开篇redis常见的面试题使用问题Redis的使用场景根据自己简历上的业务进行回答主要场景1, 作为缓存中间件使用:穿透、击穿、雪崩、双写一致、持久化、数据过期、淘汰策略主要场景2, 作为分布式锁使用setnx、redisson什么是缓存穿透怎么解决正常的缓存流程:一个请求进入程序, 先查询redis, 如果redis中存在该数据, 返回数据如果redis中不存在数据, 要查询数据库, 查到结构后返回数据并更新缓存如果数据库也查不到数据, 就结束请求如果有人用不存在的id一直请求, 就会导致请求直接穿透到数据库缓存穿透查询一个不存在的数据mysql查询不到数据也不会直接写入缓存就会导致每次请求都查数据库解决方案1缓存空数据查询返回的数据为空仍把这个空结果进行缓存优点: 简单缺点: 消耗内存可能会发生数据不一致的问题解决方案2布隆过滤器请求进入程序, 先经过布隆过滤器的判断, 数据存在查再走redis的判断介绍布隆过滤器bitmap(位图): 相当于是一个以(bit)位为单位的数组数组中每个单元只能存储二进制数0或1布隆过滤器作用: 布隆过滤器可以用于检索一个元素是否在一个集合中。布隆过滤器存在误判的可能性:误判率: 数组越小误判率就越大数组越大误判率就越小但是同时带来了更多的内存消耗。项目中一般可以接受这种误判性, 少量的误判相比大量的缓存穿透更优, 一般误判率控制在5%以内优点: 内存占用较少没有多余key缺点: 实现复杂存在误判什么是缓存穿透? 怎么解决?缓存穿透是指查询一个一定不存在的数据如果从存储层查不到数据则不写入缓存这将导致这个不存在的数据每次请求都要到 DB去查询可能导致 DB挂掉。这种情况大概率是遭到了攻击。解决方案的话我们通常都会用布隆过滤器来解决它.布隆过滤器主要是用于检索一个元素是否在一个集合中。我们当时使用的是redisson实现的布隆过滤器。它的底层主要是先去初始化一个比较大数组里面存放的二进制0或1。在一开始都是0当一个key来了之后经过3次hash计算模于数组长度找到数据的下标然后把数组中原来的0改为1这样的话三数组的位置就能标明一个key的存在。查找的过程也是一样的。当然是有缺点的布隆过滤器有可能会产生一定的误判我们一般可以设置这个误判率大概不会超过5%其实这个误判是必然存在的要不就得增加数组的长度5%以内的误判率一般的项目也能接受不至于高并发下压倒数据库。什么是缓存击穿怎么解决缓存击穿给某一个key设置了过期时间当key过期的时候恰好这时间点对这个key有大量的并发请求过来这些并发的请求可能会瞬间把DB压垮解决方案一: 互斥锁特点: 强一致性能差解决方案二: 逻辑过期特点: 高可用性能优不保证数据绝对一致什么是缓存击穿? 怎么解决?缓存击穿的意思是对于设置了过期时间的key缓存在某个时间点过期的时候恰好这时间点对这个Key有大量的并发请求过来这些请求发现缓存过期一般都会从后端 DB加载数据并回设到缓存这个时候大并发的请求可能会瞬间把 DB 压垮。解决方案有两种方式:第一可以使用互斥锁: 当缓存失效时不立即去load db先使用如 Redis 的 setnx 去设置一个互斥锁, 当操作成功返回时再进行load db的操作并回设缓存否则重试get缓存的方法第二种方案可以设置当前key逻辑过期大概是思路如下:在设置key的时候设置一个过期时间字段一块存入缓存中不给当前key设置过期时间当查询的时候从redis取出数据后判断时间是否过期如果过期则开通另外一个线程进行数据同步当前线程正常返回数据这个数据不是最新当然两种方案各有利弊:如果选择数据的强一致性建议使用分布式锁的方案性能上可能没那么高锁需要等也有可能产生死锁的问题如果选择key的逻辑删除则优先考虑的高可用性性能比较高但是数据同步这块做不到强一致。什么是缓存雪崩怎么解决缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机导致大量请求到达数据库带来巨大压力。