Redis常见面试问题


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 1min-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。

Redis cluster 和 主从构架的选择

如果数据量不大,就只有几个G,那么使用单机即可;只有需要缓存海量数据时才用得到redis cluster。
要实现redis的高可用,对于redis cluster其本身就是支持的,直接加机器即可;对应单机的就需要搭建主从的配置

Redis cluster的hash算法

  • 最简单的直接通过hash值对master数量取余来决定这个数据放到那台机器上去;出现机器故障时会导致几乎所有的key失效。
  • 通过hash值对master数量进行取余,然后将master组成一个环,最终结果靠近那个点就选择哪个;
  • 通过hash值对一个固定数进行取余,然后将这个数据的区间平均分布到各个master,最终结果在那个区间将在节点上。

后面2种实现方式主要目的是为了避免hash值比较集中的时候,如果正好对应的机器出现问题,导致大量的key失效;
比如说你的key大部分计算出来的hash值都是挨着的,使用第一种方式的话,那么这些key会集中在一台机器上,当发生故障时会出现大量的key失效,同时也没有充分的利用到集群的优势。


特别提醒:扫码关注微信订阅号'起岸星辰',实时掌握IT业界技术资讯! 转载请保留原文中的链接!
 上一篇
引入缓存诱发的问题 引入缓存诱发的问题
系统中引入缓存诱发的问题剖析:缓存如何实现高性能和高并发的?缓存穿透、缓存颠簸、缓存雪崩、缓存一致性、缓存并发问题
下一篇 
SpringBoot集成Redis SpringBoot集成Redis
SpringBoot集成Redis;分别实现Redis单机模式、Redis主从复制、Redis哨兵模式、Redis-Cluster模式在SpringBoot中的集成实现
2021-01-24
  目录