关于后端:面试题系列一

[Redis 系列（一）：深刻理解 Redis 数据类型和底层数据结构
](https://blog.zysicyj.top/2023/08/12/%E6%8A%80%E6%9C%AF%E6%96%…)

字符串（String）： 用于存储文本或二进制数据。能够执行字符串的基本操作，如设置、获取、减少、缩小等。
哈希表（Hash）： 存储键值对汇合，相似于关联数组。实用于存储对象属性或配置信息。
列表（List）： 应用双向链表实现的有序汇合，容许插入和删除元素。能够用于实现队列、栈等数据结构。
汇合（Set）： 存储不反复的无序元素汇合。反对求交加、并集、差集等操作，实用于数据去重和关联性操作。
有序汇合（Sorted Set）： 相似于汇合，但每个元素都有一个分数（score），并依据分数进行排序。实用于排行榜、优先级队列等场景。
位图（Bitmap）： 应用字符串来示意位的数据结构，反对位操作。实用于标记、计数等场景。
HyperLogLog： 用于预计汇合中惟一元素的个数，占用固定的内存空间，实用于基数统计场景。
天文空间（GeoSpatial）： 存储地理位置信息，反对间隔计算和地位查问。

什么是缓存击穿？什么起因？如何解决？

缓存击穿是指在高并发状况下，一个缓存中不存在然而频繁被申请的数据，导致申请间接打到数据库，减少数据库的负载和提早。这通常产生在以下状况下：
热点数据生效： 当某个热点数据过期或被移除时，大量的并发申请同时拜访该数据，导致申请绕过缓存间接拜访数据库。
分布式系统中的节点生效： 在分布式缓存环境下，如果一个或多个缓存节点生效，会导致申请无奈命中缓存，从而打到后端数据库。

解决缓存击穿的办法有多种，其中常见的包含：

设置热点数据永不过期： 对于热点数据，能够设置永不过期，确保数据始终可用。但要留神，这会占用缓存空间，可能导致其余数据的驱赶。
应用互斥锁（Mutex Lock）： 在缓存生效时，应用互斥锁来管制只有一个申请可能从数据库加载数据，其余申请在期待中，防止并发拜访数据库。
提前异步加载： 在数据行将过期时，启动一个异步工作去加载数据到缓存，防止过期时间接申请数据库。
应用分布式锁： 在分布式环境下，能够应用分布式锁来爱护缓存数据的加载过程，确保只有一个节点进行加载。
应用布隆过滤器： 布隆过滤器是一种用于判断元素是否存在于汇合中的数据结构，能够用来判断某个数据是否须要去数据库加载，缩小有效的申请。
热点数据预加载： 提前在系统启动时加载热点数据到缓存，防止在运行时因为缓存生效而引起的问题。

抉择哪种办法取决于具体的业务场景和需要，通常须要依据零碎的特点和拜访模式来综合思考。

缓存雪崩是指缓存在某个时间段内大面积生效，导致大量申请间接拜访后端数据库，造成数据库压力激增和零碎性能降落的状况。通常产生在以下状况下：

大量缓存同时生效： 当多个缓存数据在同一个时间段内同时生效，导致大量申请间接打到后端数据库。
缓存服务器宕机： 如果缓存服务器宕机，缓存数据不可用，申请会间接拜访后端数据库。
业务高峰期： 在业务高峰期，访问量剧增，缓存生效导致数据库申请激增。

解决缓存雪崩的办法包含：

应用多级缓存： 引入多级缓存，将数据同时存储在多个缓存层，升高某个缓存层生效的危险。
设置随机过期工夫： 对于雷同类型的数据，设置随机的过期工夫，防止大量数据同时生效。
缓存数据永不过期： 对于热点数据，能够设置永不过期，确保数据始终可用。
异步加载缓存： 在缓存生效时，启动异步工作去加载数据，防止在缓存生效时间接拜访数据库。
限流降级： 在高峰期限度申请的并发数，将局部申请降级解决，防止对后端服务造成过大压力。
熔断策略： 依据零碎负载状况，施行熔断策略，防止零碎解体。
缓存预热： 在系统启动时，事后加载热点数据到缓存，防止系统启动时的大量申请。
分布式部署： 将缓存服务器散布在不同的节点上，升高单点故障的危险。

综合思考业务需要和零碎特点，能够采纳上述办法来解决缓存雪崩问题，保障系统的稳定性和性能。

[Redis 系列（二）：深刻解读 Redis 的两种长久化形式
](https://blog.zysicyj.top/2023/08/13/%E6%8A%80%E6%9C%AF%E6%96%…)

是的，Redis 具备两种次要的长久化机制：RDB（Redis Database）快照和 AOF（Append-Only File）日志。这些机制用于将内存中的数据长久化到硬盘上，以避免数据失落。