解决方案:给不同的Key的TTL添加随机值1-5分钟的随机值利用Redis集群提高服务的可用性哨兵模式、集群模式给缓存业务添加降级限流策略ngxin或spring cloud gateway降级可做为系统的保底策略适用于穿透、击穿、雪崩给业务添加多级缓存Guava或Caffeine什么是缓存雪崩? 怎么解决?缓存雪崩意思是设置缓存时采用了相同的过期时间导致缓存在某一时刻同时失效请求全部转发到DBDB瞬时压力过重雪崩。与缓存击穿的区别: 雪崩是很多key击穿是某一个key缓存。解决方案主要是可以将缓存失效时间分散开比如可以在原有的失效时间基础上增加一个随机值比如1-5分钟随机这样每一个缓存的过期时间的重复率就会降低就很难引发集体失效的事件。redis双写问题redis做为缓存mysql的数据如何与redis进行同步呢? (双写一致性)一定、一定、一定要设置前提先介绍自己的业务背景一致性要求高允许延迟一致双写一致性: 当修改了数据库的数据也要同时更新缓存的数据缓存和数据库的数据要保持一致延时双删方案读操作: 缓存命中直接返回; 缓存未命中查询数据库写入缓存设定超时时间;写操作: 延迟双删先删除缓存还是先修改数据库? 无论哪种操作, 都可能会出现数据不一致为什么要删除两次缓存? 降低脏数据的出现, 尽量保证数据一致性为什么要延时删除? 如果数据库是主从模式, 主库同步数据到从库需要时间.延时双删的延时时间不太好控制, 而且延时时间内, 仍有脏数据可能延时双删可以很大程度上保证双写一致性, 但脏数据风险仍然存在, 本质是最终一致性方案读写锁方案一般放到缓存中的数据是读多写少, 如果写多读少还是直接操作数据库吧读数据的时候添加共享锁, 允许其他线程读, 不允许写写数据的时候添加排他锁, 阻塞其他程序的读写读写锁在保证数据强一致的情况下, 读的性能高, 但是写的性能比较低参考代码异步通知保证数据的最终一致性写数据的时候, 发消息给MQ缓存服务监听MQ消息, 拿到消息后更新缓存数据的更新存在延时, 但是能保证最终一致性这个最终一致性的可靠度由MQ的可靠性决定的MQ的可靠性后面再研究基于Canal的异步通知阿里推出的中间件canal是基于mysql的主从同步来实现的基本原理二进制日志BINLOG记录了所有的 DDL数据定义语言语句和 DML数据操纵语言语句但不包括数据查询SELECT、SHOW语句。如果业务可以接受一定延时, 该方案还是不错的以上所有案例提到的延时在正常情况下是感受不到的, 都是在大并发情况下才会出现的问题redis做为缓存mysql的数据如何与redis进行同步呢? (双写一致性)就说我最近做的这个项目里面有xxxx(根据自己的简历上写)的功能需要让数据库与redis高度保持一致因为要求时效性比较高我们当时采用的读写锁保证的强一致性。我们采用的是redisson实现的读写锁在读的时候添加共享锁可以保证读读不互斥读写互斥。当我们更新数据的时候添加排他锁它是读写读读都互斥这样就能保证在写数据的同时是不会让其他线程读数据的避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一把锁才行。面试官: 那这个排他锁是如何保证读写、读读互斥的呢?候选人: 实排他锁底层使用也是setnx保证了同时只能有一个线程操作锁住的方法面试官: 你听说过延时双删吗?为什么不用它呢?候选人: 延迟双删如果是写操作我们先把缓存中的数据删除然后更新数据库最后再延时删除缓存中的数据其中这个延时多久不太好确定在延时的过程中可能会出现脏数据并不能保证强一致性所以没有采用它。redis做为缓存mysql的数据如何与redis进行同步呢? (双写一致性)就说我最近做的这个项目里面有xxxx(根据自己的简历上写)的功能数据同步可以有一定的延时(符合大部分业务)我们当时采用的阿里的canal组件实现数据同步: 不需要更改业务代码部署一个canaI服务。canal服务把自己伪装成mysql的一个从节点当mysql数据更新以后canal会读取binlog数据然后在通过canal的客户端获取到数据更新缓存即可。