【java面试】redis篇

article/2025/7/31 12:33:00

一、适用场景

在这里插入图片描述
在这里插入图片描述
问:你在项目中,都用到了redis,你在最近的哪些场景中使用了redis?
答:(结合实际项目情况)
在这里插入图片描述

(一)缓存

查询流程:

请求路径:
一个get请求:api/new/getById/1

在这里插入图片描述

1、缓存穿透

描述:查询一个不存在的数据,mysal查询不到数据写不会直接写入缓存,导致每次请求都查数据库

1.1 解决方案1:缓存空数据,查询返回的数据为空,将空结果缓存

优点:简单
缺点:消耗内存,可能发生不一致问题

{key:1,value:null}

1.2 解决方案2:布隆过滤器

在这里插入图片描述
bitmap(位图):相当于以位(bit) 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:可以用于检索一个元素是否存在一个集合中
实现方案:Redission、Guava
在这里插入图片描述
但是布隆过滤器会出现误判,情况如下:
在这里插入图片描述
误判率:数组越小误判率就越大,数组越大误判率就越小,但是消耗内存更多。一般情况下设置在百分之五以内。

2、缓存击穿

描述:给某一个key设置了过期时间,当key过期的时候,恰好这个时间点对这个key有大量的并发请求过来,这些并发请求可能瞬间把DB压垮
在这里插入图片描述

1.1 解决方案1:互斥锁

在这里插入图片描述

1.2 解决方案2:逻辑过期

高热点key不设置过期时间,但是存储数据中有一个"expire"过期字段,当该字段为0时,说明数据过期,但是该数据仍旧存在(也就是高热点key不过期)。来查询该字段的线程会:
①获取互斥锁(用于保证重建缓存数据的互斥性)
②新开线程(用于重建缓存数据)
③在原有的线程上,返回过期数据
④如果正在重建缓存的基础上有新线程查询到数据,那么将会获取互斥锁失败,(不做等待)也直接返回过期数据。
⑤重建完成后,有新线程查询,将命中更新后的的新数据

更新前后返回数据可能不一致,但是不会等待,高可用,更加注重用户体验。在这里插入图片描述

3、缓存雪崩

描述:是指在同一时间段大量的缓存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。

3.1 大量key过期

解决方案:给不同的key的TTl添加随机值
在这里插入图片描述

3.2 Redis服务宕机

解决方案:利用Redis集群提高服务的可用性(哨兵模式、集群模式)
在这里插入图片描述

3.3 给缓存业务添加降级限流策略(通用)

解决描述:ngxin或spring cloud gateway
降级可作为系统的保底策略,适用于穿透、击穿、雪崩

3.4 给业务添加多级缓存

解决描述:Guava或Caffeine

4、双写一致性

问:redis作为缓存,mysql的数据如何与redis进行同步?
答:(一定设置前提)先介绍自己的业务背景

4.1 双写一致(一致性要求高)

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

  • 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:延时双删
    在这里插入图片描述

普通删除操作仅有:
无论是先删除缓存还是先删除数据库都会出现问题——脏数据
在这里插入图片描述
①先删除缓存,再删除数据库
正常情况:
在这里插入图片描述
异常情况:
在这里插入图片描述

②先删除数据库,再删除缓存
正常情况:
在这里插入图片描述
异常情况(查询时Redis已过期自动删除了:null):
在这里插入图片描述
删除两次缓存为了减少上面两种情况的脏数据
延时删除:数据库时主从同步,延时给数据库同步的时间

4.1 分布式锁

效率较低。
在这里插入图片描述

4.2 读写锁

在这里插入图片描述

4.2 允许短暂的不一致

①异步通知:保证数据的最终一致性
在这里插入图片描述
②基于Canal的异步通知
不需要修改业务代码,伪装为mysql的一个从节点,canal通过读取binlog数据更新缓存.

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

在这里插入图片描述

5、持久化

问:redis作为缓存,数据持久化是怎么做的?
在Redis中提供了两种数据持久化的方式:RDBAOF

5.1 RDB

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。
①主动备份
在这里插入图片描述
②自动备份:redis内部有触发RDB的机制,可以在Redis.conf文件中找到,格式如下:
在这里插入图片描述RDB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。