RDB 快照：
- RDB 长久化通过将内存中的数据快照保留到一个二进制文件（例如dump.rdb）中来实现。
- 能够手动执行 RDB 快照，也能够通过配置项定期主动执行。
- 长处是文件小，适宜备份和复原，对性能影响较小。
- 毛病是数据可能在两次快照之间产生失落，不适宜数据实时性要求较高的场景。
AOF 日志：
- AOF 长久化记录每个写操作（例如 SET、DEL）到一个追加的日志文件（例如appendonly.aof）中。
- AOF 文件以文本形式记录，能够随时对其进行追加、更新和重写。
- 能够通过配置项设置不同的 AOF 策略：always（每次写操作都记录）、everysec（每秒记录一次）、no（不记录）。
- 长处是能够实现更高的数据实时性，适宜对数据安全性要求较高的场景。
- 毛病是 AOF 文件绝对较大，复原速度可能较慢。

在理论利用中，能够依据业务需要抉择适合的长久化机制，甚至能够同时应用 RDB 和 AOF，以进步数据的安全性和可靠性。另外，Redis 还提供了混合长久化的形式（默认应用 AOF 来复原数据，而 RDB 用于备份），以充分发挥两种长久化机制的劣势。

缓存： 最常见的用处，将热门数据存储在内存中，以进步访问速度，加重数据库累赘。实用于读取频繁、数据量较大的场景。
会话存储： 将用户会话数据存储在 Redis 中，实现分布式会话治理，以防止单点故障和状态共享问题。
计数器和统计： Redis 的原子操作能够实现计数器性能，用于统计页面拜访、点赞、评论等。
排行榜 / 热门内容： 利用有序汇合（Sorted Set）数据结构，存储并排名用户、文章、商品等，以实现排行榜或展现热门内容。
公布订阅： Redis 的公布订阅机制容许实时地将音讯公布给订阅者，用于构建实时告诉、聊天室等性能。
分布式锁： 利用 Redis 的原子操作和过期工夫设置，实现分布式环境下的锁机制，保障资源的互斥拜访。
限流器： 利用 Redis 的令牌桶或漏桶算法，实现申请的限流管制，避免突发流量影响零碎稳定性。
缓存穿透防护： 将空值或异样数据存储在缓存中，防止缓存穿透引起的数据库查问压力。
地理位置服务： 利用 Redis 的地理位置数据类型，存储并查问地理位置信息，用于左近的人、地点等性能。
工作队列： 利用列表数据结构，实现异步工作队列，解决后台任务、音讯队列等。
即时数据分析： 将实时产生的数据存储在 Redis 中，供数据分析应用，如实时监控、实时报表等。

这些只是 Redis 利用场景的一部分，实际上，因为 Redis 的高性能、低提早和丰盛的数据结构，它在很多畛域都有宽泛的利用。依据具体的业务需要，能够灵便抉择适合的场景来应用 Redis。

Redis 之所以具备如此高的性能，次要是因为以下几个方面的设计和优化：

内存存储： Redis 将数据存储在内存中，内存的读写速度远高于磁盘，因而可能实现极低的读写提早。
单线程模型： Redis 采纳单线程模型解决客户端申请，防止了多线程的锁竞争和上下文切换开销，缩小了性能损耗。
非阻塞 IO： Redis 应用非阻塞 IO 和事件驱动的形式来解决客户端连贯和网络通信，无效利用了操作系统提供的异步 IO 机制，进步了并发能力。
数据结构优化： Redis 内置了多种高效的数据结构，如哈希表、有序汇合、跳表等，针对不同的利用场景抉择最合适的数据结构，进步了数据操作的效率。
长久化策略： Redis 反对多种长久化形式，如 RDB 快照和 AOF 日志，能够依据需要抉择适合的长久化策略，保障数据的可靠性。
多种网络协议反对： Redis 反对多种网络协议，如 HTTP、RESP（Redis Serialization Protocol）等，不便不同编程语言和应用程序与 Redis 进行交互。
数据压缩： Redis 在存储数据时进行了压缩，减小了内存占用，进步了数据的存储密度。
预分配内存： Redis 在启动时事后调配肯定数量的内存，缩小了内存调配的开销，进步了内存应用效率。
管道技术： Redis 的管道（Pipeline）技术容许客户端发送多个命令，在一个连贯上间断执行，缩小了网络通信的开销。
高效的排序算法： 在有序汇合（Sorted Set）中，Redis 采纳跳表（Skip List）作为底层数据结构，实现了高效的排序和检索。

Redis 事务是一组命令的汇合，能够在一个原子操作内执行多个命令。Redis 的事务通过 MULTI、EXEC、WATCH、DISCARD 等命令来实现，它提供了相似于传统数据库的事务个性，但与传统数据库的事务有一些不同之处。