Redis的数据持久RDB全称Redis Database Backup file(Redis数据备份文件)也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后从磁盘读取快照文件恢复数据RDB的执行原理?bgsave开始时会fork主进程得到子进程子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。fork采用的是copy-on-write技术当主进程执行读操作时访问共享内存;当主进程执行写操作时则会拷贝一份数据执行写操作。AOFAOF全称为Append Only File(追加文件)。Redis处理的每一个写命令都会记录在AOF文件可以看做是命令日志文件。AOF默认是关闭的需要修改redis.conf配置文件来开启AOFAOF的命令记录的频率也可以通过redis.conf文件来配:因为是记录命令AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作但只有最后一次写操作才有意义。通过执行bgrewriteaof命令可以让AOF文件执行重写功能用最少的命令达到相同效果。Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置:RDB和AOF各有自己的优缺点如果对数据安全性要求较高在实际开发中往往会结合两者来使用。redis做为缓存数据的持久化是怎么做的?在Redis中提供了两种数据持久化的方式: 1、RDB 2、AOF这两种持久化方式有什么区别呢?RDB是一个快照文件它是把redis内存存储的数据写到磁盘上当redis实例宕机恢复数据的时候方便从RDB的快照文件中恢复数据。AOF的含义是追加文件当redis操作写命令的时候都会存储这个文件中当redis实例宕机恢复数据的时候会从这个文件中再次执行一遍命令来恢复数据这两种方式哪种恢复的比较快呢?RDB因为是二进制文件在保存的时候体积也是比较小的它恢复的比较快但是它有可能会丢数据我们通常在项目中也会使用AOF来恢复数据虽然AOF恢复的速度慢一些但是它丢数据的风险要小很多在AOF文件中可以设置刷盘策略我们当时设置的就是每秒批量写入一次命令Redis的数据过期策略Redis数据删除策略-惰性删除惰性删除: 设置该key过期时间后我们不去管它当需要该key时我们在检查其是否过期如果过期我们就删掉反之返回该key优点: 对CPU友好只会在使用该key时才会进行过期检查对于很多用不到的key不用浪费时间进行过期检查缺点: 对内存不友好如果一个key已经过期但是一直没有使用那么该key就会一直存在内存中内存永远不会释放Redis数据删除策略-定期删除定期删除: 每隔一段时间我们就对一些key进行检查删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查并删除其中的过期key)。定期清理有两种模式:SLOW模式是定时任务执行频率默认为10hz每次不超过25ms以通过修改配置文件redis.conf 的hz 选项来调整这个次数FAST模式执行频率不固定但两次间隔不低于2ms每次耗时不超过1ms优点: 可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除也能有效释放过期键占用的内存。缺点: 难以确定删除操作执行的时长和频率。Redis的过期删除策略: 惰性删除定期删除两种策略进行配合使用Redis的数据过期策略有哪些?在redis中提供了两种数据过期删除策略第一种是惰性删除在设置该key过期时间后我们不去管它当需要该key时我们在检查其是否期如果过期我们就删掉它反之返回该key。第二种是 定期删除就是说每隔一段时间我们就对一些key进行检查删除里面过期的key定期清理的两种模式:SLOW模式是定时任务执行频率默认为10hz每次不超过25ms以通过修改配置文件redis.conf的hz选项来调整这个次数FAST模式执行频率不固定每次事件循环会尝试执行但两次间隔不低于2ms每次耗时不超过1msRedis的过期删除策略: 惰性删除定期删除两种策略进行配合使用。