在这里插入图片描述

5.2 AOF

AOF全称Appeng only File(追加文件)。Redis处理的每一个命令都会记录在AOF文件,可以看做是命令日志文件。
在这里插入图片描述
AOF默认是关闭的,需要修改redis.conf配置文件来开启AOF:
在这里插入图片描述
AOF的记录频率也可以通过redis.conf文件来配:
在这里插入图片描述
在这里插入图片描述
缺点: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。
在这里插入图片描述

redis也会在触发阈值时自动重写AOF文件,阈值也可以在redis.conf中配置:
在这里插入图片描述

5.3 RDB和AOF对比

二者各有优缺点,如果对数据安全性要求较高,在实际开发中往往结合两者来使用:
在这里插入图片描述

回答:
在这里插入图片描述

6、数据过期策略

问:redis的key过期后,会立马删除吗?
redis对数据设置数据的有效时间,数据过期以后,就需要将数据从内存中删除掉。可以按照不同的规则进行删除,这种删除规则就是数据的删除策略(数据过期策略)。有惰性删除和定期删除两种

6.1 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,我们检查它是否过期,如果过期我们就删除,反之,没过期就返回。
在这里插入图片描述

优点:对CPU友好,只有在使用该key时才会检查,对于很多用不到的key不会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,那么它就会一直存在内存中,内存永远不会释放。

6.2 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 配合使用

在这里插入图片描述

7、数据淘汰策略

问:假如缓存过多,内存是有限的,内存被占满了怎么办?
在这里插入图片描述
适用建议:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

(二)分布式锁

问:redis分布式锁,如何实现?
集群情况下的定时任务、抢单、幂等性场景。

1、场景描述

eg:抢券
在这里插入图片描述
正常流程:
在这里插入图片描述
错误流程:
在这里插入图片描述

解决办法:加锁(单体项目)
在这里插入图片描述
多体项目(分布式锁):
在这里插入图片描述
在这里插入图片描述

2、redis实现分布式锁

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。
在这里插入图片描述
在这里插入图片描述
设置锁的过期时间:
①根据业务时间预估
②给过期时间预估——Redission实现的分布式锁
在这里插入图片描述
加锁、设置过期时间等操作都是基于lua脚本完成——保证执行的原子性
在这里插入图片描述

3、Redission实现的分布式锁可重入

在同一线程的基础上
①执行add1()创建"heimalock",同时value设置为1
②调用add2(),value加1
③add2()执行结束,value减1
④add1()执行结束,value减1,此时value变为0,删除"heimalock"
在这里插入图片描述

4、Redission实现的分布式锁——主从一致性——红锁

主节点负责写操作,从节点负责对外的读操作
在这里插入图片描述
当主节点宕机后,从从节点中选择一个当主节点,但此时主节点的信息还没同步过来,就会出现两个线程持有同一把锁的情况:
在这里插入图片描述
在这里插入图片描述

AP思想:优先保证高可用性
CP思想:保证数据的强一致性
了解AP和CP思想:https://blog.csdn.net/weixin_43475992/article/details/136280242

5、总结

在这里插入图片描述
在这里插入图片描述

二、其他面试题

在这里插入图片描述
在这里插入图片描述
问:redis集群有哪些方案?
在这里插入图片描述

(一)主从复制、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,就需要搭建主从集群,实现读写分离。
在这里插入图片描述

1、主从同步流程——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replid
offset: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。

在这里插入图片描述

2、主从同步流程——增量同步(slave重启或者后期数据变化)

在这里插入图片描述

3、总结

在这里插入图片描述
在这里插入图片描述

(二)哨兵模式、集群脑裂

1、哨兵模式

主从模式保证不了集群的高可用,主节点宕机之后,就丧失了写数据的能力。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:
在这里插入图片描述
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。

2、集群脑裂

由于网络断裂的原因,一个高可用集群中,实际上分裂为多个小的集群,这种情况就称为裂脑。也有的人称之为分区集群,或者大脑垂直分隔,互相接管对方的资源,出现多个Master的情况,都可以称为脑裂。
在这里插入图片描述
在这里插入图片描述
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

3、总结

在这里插入图片描述
在这里插入图片描述

(三)分片集群、数据读取

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

在这里插入图片描述
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。
在这里插入图片描述
总结:
在这里插入图片描述在这里插入图片描述

(四) 其他

1、Redis是单线程的,但为什么还是那么快?

在这里插入图片描述

2、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
为了提高IO的效率:①减少无效的等待②较少内核空间和用户空间之间数据的拷贝

在这里插入图片描述

3、IO模型

3.1 阻塞I/O

在这里插入图片描述

3.2 非阻塞I/O

在这里插入图片描述

3.3 I/O多路复用

在这里插入图片描述

在这里插入图片描述

4、redis的网络模型

4.1 单线程模型

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
在这里插入图片描述
在这种单线程的模式下影响性能的永远是I/O

4.2 多线程模型

在这里插入图片描述

5、总结

在这里插入图片描述
在这里插入图片描述


http://www.hkcw.cn/article/avPlrYjeYI.shtml

相关文章

行业分析---小米汽车2025第一季度财报

1 背景 最近几年是新能源汽车的淘汰赛,前短时间比亚迪再次开始了降价,导致一片上市车企的股价大跌,足见车圈现在的敏感度。因此笔者会一直跟踪新势力车企的财报状况,对之前财报分析感兴趣的读者朋友可以参考以下博客:…

