null?&&?Long.parseLong(currentValueStr)?
?????//?鎖已過期，獲取上一個(gè)鎖的過期時(shí)間，并設(shè)置現(xiàn)在鎖的過期時(shí)間（不了解redis的getSet命令的小伙伴，可以去官網(wǎng)看下哈）
????String?oldValueStr?=?jedis.getSet(key_resource_id,?expiresStr);
????
????if?(oldValueStr?!=?null?&&?oldValueStr.equals(currentValueStr))?{
?????????//?考慮多線程并發(fā)的情況，只有一個(gè)線程的設(shè)置值和當(dāng)前值相同，它才可以加鎖
?????????return?true;
????}
}
????????
//其他情況，均返回加鎖失敗
return?false;
}

筆者看過有開發(fā)小伙伴是這么實(shí)現(xiàn)分布式鎖的，但是這種方案也有這些缺點(diǎn)：

• 過期時(shí)間是客戶端自己生成的，分布式環(huán)境下，每個(gè)客戶端的時(shí)間必須同步。
• 沒有保存持有者的唯一標(biāo)識(shí)，可能被別的客戶端釋放/解鎖。
• 鎖過期的時(shí)候，并發(fā)多個(gè)客戶端同時(shí)請(qǐng)求過來，都執(zhí)行了jedis.getSet()，最終只能有一個(gè)客戶端加鎖成功，但是該客戶端鎖的過期時(shí)間，可能被別的客戶端覆蓋。

10.3：set的擴(kuò)展命令（set ex px nx）（注意可能存在的問題）

if（jedis.set(key,?lock_value,?"NX",?"EX",?100s)?==?1）{?//加鎖
????try?{
????????do?something??//業(yè)務(wù)處理
????}catch(){
??}
??finally?{
???????jedis.del(key);?//釋放鎖
????}
}

這個(gè)方案可能存在這樣的問題：

• 鎖過期釋放了，業(yè)務(wù)還沒執(zhí)行完。
• 鎖被別的線程誤刪。

10.4 set ex px nx + 校驗(yàn)唯一隨機(jī)值,再刪除

if（jedis.set(key,?uni_request_id,?"NX",?"EX",?100s)?==?1）{?//加鎖
????try?{
????????do?something??//業(yè)務(wù)處理
????}catch(){
??}
??finally?{
???????//判斷是不是當(dāng)前線程加的鎖,是才釋放
???????if?(uni_request_id.equals(jedis.get(key)))?{
????????jedis.del(key);?//釋放鎖
????????}
????}
}

在這里，判斷當(dāng)前線程加的鎖和釋放鎖是不是一個(gè)原子操作。如果調(diào)用jedis.del()釋放鎖的時(shí)候，可能這把鎖已經(jīng)不屬于當(dāng)前客戶端，會(huì)解除他人加的鎖。

一般也是用lua腳本代替。lua腳本如下：

if?redis.call('get',KEYS[1])?==?ARGV[1]?then?
???return?redis.call('del',KEYS[1])?
else
???return?0
end;

這種方式比較不錯(cuò)了，一般情況下，已經(jīng)可以使用這種實(shí)現(xiàn)方式。但是存在鎖過期釋放了，業(yè)務(wù)還沒執(zhí)行完的問題（實(shí)際上，估算個(gè)業(yè)務(wù)處理的時(shí)間，一般沒啥問題了）。

11. 使用過Redisson嘛？說說它的原理

分布式鎖可能存在鎖過期釋放，業(yè)務(wù)沒執(zhí)行完的問題。有些小伙伴認(rèn)為，稍微把鎖過期時(shí)間設(shè)置長一些就可以啦。其實(shí)我們?cè)O(shè)想一下，是否可以給獲得鎖的線程，開啟一個(gè)定時(shí)守護(hù)線程，每隔一段時(shí)間檢查鎖是否還存在，存在則對(duì)鎖的過期時(shí)間延長，防止鎖過期提前釋放。