Redis的数据淘汰策略数据的淘汰策略: 当Redis中的内存不够用时此时在向Redis中添加新的key那么Redis就会按照某一种规则将内存中的数据删除掉这种数据的删除规则被称之为内存的淘汰策略。Redis支持8种不同策略来选择要删除的key:noeviction: 不淘汰任何key但是内存满时不允许写入新数据默认就是这种策略。volatile-ttl: 对设置了TTL的key比较key的剩余TTL值TTL越小越先被淘汰allkeys-random: 对全体key随机进行淘汰。volatile-random: 对设置了TTL的key随机进行淘汰。allkeys-lru: 对全体key基于LRU算法进行淘汰volatile-lru: 对设置了TTL的key基于LRU算法进行淘汰allkeys-lfu: 对全体key基于LFU算法进行淘汰volatile-lfu: 对设置了TTL的key基于LFU算法进行淘汰数据淘汰策略-使用建议优先使用 alkeys-lru 策略。充分利用 LRU 算法的优势把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分建议使用。如果业务中数据访问频率差别不大没有明显冷热数据区分建议使用alkeys-random随机选择淘汰如果业务中有置顶的需求可以使用 volatile-lru 策略同时置顶数据不设置过期时间这些数据就一直不被删除, 会淘汰其他设置过期时间的数据。如果业务中有短时高频访问的数据可以使用 allkeys-lfu 或 volatile-lfu 策略。关于数据淘汰策略其他的面试问题数据库有1000万数据,Redis只能缓存20w数据,如何保证Redis中的数据都是热点数据?使用allkeys-lru (挑选最近最少使用的数据淘汰)淘汰策略留下来的都是经常访问的热点数据Redis的内存用完了会发生什么?主要看数据淘汰策略是什么? 如果是默认的配置(noeviction)会直接报错Redis的数据淘汰策略有哪些?候选人:这个在redis中提供了很多种默认是noeviction不删除任何数据内部不足直接报错可以在redis的配置文件中进行设置的里面有两个非常重要的概念一个是LRU另外一个是LFULRU的意思就是最少最近使用用当前时间减去最后一次访问时间这个值越大则淘汰优先级越高。LFU的意思是最少频率使用。会统计每个key的访问频率值越小淘汰优先级越高我们在项目设置的是allkeys-lru挑选最近最少使用的数据淘汰把一些经常访问的key留在redis中面试官: 数据库有1000万数据,Redis只能缓存20w数据,如何保证Redis中的数据都是热点数据?可以使用 allkeys-ru(挑选最近最少使用的数据淘汰)淘汰策略那留下来的都是经常访问的热点数据Redis的内存用完了会发生什么?主要看数据淘汰策略是什么? 如果是默认的配置(noeviction)会直接报错Redis分布式锁如何实现redis分布式锁是如何实现的?需要结合项目中的业务进行回答通常情况下分布式锁使用的场景集群情况下的定时任务、抢单、幂等性场景抢券场景抢券执行流程: 正常情况下, 该代码是没有问题的库存超减: 线程之间是交替执行的, 代码的执行流程就可能如下, 出现超卖的情况使用多线程提供的synchronized锁, 解决超卖问题服务集群部署的情况下, 如何解决超卖问题?使用分布式锁的方案redis分布式锁Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在则 SET)的简写。获取锁释放锁使用流程Redis实现分布式锁如何合理的控制锁的有效时长?