关于后端:Redis经典面试题总结史上最全面试题思维导图总结2022最新版

写在后面

📌Xmind 文件获取：GitHub 继续更新中，别忘了 star 喔~

「Java 学习 + 面试指南」思维导图，计算机自学指南，包含 Java 根底、JVM、数据库、mysql、redis、计算机网络、算法、数据结构、操作系统等，后盾技术栈 / 架构师之路 / 全栈开发社区，阿里，腾讯，百度，美团，头条等春招 / 秋招 / 校招 / 面试

思维导图（png 格局可下载放大）

Redis

优缺点

长处

• 读写性能优异
• 反对数据长久化
• 反对事务，所有操作都是原子性的，反对对几个操作合并后的原子性执行。
• 数据结构丰盛
• 主从复制, 进行读写拆散

毛病

• 较小数据量的高性能操作和运算

• 不具备主动容错和复原性能

  • 须要期待机器重启或者手动切换前端的 IP 能力复原

• 主机宕机，宕机前有局部数据未能及时同步到从机

  • 升高了零碎的可用性
• 较难反对在线扩容

不必 map/guava

• 本地缓存

  • 生命周期随着 jvm 的销毁而完结
  • 每个实例都须要各自保留一份缓存，缓存不具备一致性

快的起因

• 齐全基于内存

  • 查找和操作的工夫复杂度都是 O(1)
• 数据结构简略

• 单线程

  • 防止了不必要的上下文切换和竞争条件，也不存在多过程或者多线程导致的切换而耗费 CPU，不必去思考各种锁的问题，不存在加锁开释锁操作，没有因为可能呈现死锁而导致的性能耗费
• 多路 I/O 复用模型，非阻塞 IO

memcached

• (1) memcached 所有的值均是简略的字符串，redis 作为其替代者，反对更为丰盛的数据类型
• (2) redis 的速度比 memcached 快很多
• (3) redis 能够长久化其数据
• 都反对分布式

根底

数据类型

• STRING
• LIST
• SET
• HASH

• ZSET

  • jumplist

    • 多层链表 + 二分法

利用场景

• 计数器
• 缓存

• 会话缓存

  • 对立存储多台应用服务器的会话信息

• 查找表

  • DNS 记录

• 音讯队列(公布 / 订阅性能)

  • List 是一个双向链表，能够通过 lpush 和 rpop 写入和读取音讯

• 分布式锁

  • SETNX

    • 随机 value，比拟雷同才删除解锁

长久化

• RDB（默认）快照

  • dump.rdb
  • fork 子过程来实现写操作，让主过程持续解决命令，所以是 IO 最大化
  • 比 AOF 的启动效率更高

• AOF

  • 将 Redis 执行的每次写命令记录到独自的日志文件中
  • 会优先选择 AOF 复原
  • 每进行一次 命令操作就记录到 aof 文件中一次
• AOF 文件比 RDB 文件大，且复原速度慢
• rdb 启动效率低
• AOF 文件比 RDB 更新频率高，优先应用 AOF 还原数据

过期键的删除策略

• 用于解决过期的缓存数据

• 定时过期

  • 占用大量的 CPU 资源

• 惰性过期 用

  • 当拜访一个 key

• 定期过期 用

  • 扫描肯定数量的数据库的 expires 字典中肯定数量的 key
• 过期工夫和永恒无效 EXPIRE 和 PERSIST

内存淘汰策略

• allkeys-lru
• 用于解决内存不足时的须要申请额定空间的数据

线程模型

• 文件事件处理器

  • 多个套接字、IO 多路复用程序、文件事件分派器(单线程)、事件处理器
  • 应用 I/O 多路复用（multiplexing）程序来同时监听多个套接字
    依据套接字目前执行的工作来为套接字关联不同的事件处理器

事务

• 要么全副被执行，要么全副都不执行

• MULTI、EXEC、DISCARD、WATCH 等一组命令的汇合, 一个事务中所有命令都会被序列化

  • WATCH

    • 为 Redis 事务提供 check-and-set（CAS）行为。能够监控一个或多个键，一旦其中有一个键被批改（或删除），之后的事务就不会执行，监控始终继续到 EXEC 命令。

  • DISCARD

    • 客户端能够清空事务队列，并放弃执行事务

• 三个阶段

  • 事务开始 MULTI

    • 命令不会立刻被执行，而是被放到一个队列中
  • 命令入队

  • 事务执行 EXEC

    • 执行所有事务块内的命令

• 不反对回滚

  • 在事务失败时不进行回滚，而是继续执行余下的命令

• 隔离性

  • 单过程程序，并且它保障在执行事务时，不会对事务进行中断

• 不反对原子性

  • 不保障原子性，且没有回滚

异步队列

• 应用 list 类型保留数据信息，rpush 生产音讯，lpop 生产音讯，当 lpop 没有音讯时，能够 sleep 一段时间，而后再查看有没有信息，
  如果不想 sleep 的话，能够应用 blpop, 在没有信息的时候，会始终阻塞，直到信息的到来。
• redis 能够通过 pub/sub 主题订阅模式实现一个生产者，多个消费者，当然也存在肯定的毛病，当消费者下线时，生产的音讯会失落。

集群计划

哨兵模式

• 集群监控：负责监控 redis master 和 slave
• 音讯告诉：如果某个 redis 实例有故障，告诉给管理员。

• 故障转移：如果 master node 挂掉了，会主动转移到 slave node 上。

  • 判断一个 master node 是否宕机了，大部分的哨兵都批准，分布式选举
• 配置核心：故障转移，告诉 client 客户端新的 master 地址。

• 外围常识

  • 至多须要 3 个实例
  • 哨兵 + redis 主从的部署架构，是不保证数据零失落的，只能保障高可用性。

Cluster 计划(服务端路由查问)

