1. 什么是缓存穿透？怎么解决？

候选人：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。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 缓存空对象 或者 布隆过滤器 来解决它。

缓存空对象

• 优点：实现简单，维护方便
• 缺点：额外的内存消耗，可能造成短期的不一致

布隆过滤

• 优点：内存占用较少，没有多余key
• 缺点：实现复杂，存在误判可能（有穿透的风险），无法删除数据

我们还可以采用主动的方案预防缓存穿透，比如：增强id的复杂度避免被猜测id规律、做好数据的基础格式校验、加强用户权限校验、做好热点参数的限流

2. 你能介绍一下布隆过滤器吗？

候选人：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。它的底层原理是，先初始化一个比较大的数组，里面存放的是二进制0或1。一开始都是0，当一个key来了之后，经过3次 hash 计算，模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，三个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，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。

3. 什么是缓存击穿？怎么解决？

候选人：缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

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。

第二种方案是设置当前 key 逻辑过期，大概思路如下：

1. 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；
2. 当查询的时候，从redis取出数据后判断时间是否过期；
3. 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，这个数据可能不是最新的。
   

互斥锁（时间换空间）

• 优点：内存占用小，一致性高，实现简单
• 缺点：性能较低，容易出现死锁

逻辑过期（空间换时间）

• 优点：性能高
• 缺点：内存占用较大，容易出现脏读

4. 什么是缓存雪崩？怎么解决？

候选人：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。

与缓存击穿的区别是：雪崩是很多key，而击穿是某一个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。

5. redis做为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）

注意要根据项目中的业务背景来回答

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。

候选人：嗯！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。我们使用的是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。

6. 那这个排他锁是如何保证读写、读读互斥的呢？

候选人：其实排他锁底层使用的也是SETNX，它保证了同时只能有一个线程操作锁住的方法。

7. 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。

8. redis做为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）

候选人：嗯！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。采用主动更新策略来解决数据一致性问题，使用双写方案的删除缓存模式（先更新数据库，后删除缓存）来减少线程安全问题发生的概率，采用TTL过期+内存淘汰机制作为兜底方案，同时将缓存和数据库的操作放到同一个事务来保障操作的原子性。

9. redis做为缓存，数据的持久化是怎么做的？

候选人：在Redis中提供了两种数据持久化的方式：1) RDB；2) AOF。

10. 这两种持久化方式有什么区别呢？

候选人：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，可以从RDB的快照文件中恢复数据。AOF的含义是追加文件。当redis执行写命令的时候，都会存储到这个文件中。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。

11. 这两种方式，哪种恢复的比较快呢？

候选人：RDB因为是二进制文件，保存时体积也比较小，所以它恢复得比较快。但它有可能会丢数据。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。

12. Redis的数据过期（删除）策略有哪些？

候选人：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，我们检查其是否过期。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，并删除里面过期的key。定期清理的两种模式是：

1. SLOW模式，是定时任务，执行频率默认为10hz，每次不超过25ms，可以通过修改配置文件redis.conf的hz选项来调整这个次数；
2. 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1ms。Redis的过期删除策略是：惰性删除 + 定期删除两种策略配合使用。

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。

13. Redis的数据淘汰策略有哪些？

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。

候选人：

• 默认是 noeviction，不删除任何数据，内部不足时直接报错。这个可以在redis的配置文件中进行设置。
• LRU：最少最近使用。它会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 ：最少频率使用。它会统计每个key的访问频率。值越小，淘汰优先级越高。

我们在项目中设置的是 allkeys-lru，它会挑选最近最少使用的数据进行淘汰，把一些经常访问的key留在redis中。

14. 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？

候选人：可以使用 allkeys-lru（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。

15. Redis的内存用完了会发生什么？

候选人：这个要看redis的数据淘汰策略是什么。如果是默认的配置，redis内存用完以后则直接报错。我们当时设置的是 allkeys-lru 策略，把最近最常访问的数据留在缓存中。

16. Redis分布式锁如何实现？

setnx 指令的特点：setnx 只能设置 key 不存在的值，值不存在设置成功，返回 1 ；值存在设置失败，返回 0 。
lua 脚本：保证原子性。
候选人：在redis中提供了一个命令SETNX(SET if not exists)。由于redis是单线程的，用了这个命令之后，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，其他客户端是不能设置这个key的。

• 使用 set nx 来实现加锁
• 锁变量需要添加过期时间，以免客户端拿到锁之后发生异常，导致锁一直无法释放
• 锁变量的值需要能够区分来自不同客户端的枷锁操作，以免在释放锁的时候出现误放操作（例如使用线程标识）
• 使用 Lua 脚本保证释放锁操作的原子性

17. 那你如何控制Redis实现分布式锁的有效时长呢？

候选人：redis的SETNX指令不好控制这个问题。我们当时采用的是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，Redisson会引入一个 看门狗机制（watch dog）。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。客户1持有锁的时候，客户2来了以后并不会马上被拒绝。它会自旋不断尝试获取锁。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。

18. Redisson实现的分布式锁是可重入的吗？

候选人：嗯，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数上减一。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。