问题原因: 业务执行时间超过锁的超时时间, 导致锁失效, 就不能保证业务的原子性了, 可能影响业务数据解决思路有两种根据业务执行时间预估: 其实很难预估, 受网络/服务器等因素影响给锁续期: 获取到锁之后, 自己开一个线程, 监控业务执行, 如果业务执行时间较长, 就增加锁的过期时间redisson实现的分布式锁-执行流程一个线程来了, 先尝试加锁, 加锁成功了就可以操作redis, 加锁成功后, 自动开启一个看门狗线程, 不断监听持有锁的线程, 给该锁增加过期时间手动释放锁之后, 会自动通知看门口取消监听新的线程尝试加锁时, 如果成功则可以操作redis, 如果失败, 会开启一个循环, 不断尝试加锁如果线程1一直不释放锁, 线程2也不会一直循环, 超过阈值就会放弃一般情况下业务的执行也就几十毫秒, 线程3不会等很久, 加入这个等待机制(重试机制)的好处就是, 在高并发情况下, 可以很大程度上的提高分布式锁的使用性能具体redisson使用代码redisson实现的分布式锁- 可重入上述代码, 如果add2方法获取锁成功了, 说明这个锁是可以重入的, 获取锁失败, 说明这个锁是不可重入的redis的分布式锁是不可重入的, redisson的分布式锁可重入redisson是根据线程id来进行判断的, 同一个线程是可以获取锁成功的, 不同的线程会获取失败好处:业务复杂的时候, 锁的粒度比较细的时候, 就可能用到锁的重入可以避免多个锁产生死锁的问题redisson实现的分布式锁-主从一致性正常情况下, java应用在主节点获取锁, 然后操作数据如果这个时候主节点宕机了, 依据redis的哨兵模式, 会从从节点中选一个当做主节点, 那么新的线程来了之后, 会从新的的主节点获取锁, 这时两个线程就同时持有一把锁, 就丧失了锁的互斥性, 可能出现脏数据redisson提供了RedLock, 解决主从节点不一致的问题RedLock(红锁): 不能只在一个redis实例上创建锁应该是在多个redis实例上创建锁(n/2 1)避免在一个redis实例上加锁。红锁使用的很少, 因为服务器宕机是低概率事件, 而且redis整体是AP思想, 保证高可用, 追求最终一致性, 如果一定要保证数据强一致性, 建议使用CP思想的zookeeper实现分布式锁Redis分布式锁如何实现?redis中提供了一个命令setnx(SETifnot exists)由于redis的单线程的用了命令之后只能有一个客户端对某一个key设置值在没有过期或删除key的时候是其他客户端是不能设置这个key的那你如何控制Redis实现分布式锁有效时长呢?redis的setnx指令不好控制这个问题我们当时采用的redis的一个框架redisson实现的。在redisson中需要手动加锁并且可以控制锁的失效时间和等待时间当锁住的一个业务还没有执行完成的时候在redisson中引入了一个看门狗机制就是说每隔一段时间就检查当前业务是否还持有锁,如果持有就增加加锁的持有时间当业务执行完成之后需要使用释放锁就可以了还有一个好处就是在高并发下一个业务有可能会执行很快先客户1持有锁的时候客户2来了以后并不会马上拒绝它会自选不断尝试获取锁如果客户1释放之后客户2就可以马上持有锁性能也得到了提升。redisson实现的分布式锁是可重入的吗?是可以重入的。这样做是为了避免死锁的产生。这个重入其实在内部就是判断是否是当前线程持有的锁如果是当前线程持有的锁就会计数如果释放锁就会在计算上减一。在存储数据的时候采用的hash结构大key可以按照自己的业务进行定制其中小key是当前线程的唯一标识value是当前线程重入的次数.redisson实现的分布式锁能解决主从一致性的问题吗?不能解决但是可以使用redisson提供的红锁来解决但是这样的话性能就太低了如果业务中非要保证数据的强一致性建议采用zookeeper实现的分布式锁集群问题Redis集群有哪些方案在Redis中提供的集群方案总共有三种主从复制哨兵模式分片集群什么是 Redis 主从同步主从复制单节点Redis的并发能力是有上限的要进一步提高Redis的并发能力就需要搭建主从集群实现读写分离。主从数据同步原理主从全量同步Replication ld: 简称replid是数据集的标记id一致则说明是同一数据集。每一个master都有唯一的replid, slave则会继承master节点的replidoffset: 偏移量随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。 