Redis常见面试问题

数据库

发布日期: 2021-01-28

Redis 和 MemCache 的区别？

Redis支持的数据类型更多；
内存使用率：简单key-value的话 MemCache 的内存利用率更高；
性能对比：Redis 使用单核，MemCache 使用多核，因此平均每一个核上Redis的存储小数据时性能更高；而在数据大于100k时MemCache的性能更高。
集群：MemCache没有原生的集群模式，需要依赖客户端来实现望集群中分片写入数据，但是Redis目前原生是支持集群模式的。
Redis支持数据持久化，而MemCache是基于存内存实现的，在断电后所有数据将丢失。

Redis的线程模式是什么？

Redis是基于reactor模式开发了网络事件处理器，这个处理器叫做文件事件处理器（file event handler）。
这个文件事件处理器是单线程的，因此redis才叫做单线程模型，采用IO多路复用机制同时监听多个socket，通过socket上的事件来选择对应事件处理器来处理这个事件。

为什么Redis的单线程有很高的效率？

Redis是纯内存的操作，因此处理速度非常的快；
Redis是基于Reactor模式设计开发的，其核心是基于非阻塞的 IO 多路复用机制，能够支持更多的连接；
Redis使用的是单线程来处理的，这样反而避免了多线程的频繁上下文切换问题；

Redis都有哪些数据类型？在哪些场景下使用比较合适呢？

string：适合做简单的key-value存储；
hash：类似map的数据结构，比如缓存对象；
list：有序列表；使用 LRANGE 命令进行分页；
set：无序集合，自动去重；
score set：可以排序（根据写入时的score分数为条件），自动去重。

简要说明Redis的过期策略？什么是LRU？

Redis过期策略：

定期删除：redis默认每隔100ms就随机抽取一些设置了过期时间的key，检查是否过期，如果过期了就删除。
惰性删除：在获取某个Key的时候，redis会先检查是否过期，如果过期了就会删除该值；

由于redis的过期策略肯定会出现某些过期key依然占用到内存；因此redis还有一个内存淘汰机制来解决这个问题；Redis的内存淘汰机制：

noeviction：当内存不足以容纳新写入数据时，新写入操作会报错；一般都不使用；
allkeys-lru：当内存不足以容纳新写入数据时，在键空间中移除最近最少使用的key(这个是最常用)；
allkeys-random：当内存不足以容纳新写入数据时，在键空间中随机移除某个key; 几乎不使用；
volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键值空间中移除最近最少使用的key；一般不太适合；
volation-random：当内存不足以容纳新写入数据时，在设置了过期时间的键值空间中随机移除某个key；几乎不使用；
volation-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键值空间中将那些即将过期时间更早的key移除。

什么是LRU？LRU全称是Least Recently Used，即最近最久未使用的意思。LRU算法的设计原则是：如果一个数据在最近一段时间没有被访问到，那么在将来它被访问的可能性也很小。
也就是说，当限定的空间已存满数据时，应当把最久没有被访问到的数据淘汰。
如果我们自己去实现的话，可以基于linkHashMap记录访问顺序，同时设置一个触发清除操作的阀值。

public class LruCache<K, V> extends LinkedHashMap<K, V> {

    private final int MAX_SIZE;

    public LruCache(int cacheSize){
        // 设置为true 是告诉LinkedHashMap 按照访问顺序进行排序，最近访问的放在头部
        super((int)Math.ceil(cacheSize/0.75 + 1), 0.75f, true);
        MAX_SIZE = cacheSize;
    }

    /**
     * 触发淘汰的判断
     */
    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return size() > MAX_SIZE;
    }
}

请求达到了单机Redis的瓶颈，如何解决？比如请求QPS超过10万+

Redis单机能够承受的QPS约在1w到几万之间不等；通常写请求是比较低的；因此我们采用读写分离的来实现高并发。
即采用一主多从的主从构架模式，主节点负责写，从节点只负责读取数据。