當(dāng)前開源框架Redisson就解決了這個(gè)分布式鎖問題。我們一起來看下Redisson底層原理是怎樣的吧：

只要線程一加鎖成功，就會(huì)啟動(dòng)一個(gè)watch dog看門狗，它是一個(gè)后臺(tái)線程，會(huì)每隔10秒檢查一下，如果線程1還持有鎖，那么就會(huì)不斷的延長鎖key的生存時(shí)間。因此，Redisson就是使用Redisson解決了鎖過期釋放，業(yè)務(wù)沒執(zhí)行完問題。

12. 什么是Redlock算法

Redis一般都是集群部署的，假設(shè)數(shù)據(jù)在主從同步過程，主節(jié)點(diǎn)掛了，Redis分布式鎖可能會(huì)有哪些問題呢？一起來看些這個(gè)流程圖：

如果線程一在Redis的master節(jié)點(diǎn)上拿到了鎖，但是加鎖的key還沒同步到slave節(jié)點(diǎn)。恰好這時(shí)，master節(jié)點(diǎn)發(fā)生故障，一個(gè)slave節(jié)點(diǎn)就會(huì)升級(jí)為master節(jié)點(diǎn)。線程二就可以獲取同個(gè)key的鎖啦，但線程一也已經(jīng)拿到鎖了，鎖的安全性就沒了。

為了解決這個(gè)問題，Redis作者 antirez提出一種高級(jí)的分布式鎖算法：Redlock。Redlock核心思想是這樣的：

搞多個(gè)Redis master部署，以保證它們不會(huì)同時(shí)宕掉。并且這些master節(jié)點(diǎn)是完全相互獨(dú)立的，相互之間不存在數(shù)據(jù)同步。同時(shí)，需要確保在這多個(gè)master實(shí)例上，是與在Redis單實(shí)例，使用相同方法來獲取和釋放鎖。

我們假設(shè)當(dāng)前有5個(gè)Redis master節(jié)點(diǎn)，在5臺(tái)服務(wù)器上面運(yùn)行這些Redis實(shí)例。

RedLock的實(shí)現(xiàn)步驟:如下

• 1.獲取當(dāng)前時(shí)間，以毫秒為單位。
• 2.按順序向5個(gè)master節(jié)點(diǎn)請(qǐng)求加鎖。客戶端設(shè)置網(wǎng)絡(luò)連接和響應(yīng)超時(shí)時(shí)間，并且超時(shí)時(shí)間要小于鎖的失效時(shí)間。（假設(shè)鎖自動(dòng)失效時(shí)間為10秒，則超時(shí)時(shí)間一般在5-50毫秒之間,我們就假設(shè)超時(shí)時(shí)間是50ms吧）。如果超時(shí)，跳過該master節(jié)點(diǎn)，盡快去嘗試下一個(gè)master節(jié)點(diǎn)。
• 3.客戶端使用當(dāng)前時(shí)間減去開始獲取鎖時(shí)間（即步驟1記錄的時(shí)間），得到獲取鎖使用的時(shí)間。當(dāng)且僅當(dāng)超過一半（N/2+1，這里是5/2+1=3個(gè)節(jié)點(diǎn)）的Redis master節(jié)點(diǎn)都獲得鎖，并且使用的時(shí)間小于鎖失效時(shí)間時(shí)，鎖才算獲取成功。（如上圖，10s> 30ms+40ms+50ms+4m0s+50ms）
• 如果取到了鎖，key的真正有效時(shí)間就變啦，需要減去獲取鎖所使用的時(shí)間。
• 如果獲取鎖失敗（沒有在至少N/2+1個(gè)master實(shí)例取到鎖，有或者獲取鎖時(shí)間已經(jīng)超過了有效時(shí)間），客戶端要在所有的master節(jié)點(diǎn)上解鎖（即便有些master節(jié)點(diǎn)根本就沒有加鎖成功，也需要解鎖，以防止有些漏網(wǎng)之魚）。

簡化下步驟就是：

• 按順序向5個(gè)master節(jié)點(diǎn)請(qǐng)求加鎖
• 根據(jù)設(shè)置的超時(shí)時(shí)間來判斷，是不是要跳過該master節(jié)點(diǎn)。
• 如果大于等于三個(gè)節(jié)點(diǎn)加鎖成功，并且使用的時(shí)間小于鎖的有效期，即可認(rèn)定加鎖成功啦。
• 如果獲取鎖失敗，解鎖！