如果slave的offset小于master的offset说明slave数据落后于master需要更新。流程说明从节点请求主节点同步数据(replicationid、offset)主节点判断是否是第一次请求是第一次就与从节点同步版本信息(replication id和offset)主节点执行bgsave生成rdb文件后发送给从节点去执行在rdb生成执行期间主节点会以命令的方式记录到缓冲区(一个日志文件)把生成之后的命令日志文件发送给从节点进行同步主从增量同步 (slave重启或后期数据变化)从节点请求主节点同步数据主节点判断不是第一次请求不是第一次就获取从节点的offset值主节点从命令日志中获取offset值之后的数据发送给从节点进行数据同步面试官: Redis集群有哪些方案,知道嘛?在Redis中提供的集群方案总共有三种: 主从复制、哨兵模式、Redis分片集面试官: 那你来介绍一下主从同步单节点Redis的并发能力是有上限的要进一步提高Redis的并发能力可以搭建主从集群实现读写分离。一般都是一主多从主节点负责写数据从节点负责读数据主节点写入数据之后需要把数据同步到从节点中面试官: 能说一下主从同步数据的流程主从同步分为了两个阶段一个是全量同步一个是增量同步从节点第一次与主节点建立连接的时候使用全量同步流程是这样的:第一: 从节点请求主节点同步数据其中从节点会携带自己的replicationid和offset偏移量。第二: 主节点判断是否是第一次请求主要判断的依据就是主节点与从节点是否是同一个replicationid如果不是就说明是第一次同步那主节点就会把自己的replicationid和offset发送给从节点让从节点与主节点的信息保持一致。第三: 同时主节点会执行bgsave生成rdb文件后发送给从节点去执行从节点先把自己的数据清空然后执行主节点发送过来的rdb文件这样就保持了一致当然如果在rdb生成执行期间依然有请求到了主节点而主节点会以命令的方式记录到缓冲区缓冲区是一个日志文件最后把这个日志文件发送给从节点这样就能保证主节点与从节点完全一致了后期再同步数据的时候都是依赖于这个日志文件这个就是全量同步增量同步指的是当从节点服务重启之后数据就不一致了所以这个时候从节点会请求主节点同步数据主节点判断是不是第一次请求不是第一次就获取从节点的offset值然后主节点从命令日志中获取offset值之后的数据发送给从节点进行数据同步怎么保证redis的高并发高可用主从模式可以解决单节点redis的性能瓶颈, 但是不能保证redis的高可用哨兵模式Redis提供了哨兵(Sentinel) 机制来实现主从集群的自动故障恢复。哨兵的结构和作用如下监控: Sentinel会不断检查您的master和slave是否按预期工作自动故障恢复: 如果master故障Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主通知: Sentinel充当Redis客户端的服务发现来源当集群发生故障转移时会将最新信息推送给Redis的客户端服务状态监控Sentinel基于心跳机制监测服务状态每隔1秒向集群的每个实例发送ping命令:主观下线: 如果某sentinel节点发现某实例未在规定时间响应则认为该实例主观下线。客观下线: 若超过指定数量(quorum)的sentinel都认为该实例主观下线则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。哨兵选主规则首先判断主与从节点断开时间长短如超过指定值就排该从节点然后判断从节点的slave-priority值越小优先级越高如果slave-prority一样则判断slave节点的offset值越大优先级越高最后是判断slave节点的运行id大小越小优先级越高。redis集群(哨兵模式)脑裂这是一个主从架构配合哨兵模式的高可用集群因为网络故障如主节点网卡故障、网络延迟 / 丢包、防火墙拦截等导致哨兵集群无法与主节点通信哨兵误判主节点宕机进而将一个从节点晋升为新主节点, 此时集群中出现两个主节点原主节点 新主节点客户端还会向原主节点写入数据。