Redis 主从复制（replication）核心机制什么？

Redis采用异步方式复制数据到slave(从)节点，不过redis 2.8开始 slave节点会周期性的确认自己每次复制的数量；
一个master节点是可以配置多个slave节点的；
slave节点也可以连接其他的slave节点；
slave节点做复制的时候，是不会锁定master节点的正常工作的；
slave节点做复制的时候，也不会锁定对自己的查询操作，它会使用旧的数据集提供服务；但是在复制完成需要删除旧的数据时，此时会暂时停止对外提供服务。
slave节点主要用来进行横向扩展，做读写分离，扩容的slave节点可以提高读的吞吐量。

Redis master节点做持久化对于主从构架的安全保障意义？

如果采用了主从构架，那么建议必须开启master节点的持久化；

不建议使用slave节点作为master节点的数据热备；因为如果关掉master的持久化那么master宕机重启的时候数据可能为空，此时将导致slave节点的数据被删除；
即使采用哨兵模式实现高可用让slave节点自动接管master节点，但是也可能出现sentinel还没检查master节点已经挂了，此时master节点就都已经重新启动起来了，这样在slave进行复制操作导致其数据被清空。

Redis主从复制原理、断点续传、无磁盘化复制、过期key处理

1、主从复制：

2、断点续传：如果主从节点之间相差过大或者是网络传输过程中断掉了，那么会接着上一次复制的地方继续复制下去，而不是从头开始复制。
从节点将offset发送给主节点后，主节点根据offset和缓冲区大小决定能否执行部分复制：

如果offset偏移量之后的数据，仍然都在复制积压缓冲区里，则执行部分复制；
如果offset偏移量之后的数据已不在复制积压缓冲区中（数据已被挤出；或者先前弄到一半出问题，现在重新开始），则执行全量复制。

3、无磁盘化复制：master直接在内存创建rdb，然后发送给slave节点，不会在自己本地落地磁盘。

4、过期key处理：slave不会过期key，只会等待master过期key，当master中发生可以过期删除操作，会自动向slave节点发送一条删除命令。

Redis哨兵主备切换的数据丢失问题

集群脑裂：就是集群中出现2个master，导致整个集群不知道听那个master的；此时就可能出现数据丢失的问题。
异步复制：master节点是异步将数据同步到slave节点的；因此可能出现数据丢失。

解决方案：配置 min_slaves-to-write 1 和 min-slaves-max-lag 10 参数；这样就要求至少有1个slave，同时数据的复制和同步的延迟不能超过10s。如果所有的slave节点都超时了，那么此时master节点就不会再接收任何请求了。通过上面2个配置可以减少异步复制和脑裂导致的数据丢失。

减少异步复制的数据丢失：通过 min-slaves-max-lag 这个配置可以确保一旦slave节点复制数据和ack延时太长，就认为可能master宕机后损失数据过多拒绝写请求，这样可以把master宕机时由于部分数据未同步到slave节点导致的数据丢失降低在可控范围内；
减少脑裂的数据丢失：如果一个master宕机后重启，此时出现了脑裂现象，由于客户端依然和它连接上的，通过上面的配置，此时master由于无法和slave（因为没有slave或者连接超过设置的时间）通信，那么master将会拒绝接收写请求。

哨兵主从架构slave选举为master的算法

会根据以下条件进行排序：

每个slave都有一个优先级的配置（slave priority），其值越小则优先级就越高；
如果slave priority相同，那么就看replica offset(即复制的数据大小)，哪个slave复制的数据越多，offset就越靠后，优先级就越高。
如果上面2个条件都相同，那么选择选择run id 比较小的那个slave。

Redis持久化机制

Redis会定期将内存中的缓存数据保存到磁盘上，实现持久化。避免发生问题时重新去缓存数据导致耗费大量的时间；其分为RDB和AOF两种持久化机制

RDB化机制：对redis中的数据执行周期性的持久化，即定时保存一个完整数据的快照到磁盘；
AOF机制：对每条写入命令作为日志，以append-only的模式写入一个日志文件中；在redis重启的时候，可以通过回放AOF日志中的写入指令来重新构建整个数据集。