19. Redisson实现的分布式锁能解决主从一致性的问题吗？

候选人：这个是不能的。比如，当线程1加锁成功后，master节点数据会异步复制到slave节点，此时如果当前持有Redis锁的master节点宕机，slave节点被提升为新的master节点，假如现在来了一个线程2，再次加锁，会在新的master节点上加锁成功，这个时候就会出现两个节点同时持有一把锁的问题。
我们可以利用Redisson提供的红锁来解决这个问题，它的主要作用是，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，并且要求在大多数Redis节点上都成功创建锁，红锁中要求是Redis的节点数量要过半。这样就能避免线程1加锁成功后master节点宕机导致线程2成功加锁到新的master节点上的问题了。
但是，如果使用了红锁，因为需要同时在多个节点上都添加锁，性能就变得非常低，并且运维维护成本也非常高，所以，我们一般在项目中也不会直接使用红锁，并且官方也暂时废弃了这个红锁。

20. 如果业务非要保证数据的强一致性，这个该怎么解决呢？

候选人：嗯~，Redis本身就是支持高可用的，要做到强一致性，就非常影响性能，所以，如果有强一致性要求高的业务，建议使用ZooKeeper实现的分布式锁，它是可以保证强一致性的。

21. Redis集群有哪些方案，知道吗？

候选人：在Redis中提供的集群方案总共有三种：主从复制、哨兵模式、Redis分片集群。

22. 那你来介绍一下主从同步。

候选人：嗯，是这样的，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。

23. 能说一下，主从同步数据的流程吗？

候选人：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。

全量同步 是指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replication id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replication id，如果不是，就说明是第一次同步，那主节点就会把自己的replication id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：在同时主节点会执行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，主节点还是判断不是第一次请求，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。

24. 怎么保证Redis的高并发高可用？

候选人：首先可以搭建 主从集群，再加上使用Redis中的 哨兵模式，哨兵模式可以 实现主从集群的自动故障恢复。它会监测主节点是否存活，如果发现主节点挂了，它就会选举一个从节点切换为主节点，并且把新主节点的相关信息通知给从节点和客户端。

哨兵一般是以集群的方式部署，至少需要 3 个哨兵节点，哨兵集群主要负责三件事情: 监控、选主、通知。

哨兵节点通过 Redis 的发布者/订阅者机制，哨兵之间可以相互感知，相互连接，然后组成哨兵集群，同时哨兵又通过 INFO 命令，在主节点里获得了所有从节点连接信息，于是就能和从节点建立连接，并进行监控了。

1. 第一轮投票: 判断主节点下线
   • 当哨兵集群中的某个哨兵判定主节点下线(主观下线)后，就会向其他哨兵发起命令，其他哨兵收到这个命令后，就会根据自身和主节点的网络状况，做出成投票或者拒绝投票的响应，当这个哨兵的赞同票数达到哨兵配置文件中的 quorum 配置项设定的值后，这时主节点就会被该哨兵标记为「客观下线」。
2. 第二轮投票: 选出哨兵 leader
   • 某个哨兵判定主节点客观下线后，该哨兵就会发起投票，告诉其他哨兵，它想成为leader，想成为 leader的哨兵节点，要满足两个条件:
     • 第一，拿到半数以上的赞成票
     • 第二，拿到的票数同时还需要大于等于哨兵配置文件中的 quorum 值
3. 由哨兵 leader 进行主从故障转移
   • 选举出了哨兵 leader后，就可以进行主从故障转移的过程了。该操作包含以下四个步骤:
     • 第一步:在已下线主节点(旧日主节点)属下的所有「从节点」里面，挑选出一个从节点，并将其转换为主节点
     • 第二步:让已下线主节点属下的所有「从节点」修改复制目标，修改为复制「新主节点」;
     • 第三步:将新主节点的IP 地址和信息，通过「发布者/订阅者机制」通知给客户端;
     • 第四步:继续监视旧主节点，当这个旧主节点重新上线时，将它设置为新主节点的从节点;

25. 你们使用Redis是单点还是集群，哪种集群？

候选人：嗯！我们当时使用的是主从（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。

26. Redis集群脑裂，该怎么解决呢？

候选人：嗯！这个在项目中很少见，不过脑裂的问题是这样的，我们现在用的是Redis的哨兵模式集群的。
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Redis master节点和Redis slave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slave为master，这样就存在了两个master，就像大脑分裂了一样，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old master降为slave，这时再从新master同步数据，这会导致old master中的大量数据丢失。

关于解决的话，我记得在Redis的配置中可以设置：第一可以设置最少的slave节点个数，比如设置至少要有一个从节点才能同步数据，第二个可以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。

27. Redis的分片集群有什么作用？

候选人：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。高并发写。
• 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。

28. Redis分片集群中数据是怎么存储和读取的？

候选人：
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。

29. Redis是单线程的，但是为什么还那么快？

候选人：

1. 完全基于内存的，执行速度非常快。
2. 采用单线程，避免不必要的上下文切换和竞争条件，多线程还要考虑线程安全问题。
3. 使用多路I/O复用模型，非阻塞IO。
   例如：BGSAVE和BGREWRITEAOF都是在后台执行操作，不影响主线程的正常使用，不会产生阻塞。

30. 能解释一下I/O多路复用模型？

候选人：嗯~~，I/O多路复用是指利用单个线程来同时监听多个Socket，并且在某个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