原主节点恢复上线, 会降级为从节点, 客户端再写数据时会向新主节点写入, 原主节点的数据就会被覆盖, 最终数据丢失等问题redis中有两个配置参数:min-replicas-to-write 1 表示最少的salve节点为1个min-replicas-max-lag 5 表示数据复制和同步的延迟不能超过5秒# redis.conf 主节点配置 # 1. 主节点能连接的从节点最小数量低于此值则拒绝写入 min-replicas-to-write 1 # 2. 从节点与主节点的最大延迟时间超过此值则视为“无效从节点” min-replicas-max-lag 10通过 Redis 主节点的配置让原主节点在 “脑裂” 期间拒绝客户端写入避免数据双写面试官: 怎么保证Redis的高并发高可用首先可以搭建主从集群再使用redis的哨兵模式哨兵模式可以实现主从集群的自动故障恢复里面就包含了对主从服务的监控、自动故障恢复、通知如果master故障Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主;同时Sentinel也充当Redis客户端的服务发现来源当集群发生故障转移时会将最新信息推送给Redis的客户端所以一般项目都会采用哨兵的模式来保证redis的高并发高可用你们使用redis是单点还是集群哪种集群?使用的是主从(1主1从)加哨兵。一般单节点不超过10G内存如果Redis内存不足则可以给不同服务分配独立的Redis主从节点。尽量不做分片集群。因为集群维护起来比较麻烦并且集群之间的心跳检测和数据通信会消耗大量的网络带宽也没有办法使用lua脚本和事务redis集群脑裂该怎么解决呢?有的时候由于网络等原因可能会出现脑裂的情况就是说由于redismaster节点和redis salve节点和sentinel处于不同的网络分区使得sentinel没有能够心跳感知到master所以通过选举的方式提升了一个salve为master这样就存在了两个master这样会导致客户端还在old master那里写入数据新节点无法同步数据当网络恢复后sentinel会将oldmaster降为salve这时再从新master同步数据这会导致old master中的大量数据丢失。可以对redis进行配置: 设置最少的salve节点个数设置至少有一个从节点才能同步数据再设置主从数据复制和同步的延迟时间达不到要求就拒绝请求就可以避免大量的数据丢失redis分片集群主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决海量数据存储问题高并发写的问题使用分片集群可以解决上述问题分片集群特征:集群中有多个master每个master保存不同数据每个master都可以有多个slave节点master之间通过ping监测彼此健康状态客户端请求可以访问集群任意节点最终都会被转发到正确节点分片集群结构-数据读写Redis 分片集群引入了哈希槽的概念Redis 集群有 16384 个哈希槽每个 key通过 CRC16 校验后对 16384 取模来决定放置哪个槽集群的每个节点负责一部分 hash 槽。Redis 分片集群引入了哈希槽的概念Redis 集群有 16384 个哈希槽将16384个插槽分配到不同的实例读写数据: 根据key的有效部分计算哈希值对16384取余(有效部分如果key前面有大括号大括号的内容就是有效部分如果没有则以key本身做为有效部分)余数做为插槽寻找插槽所在的实例面试官: redis的分片集群有什么作用分片集群主要解决的是海量数据存储的问题集群中有多个master每个master保存不同数据并且还可以给每个master设置多个slave节点就可以继续增大集群的高并发能力。同时每个master之间通过ping监测彼此健康状态就类似于哨兵模式了。当客户端请求可以访问集群任意节点最终都会被转发到正确节点面试官: Redis分片集群中数据是怎么存储和读取的?Redis 集群引入了哈希槽的概念有 16384个哈希槽集群中每个主节点绑定了一定范围的哈希槽范围key通过 CRC16校验后对 16384 取模来决定放置哪个槽通过槽找到对应的节点进行存储。