因此我们可以将其备份的数据放到远程的存储服务上去，对于面临那种整个服务器都被干掉后，可以通过远程来进行数据恢复（比如那些直接使用Redis作为存储库的，就非常有必要做备份了）。
注意如果同时使用RDB和AOF两种持久化机制，那么在redis重启的时候，会使用AOF来重新构建数据，因为AOF中的数据更加完整。
同时使用RDB来进行数据恢复的时候速度快于AOF，因为使用RDB时直接将其加载即可，而使用AOF是重新执行每条命令。

RDB的优缺点

优点：

RDB会生成多个数据文件，每个数据文件都代表了某一个时刻中redis的数据，这种多个数据文件的方式，非常适合做冷备；同时可以很方便的实现远程备份；
RDB对Redis对外提供的读写服务，影响非常小，可以让redis保持高性能，因为redis主进程只需要fork一个子进程，让子进程执行磁盘IO操作来进行RDB持久化即可。
相对于AOF持久化机制来说，直接基于RDB数据文件来重启和恢复redis进程，更加快速。

缺点：

如果想要在redis故障时，尽可能少的丢失数据，那么RDB没有AOF好。因为RDB数据快照是每隔5分钟或者更长的时间才进行一次数据持久化操作，如果发送redis进程宕机，那么会丢失最近5分钟的数据；
RDB每次在fork子进程来执行RDB快照数据文件生成的时候，如果数据文件特别大，可能会导致对客户端提供的服务暂停数毫秒，或者甚至数秒；一般不要让RDB的间隔太长，否则每次生成的RDB文件会太大，对redis本身的性能可能会有影响的。

AOF的优缺点

优点：

AOF可以更好的保护数据不丢失，一般AOF会每隔1秒，通过一个后台线程执行一次fsync操作，最多丢失1秒钟的数据。
AOF日志文件以append-only模式写入，所以没有任何磁盘寻址的开销，写入性能非常高，而且文件不容易破损，即使文件尾部破损，也很容易修复；
AOF日志文件即使过大的时候，出现后台重写操作，也不会影响客户端的读写。因为在rewrite log的时候，会对其中的数据进行压缩，创建出一份需要恢复数据的最小日志出来。
在创建新日志文件的时候，老的日志文件还是照常写入。当新的merge后的日志文件ready的时候，再交换新老日志文件即可。
AOF日志文件的命令通过可读的方式进行记录，这个特性非常适合做灾难性的误删除的紧急恢复。
比如某人不小心用flush all命令清空了所有数据，只要这个时候后台rewrite还没有发生，那么就可以立即拷贝AOF文件，将最后一条flush all命令给删了，然后再将该AOF文件放回去，就可以通过恢复机制，自动恢复所有数据。

缺点：

对于同一份数据来说，AOF日志文件通常比RDB数据快照文件更大；
AOF开启后，支持的写QPS会比RDB支持的写QPS低，因为AOF一般会配置成每秒fsync一次日志文件，当然，每秒一次fsync，性能也还是很高的；
以前AOF发生过bug，就是通过AOF记录的日志，进行数据恢复的时候，没有恢复一模一样的数据出来。
所以说，类似AOF这种较为复杂的基于命令日志merge回放的方式，比基于RDB每次持久化一份完整的数据快照文件的方式，更加脆弱一些，容易有bug。
不过AOF就是为了避免rewrite过程导致的bug，因此每次rewrite并不是基于旧的指令日志进行merge的，而是基于当时内存中的数据进行指令的重新构建，这样健壮性会好很多。
唯一的比较大的缺点，其实就是做数据恢复的时候，会比较慢，还有做冷备，定期的备份，不太方便，可能要自己手写复杂的脚本去做，做冷备不太合适。