13. Redis的跳躍表

• 跳躍表是有序集合zset的底層實(shí)現(xiàn)之一
• 跳躍表支持平均O（logN）,最壞 O（N）復(fù)雜度的節(jié)點(diǎn)查找，還可以通過順序性操作批量處理節(jié)點(diǎn)。
• 跳躍表實(shí)現(xiàn)由zskiplist和zskiplistNode兩個(gè)結(jié)構(gòu)組成，其中zskiplist用于保存跳躍表信息（如表頭節(jié)點(diǎn)、表尾節(jié)點(diǎn)、長度），而zskiplistNode則用于表示跳躍表節(jié)點(diǎn)。
• 跳躍表就是在鏈表的基礎(chǔ)上，增加多級(jí)索引提升查找效率。

14. MySQL與Redis 如何保證雙寫一致性

• 緩存延時(shí)雙刪
• 刪除緩存重試機(jī)制
• 讀取biglog異步刪除緩存

14.1 延時(shí)雙刪？

什么是延時(shí)雙刪呢？流程圖如下：

1. 先刪除緩存
2. 再更新數(shù)據(jù)庫
3. 休眠一會(huì)（比如1秒），再次刪除緩存。

這個(gè)休眠一會(huì)，一般多久呢？都是1秒？

這個(gè)休眠時(shí)間 = ?讀業(yè)務(wù)邏輯數(shù)據(jù)的耗時(shí) + 幾百毫秒。為了確保讀請(qǐng)求結(jié)束，寫請(qǐng)求可以刪除讀請(qǐng)求可能帶來的緩存臟數(shù)據(jù)。

這種方案還算可以，只有休眠那一會(huì)（比如就那1秒），可能有臟數(shù)據(jù)，一般業(yè)務(wù)也會(huì)接受的。但是如果第二次刪除緩存失敗呢？緩存和數(shù)據(jù)庫的數(shù)據(jù)還是可能不一致，對(duì)吧？給Key設(shè)置一個(gè)自然的expire過期時(shí)間，讓它自動(dòng)過期怎樣？那業(yè)務(wù)要接受過期時(shí)間內(nèi)，數(shù)據(jù)的不一致咯？還是有其他更佳方案呢？

14.2 刪除緩存重試機(jī)制

因?yàn)檠訒r(shí)雙刪可能會(huì)存在第二步的刪除緩存失敗，導(dǎo)致的數(shù)據(jù)不一致問題。可以使用這個(gè)方案優(yōu)化：刪除失敗就多刪除幾次呀,保證刪除緩存成功就可以了呀~ 所以可以引入刪除緩存重試機(jī)制

1. 寫請(qǐng)求更新數(shù)據(jù)庫
2. 緩存因?yàn)槟承┰颍瑒h除失敗
3. 把刪除失敗的key放到消息隊(duì)列
4. 消費(fèi)消息隊(duì)列的消息，獲取要?jiǎng)h除的key
5. 重試刪除緩存操作

14.3 讀取biglog異步刪除緩存

重試刪除緩存機(jī)制還可以吧，就是會(huì)造成好多業(yè)務(wù)代碼入侵。其實(shí)，還可以這樣優(yōu)化：通過數(shù)據(jù)庫的binlog來異步淘汰key。

以mysql為例吧

• 可以使用阿里的canal將binlog日志采集發(fā)送到MQ隊(duì)列里面
• 然后通過ACK機(jī)制確認(rèn)處理這條更新消息，刪除緩存，保證數(shù)據(jù)緩存一致性

15. 為什么Redis 6.0 之后改多線程呢？

• Redis6.0之前，Redis在處理客戶端的請(qǐng)求時(shí)，包括讀socket、解析、執(zhí)行、寫socket等都由一個(gè)順序串行的主線程處理，這就是所謂的“單線程”。
• Redis6.0之前為什么一直不使用多線程？使用Redis時(shí)，幾乎不存在CPU成為瓶頸的情況， Redis主要受限于內(nèi)存和網(wǎng)絡(luò)。例如在一個(gè)普通的Linux系統(tǒng)上，Redis通過使用pipelining每秒可以處理100萬個(gè)請(qǐng)求，所以如果應(yīng)用程序主要使用O(N)或O(log(N))的命令，它幾乎不會(huì)占用太多CPU。

redis使用多線程并非是完全摒棄單線程，redis還是使用單線程模型來處理客戶端的請(qǐng)求，只是使用多線程來處理數(shù)據(jù)的讀寫和協(xié)議解析，執(zhí)行命令還是使用單線程。