• 分布式寻址算法

  • hash 算法（大量缓存重建）
  • 一致性 hash 算法（主动缓存迁徙）+ 虚构节点（主动负载平衡解决数据歪斜问题）
  • redis cluster 的 hash slot 哈希槽 算法 16384

• 主从架构

  • 每份数据分片会存储在多个互为主从的多节点
  • 多个节点间的数据不放弃一致性
  • 先写主节点，再同步到从节点(反对配置为阻塞同步)
• 当客户端操作的 key 没有调配在该节点上时，redis 会返回转向指令，指向正确的节点
• 扩容时时须要须要把旧节点的数据迁徙一部分到新节点

• 长处

  • 反对动静扩容
  • 具备 Sentinel 的监控和主动 Failover(故障转移)能力
  • 免去了 proxy 代理的损耗
  • 连贯集群中任何一个可用节点

基于客户端调配

• 采纳哈希算法将 Redis 数据的 key 进行散列，通过 hash 函数，特定的 key 会映射到特定的 Redis 节点上
• Redis 实例彼此独立，互相无关联
• 不反对动静增删节点，每个客户端都须要更新调整
• 连贯不能共享，当利用规模增大时，资源节约制约优化

基于代理服务器分片

• 申请到一个代理组件，代理解析客户端的数据，并将申请转发至正确的节点
• 切换成本低
• 代理层多了一次转发，性能有所损耗

主从架构

• 一主多从，主负责写，并且将数据复制到其它的 slave 节点，从节点负责读。所有的读申请全副走从节点。撑持读高并发。
• redis replication -> 主从架构 -> 读写拆散 -> 程度扩容撑持读高并发

• 外围机制

  • 异步形式复制

    • 发送一个 PSYNC
    • full resynchronization 全量复制，master 会启动一个后盾线程，开始生成一份 RDB 快照文件
    • 将这个 RDB 发送给 slave，slave 会先写入本地磁盘，而后再从本地磁盘加载到内存中
    • master 会将内存中缓存的写命令发送到 slave

• 必须开启 master node 的长久化

  • 在 master 宕机重启的时候数据是空的，而后可能一通过复制，slave node 的数据也丢了

  • 从备份中筛选一份 rdb 去复原 master，这样能力确保启动的时候，是有数据的

    • lave node 能够主动接管 master node，但也可能 sentinel 还没检测到 master failure，master node 就主动重启了，还是可能导致下面所有的 slave node 数据被清空

分区毛病

• 波及多个 key 的操作通常不会被反对

  • 不能对两个汇合求交加

    • 被存储到不同的 Redis 实例
• 同时操作多个 key, 则不能应用 Redis 事务.

• 数据处理会非常复杂

  • 必须从不同的 Redis 实例和主机同时收集 RDB / AOF 文件

• 动静扩容或缩容可能十分复

  • Redis 集群在运行时减少或者删除 Redis 节点，能做到最大水平对用户通明地数据再均衡，但其余一些客户端分区或者代理分区办法则不反对这种个性。

分布式锁

• SETNX SET if Not eXists

  • 当且仅当 key 不存在，将 key 的值设为 value。给定的 key 曾经存在，则 SETNX 不做任何动作

解决 Redis 的并发竞争 Key

• 分布式锁（zookeeper 和 redis 都能够实现分布式锁）

  • 每个客户端对某个办法加锁时，在 zookeeper 上的与该办法对应的指定节点的目录下，生成一个惟一的刹时有序节点。
    判断是否获取锁的形式很简略，只须要判断有序节点中序号最小的一个。当开释锁的时候，只需将这个刹时节点删除即可。
    同时，其能够防止服务宕机导致的锁无奈开释，而产生的死锁问题。实现业务流程后，删除对应的子节点开释锁。

  • Redlock

    • 互斥拜访，即永远只有一个 client 能拿到锁
    • 最终 client 都可能拿到锁，不会呈现死锁的状况
    • 只有大部分 Redis 节点存活就能够失常提供服务

缓存异样

缓存雪崩

• 缓存同一时间大面积的生效

  • 过期工夫设置随机，避免同一时间大量数据过期景象产生
  • 加锁排队

缓存穿透

• 缓存和数据库中都没有的数据

  • 接口层减少校验，id<= 0 的间接拦挡
  • 将 key-value 对写为 key-null，缓存无效工夫能够设置短点，如 30 秒。避免重复用同一个 id 暴力攻打

  • 布隆过滤器判断在不在数据库

    • 哈希表，屡次 hash

      • 有肯定的误识别率和删除艰难
    • 所有的 Hash 函数通知咱们该元素在汇合中，能力确定在汇合中

缓存击穿

• 热点数据缓存工夫到期

  • 设置热点数据永远不过期
  • 加互斥锁

缓存预热

• 将相干的缓存数据间接加载到缓存零碎

缓存降级

• 依据一些要害数据进行主动降级，也能够配置开关实现人工降级

  • Redis 呈现问题，不去数据库查问，而是间接返回默认值给用户

数据库双写时的数据一致性

• 先更新数据库，而后再删除缓存

  • 一致性：缓存删除失败，数据不统一

    • 高并发下：A 去查忽然生效查脏数据，B 更新数据库，B 写入缓存，A 写入缓存 -> 数据不统一

• 先删除缓存，而后再更新数据库

  • 高并发下：A 删除，B 读数据库脏数据，B 写入，A 更新数据库 -> 数据不统一

• 不更新缓存

  • 有大量冷数据占用资源，用到缓存才去算缓存