以下是 Redis 事务的实现流程：

MULTI 命令： 事务开始时，客户端发送 MULTI 命令，通知 Redis 开始记录后续的命令序列。
多个命令： 在 MULTI 和 EXEC 之间的命令会被退出到事务队列中，但并不会立刻执行。
EXEC 命令： 当客户端发送 EXEC 命令时，Redis 会顺次执行事务队列中的命令。在执行过程中，Redis 会将事务队列中的命令顺次执行，如果其中的某个命令执行失败，不会影响其余命令的执行。
事务执行后果： EXEC 命令执行实现后，Redis 会返回事务中所有命令的执行后果，以数组模式返回。如果事务中的某个命令执行失败，对应的后果将是错误信息。
DISCARD 命令： 如果在 MULTI 和 EXEC 之间，客户端发送了 DISCARD 命令，那么事务队列中的所有命令都会被革除，事务被勾销。
WATCH 命令： 为了实现乐观锁的机制，能够应用 WATCH 命令监督一个或多个键。如果在事务执行前，有其余客户端批改了被监督的键，整个事务会被勾销。

Redis 事务的特点：

Redis 事务是原子性的：在 EXEC 执行期间，事务中的所有命令要么都被执行，要么都不被执行。
Redis 事务是隔离的：事务的执行过程不会受到其余客户端的影响。
Redis 事务是不反对回滚的：即便其中某个命令执行失败，不会回滚后面曾经执行的命令。

须要留神的是，尽管 Redis 事务提供了一种封装多个命令的形式，然而因为 Redis 的单线程模型，事务中的某些命令可能会因为特定的状况（如阻塞操作）导致整个事务执行的工夫较长。因而，在应用 Redis 事务时，须要思考事务执行期间可能的性能影响。

在 Redis 中，有两种次要的过期键删除策略，别离是惰性删除和定期删除，还有一些淘汰策略用于开释内存空间。以下是这些策略的具体阐明：

惰性删除（Lazy Expiration）： 这是 Redis 默认的过期键删除策略。当拜访一个曾经过期的键时，Redis 会立刻删除该键并返回空值。这种策略防止了在拜访时才删除键，节俭了内存和 CPU 资源。
定期删除（定时工作删除）： Redis 会随机抽取一些过期键，并查看它们是否过期。如果过期，就会删除这些键。这种策略通过定期工作进行删除，以防止删除大量过期键对性能造成影响。
内存淘汰策略（Eviction Policies）： 当内存应用达到肯定阈值（由 maxmemory 参数指定）时，Redis 会触发淘汰策略来开释空间。常见的淘汰策略包含：
- noeviction：当内存不足以包容新写入数据时，写入操作会报错。
- allkeys-lru：从所有键中抉择最近起码应用的键进行删除。
- volatile-lru：从设置了过期工夫的键中抉择最近起码应用的键进行删除。
- allkeys-random：随机抉择一个键进行删除。
- volatile-random：从设置了过期工夫的键中随机抉择一个键进行删除。
- volatile-ttl：从设置了过期工夫的键中抉择剩余时间最短的键进行删除。

这些策略能够通过 Redis 的配置参数进行设置，例如：

# 设置过期键删除策略为定期删除
config set maxmemory-policy noeviction

须要依据理论场景和需要来抉择适宜的策略和参数值，以均衡内存应用和性能。

Redis 能够用作轻量级的音讯队列，实现根本的音讯公布和订阅性能。以下是在 Redis 中如何实现音讯队列的根本步骤：

公布音讯： 在发布者端，应用 PUBLISH 命令将音讯公布到指定的频道（通道）。
```
PUBLISH channel_name message_content
```
订阅音讯： 在订阅者端，应用 SUBSCRIBE 命令订阅一个或多个频道，从中接管发布者公布的音讯。
```
SUBSCRIBE channel_name
```
接管音讯： 订阅者在订阅了频道后，会实时接管到发布者公布的音讯。

通过上述步骤，你能够实现根本的公布 - 订阅模式的音讯队列。然而，须要留神以下几点：

Redis 的音讯队列不反对音讯长久化，即如果没有订阅者在线时，音讯会失落。
如果须要反对长久化、多个消费者、音讯确认等高级个性，可能须要思考应用专门的音讯队列中间件，如 RabbitMQ、Apache Kafka 等。

在理论利用中，如果须要更多的音讯队列个性，能够应用 Redis 的 LIST 数据结构来实现简略的队列。将发布者公布的音讯插入到 LIST 中，而后消费者从 LIST 中弹出音讯进行解决。但须要留神的是，Redis 并不是专门为音讯队列设计的，更适宜用于一些简略的音讯公布 - 订阅场景。对于高性能、大规模的音讯队列需要，倡议应用专门的音讯队列中间件。

本文由 mdnice 多平台公布

关于后端:面试题系列一

Redis 有哪些数据结构？其底层是怎么实现的？

什么是缓存击穿？什么起因？如何解决？

什么是缓存雪崩？什么起因？如何解决？

Redis 长久化机制理解吗？

Redis 利用场景有哪些？

Redis 为什么这么快？

Redis 事务如何实现？

Redis 过期键删除策略？

Redis 怎么实现音讯队列？