這樣做的目的是因?yàn)閞edis的性能瓶頸在于網(wǎng)絡(luò)IO而非CPU，使用多線程能提升IO讀寫的效率，從而整體提高redis的性能。

16. 聊聊Redis 事務(wù)機(jī)制

Redis通過MULTI、EXEC、WATCH等一組命令集合，來實(shí)現(xiàn)事務(wù)機(jī)制。事務(wù)支持一次執(zhí)行多個(gè)命令，一個(gè)事務(wù)中所有命令都會(huì)被序列化。在事務(wù)執(zhí)行過程，會(huì)按照順序串行化執(zhí)行隊(duì)列中的命令，其他客戶端提交的命令請(qǐng)求不會(huì)插入到事務(wù)執(zhí)行命令序列中。

簡言之，Redis事務(wù)就是順序性、一次性、排他性的執(zhí)行一個(gè)隊(duì)列中的一系列命令。

Redis執(zhí)行事務(wù)的流程如下：

• 開始事務(wù)（MULTI）
• 命令入隊(duì)
• 執(zhí)行事務(wù)（EXEC）、撤銷事務(wù)（DISCARD ）

17. Redis的Hash 沖突怎么辦

Redis 作為一個(gè)K-V的內(nèi)存數(shù)據(jù)庫，它使用用一張全局的哈希來保存所有的鍵值對(duì)。這張哈希表，有多個(gè)哈希桶組成，哈希桶中的entry元素保存了key和value指針，其中*key指向了實(shí)際的鍵，*value指向了實(shí)際的值。

哈希表查找速率很快的，有點(diǎn)類似于Java中的HashMap，它讓我們?cè)贠(1) 的時(shí)間復(fù)雜度快速找到鍵值對(duì)。首先通過key計(jì)算哈希值，找到對(duì)應(yīng)的哈希桶位置，然后定位到entry，在entry找到對(duì)應(yīng)的數(shù)據(jù)。

什么是哈希沖突？

哈希沖突：通過不同的key，計(jì)算出一樣的哈希值，導(dǎo)致落在同一個(gè)哈希桶中。

Redis為了解決哈希沖突，采用了鏈?zhǔn)焦?/strong>。鏈?zhǔn)焦Ｊ侵竿粋€(gè)哈希桶中，多個(gè)元素用一個(gè)鏈表來保存，它們之間依次用指針連接。

有些讀者可能還會(huì)有疑問：哈希沖突鏈上的元素只能通過指針逐一查找再操作。當(dāng)往哈希表插入數(shù)據(jù)很多，沖突也會(huì)越多，沖突鏈表就會(huì)越長，那查詢效率就會(huì)降低了。

為了保持高效，Redis 會(huì)對(duì)哈希表做rehash操作，也就是增加哈希桶，減少?zèng)_突。為了rehash更高效，Redis還默認(rèn)使用了兩個(gè)全局哈希表，一個(gè)用于當(dāng)前使用，稱為主哈希表，一個(gè)用于擴(kuò)容，稱為備用哈希表。

18. 在生成 RDB期間，Redis 可以同時(shí)處理寫請(qǐng)求么？

可以的，Redis提供兩個(gè)指令生成RDB，分別是save和bgsave。

• 如果是save指令，會(huì)阻塞，因?yàn)槭侵骶€程執(zhí)行的。
• 如果是bgsave指令，是fork一個(gè)子進(jìn)程來寫入RDB文件的，快照持久化完全交給子進(jìn)程來處理，父進(jìn)程則可以繼續(xù)處理客戶端的請(qǐng)求。