取值的逻辑是一样的原理问题Redis为什么还那么快?Redis是纯内存操作执行速度非常快采用单线程避免不必要的上下文切换如果使用多线程, 就要考虑线程安全问题, 大量使用并发锁, 就会影响性能使用I/O多路复用模型非阻塞IO能解释一下I/O多路复用模型?Redis是纯内存操作执行速度非常快它的性能瓶颈是网络延迟而不是执行速度 I/O多路复用模型主要就是实现了高效的网络请求用户空间和内核空间常见的IO模型阻塞IO (Blocking IO)非阻塞塞IO (Nonblocking lO)IO多路复用 (IO Multiplexing)Redis网络模型用户空间和内核空间Linux系统中一个进程使用的内存情况划分两部分:内核空间、用户空间用户空间只能执行受限的命令(Ring3)而且不能直接调用系统资源必须通过内核提供的接口来访问内核空间可以执行特权命令(Ring0)调用一切系统资源Linux系统为了提高IO效率会在用户空间和内核空间都加入缓冲区写数据时要把用户缓冲数据拷贝到内核缓冲区然后写入设备读数据时要从设备读取数据到内核缓冲区然后拷贝到用户缓冲区阻塞IO顾名思义阻塞IO就是两个阶段都必须阻塞等待阶段一:用户进程尝试读取数据(比如网卡数据)此时数据尚未到达内核需要等待数据此时用户进程也处于阻塞状态阶段二:数据到达并拷贝到内核缓冲区代表已就绪将内核数据拷贝到用户缓冲区拷贝过程中用户进程依然阻塞等待拷贝完成用户进程解除阻塞处理数据非阻塞IO顾名思义非阻塞IO的recvfrom操作会立即返回结果而不是阻塞用户进程。阶段一:用户进程尝试读取数据(比如网卡数据)此时数据尚未到达内核需要等待数据返回异常给用户进程用户进程拿到error后再次尝试读取循环往复直到数据就绪阶段二:将内核数据拷贝到用户缓冲区拷贝过程中用户进程依然阻塞等待拷贝完成用户进程解除阻塞处理数据可以看到非阻塞IO模型中用户进程在第一个阶段是非阻塞第二个阶段是阻塞状态。虽然是非阻塞但性能并没有得到提高。而且忙等机制会导致CPU空转CPU使用率暴增。IO多路复用IO多路复用: 是利用单个线程来同时监听多个Socket并在某个Socket可读、可写时得到通知从而避免无效的等待充分利用CPU资源。阶段一:用户进程调用select指定要监听的Socket集合内核监听对应的多个socket任意一个或多个socket数据就绪则返回readable此过程中用户进程阻塞阶段二:用户进程找到就绪的socket依次调用recvfrom读取数据内核将数据拷贝到用户空间用户进程处理数据IO多路复用是利用单个线程来同时监听多个Socket 并在某个Socket可读、可写时得到通知从而避免无效的等待充分利用CPU资源。不过监听Socket的方式、通知的方式又有多种实现常见的有:selectpollepoll差异:select和poI只会通知用户进程有Socket就绪但不确定具体是哪个Socket需要用户进程逐个遍历Socket来确认epoll则会在通知用户进程Socket就绪的同时把已就绪的Socket写入用户空间Redis网络模型Redis通过IO多路复用来提高网络性能并且支持各种不同的多路复用实现并且将这些实现进行封装 提供了统一的高性能事件库能解释一下I/O多路复用模型?I/O多路复用是指利用单个线程来同时监听多个Socket并在某个Socket可读、可写时得到通知从而避免无效的等待充分利用CPU资源。目前的I/O多路复用都是采用的epoll模式实现, 它会在通知用户进程Socket就绪的同时把已就绪的Socket写入用户空间不需要挨个遍历Socket来判断是否就绪提升了性能。其中Redis的网络模型就是使用I/O多路复用结合事件的处理器来应对多个Socket请求比如提供了连接应答处理器、命令回复处理器命令请求处理器;在Redis6.0之后为了提升更好的性能在命令回复处理器使用了多线程来处理回复事件在命令请求处理器中将命令的转换使用了多线程增加命令转换速度在命令执行的时候依然是单线程