19. Redis底層，使用的什么協(xié)議?

RESP，英文全稱是Redis Serialization Protocol,它是專門為redis設(shè)計(jì)的一套序列化協(xié)議. 這個(gè)協(xié)議其實(shí)在redis的1.2版本時(shí)就已經(jīng)出現(xiàn)了,但是到了redis2.0才最終成為redis通訊協(xié)議的標(biāo)準(zhǔn)。

RESP主要有實(shí)現(xiàn)簡單、解析速度快、可讀性好等優(yōu)點(diǎn)。

20. 布隆過濾器

應(yīng)對(duì)緩存穿透問題，我們可以使用布隆過濾器。布隆過濾器是什么呢？

布隆過濾器是一種占用空間很小的數(shù)據(jù)結(jié)構(gòu)，它由一個(gè)很長的二進(jìn)制向量和一組Hash映射函數(shù)組成，它用于檢索一個(gè)元素是否在一個(gè)集合中，空間效率和查詢時(shí)間都比一般的算法要好的多，缺點(diǎn)是有一定的誤識(shí)別率和刪除困難。

布隆過濾器原理是？假設(shè)我們有個(gè)集合A，A中有n個(gè)元素。利用k個(gè)哈希散列函數(shù)，將A中的每個(gè)元素映射到一個(gè)長度為a位的數(shù)組B中的不同位置上，這些位置上的二進(jìn)制數(shù)均設(shè)置為1。如果待檢查的元素，經(jīng)過這k個(gè)哈希散列函數(shù)的映射后，發(fā)現(xiàn)其k個(gè)位置上的二進(jìn)制數(shù)全部為1，這個(gè)元素很可能屬于集合A，反之，一定不屬于集合A。

來看個(gè)簡單例子吧，假設(shè)集合A有3個(gè)元素，分別為{d1,d2,d3}。有1個(gè)哈希函數(shù)，為Hash1。現(xiàn)在將A的每個(gè)元素映射到長度為16位數(shù)組B。

我們現(xiàn)在把d1映射過來，假設(shè)Hash1（d1）= 2，我們就把數(shù)組B中，下標(biāo)為2的格子改成1，如下：

我們現(xiàn)在把d2也映射過來，假設(shè)Hash1（d2）= 5，我們把數(shù)組B中，下標(biāo)為5的格子也改成1，如下：

接著我們把d3也映射過來，假設(shè)Hash1（d3）也等于 2，它也是把下標(biāo)為2的格子標(biāo)1：

因此，我們要確認(rèn)一個(gè)元素dn是否在集合A里，我們只要算出Hash1（dn）得到的索引下標(biāo)，只要是0，那就表示這個(gè)元素不在集合A，如果索引下標(biāo)是1呢？那該元素可能是A中的某一個(gè)元素。因?yàn)槟憧矗琩1和d3得到的下標(biāo)值，都可能是1，還可能是其他別的數(shù)映射的，布隆過濾器是存在這個(gè)缺點(diǎn)的：會(huì)存在hash碰撞導(dǎo)致的假陽性，判斷存在誤差。

如何減少這種誤差呢？

• 搞多幾個(gè)哈希函數(shù)映射，降低哈希碰撞的概率
• 同時(shí)增加B數(shù)組的bit長度，可以增大hash函數(shù)生成的數(shù)據(jù)的范圍，也可以降低哈希碰撞的概率

我們又增加一個(gè)Hash2哈希映射函數(shù)，假設(shè)Hash2（d1）=6,Hash2（d3）=8,它倆不就不沖突了嘛，如下：

即使存在誤差，我們可以發(fā)現(xiàn)，布隆過濾器并沒有存放完整的數(shù)據(jù)，它只是運(yùn)用一系列哈希映射函數(shù)計(jì)算出位置，然后填充二進(jìn)制向量。如果數(shù)量很大的話，布隆過濾器通過極少的錯(cuò)誤率，換取了存儲(chǔ)空間的極大節(jié)省，還是挺劃算的。

目前布隆過濾器已經(jīng)有相應(yīng)實(shí)現(xiàn)的開源類庫啦，如Google的Guava類庫，Twitter的 Algebird 類庫，信手拈來即可，或者基于Redis自帶的Bitmaps自行實(shí)現(xiàn)設(shè)計(jì)也是可以的。