TensorFlow深度学习实战(19)——受限玻尔兹曼机

TensorFlow深度学习实战(19)——受限玻尔兹曼机 0. 前言1. 受限玻尔兹曼机1.1 受限玻尔兹曼机架构1.2 受限玻尔兹曼机的数学原理 2. 使用受限玻尔兹曼机重建图像3. 深度信念网络小结系列链接 0. 前言 受限玻尔兹曼机 (Restricted Boltzmann Machine, RB…

设计模式——桥接设计模式(结构型)

摘要 桥接设计模式是一种结构型设计模式,用于将抽象与实现解耦,使二者可以独立变化。它通过将一个类拆分为“抽象”和“实现”两部分,并通过桥接关系组合,避免了类继承层次结构过于庞大。桥接模式包含抽象类、扩充抽象类、实现类…

java反射

简介 获取Class 误区 解释一下 “类” 和 “Class对象” 的区别,以及为什么每个类都有关联的 Class 对象: 🧩 核心概念:类 vs Class对象 想象你有一本《汽车使用说明书》: 类 这本说明书本身(纸上的文…

C++ 之 多态 【虚函数表、多态的原理、动态绑定与静态绑定】

目录 前言 1.多态的原理 1.1虚函数表 1.2派生类中的虚表 1.3虚函数、虚表存放位置 1.4多态的原理 1.5多态条件的思考 2.动态绑定与静态绑定 3.单继承和虚继承中的虚函数表 3.1单继承中的虚函数表 3.2多继承(非菱形继承)中的虚函数表 4.问答题 前言 需要声明的&#x…

28 C 语言作用域详解:作用域特性(全局、局部、块级)、应用场景、注意事项

1 作用域简介 作用域定义了代码中标识符(如变量、常量、数组、函数等)的可见性与可访问范围,即标识符在程序的哪些位置能够被引用或访问。在 C 语言中,作用域主要分为三类: 全局作用域局部作用域块级作用域 需注意&am…

day03-Vue-Element

1 Ajax 1.1 Ajax介绍 1.1.1 Ajax概述 我们前端页面中的数据,如下图所示的表格中的学生信息,应该来自于后台,那么我们的后台和前端是互不影响的2个程序,那么我们前端应该如何从后台获取数据呢?因为是2个程序&#xf…

智慧交通设计方案

该文档是智慧交通设计方案,交通设计位于综合交通规划后、道路工程设计前,目标是优化交通系统及设施,实现交通安全、高效、可持续发展。内容涵盖区域交通组织优化(含需求管理、速度管理等)、平面交叉口设计(要素、改善措施)、专项交通设计(公共交通、慢行系统等)、智能…

SAP学习笔记 - 开发17 - 前端Fiori开发 Component 配置(组件化)

上一章讲了Fiori前端开发中的国际化。 SAP学习笔记 - 开发16 - 前端Fiori开发 Properties文件(国际化) ,语言切换实例,Fiori 国际化(常用语言列表,关键规则,注意事项)-CSDN博客 本…

leetcode刷题日记——二叉树的层平均值

[ 题目描述 ]: [ 思路 ]: BFS,通过层次遍历求得每层的和,然后取平均数,存入结果数组树中节点个数在1-10000之间,那么结果数组最大为10000个结果,层数最多为 2n-1>10000,可以推…

Google Android 14设备和应用通知 受限制的设置 出于安全考虑......

重要提示: 文中部分步骤仅适用于 Android 13 及更高版本。了解如何查看 Android 版本。 启用受限制的设置后,应用将能够访问敏感信息,而这可能使您的个人数据面临风险。除非您信任该应用的开发者,否则我们不建议您允许访问受限制…

【小米拥抱AI】小米开源视觉大模型—— MiMo-VL

MiMo-VL-7B模型的开发包含两个序贯训练过程:(1)四阶段预训练,涵盖投影器预热、视觉-语言对齐、通用多模态预训练及长上下文监督微调(SFT),最终生成MiMo-VL-7B-SFT模型;(2…

自编码器Auto-encoder(李宏毅)

目录 编码器的概念: 为什么需要编码器? 编码器什么原理? 去噪自编码器: 自编码器的应用: 特征解耦 离散隐表征 编码器的概念: 重构:输入一张图片,通过编码器转化成向量,要求再…

Claude 4 升级:从问答助手到任务执行者 | AI大咖说

Claude 4 升级:从问答助手到任务执行者 Claude 4 升级历程 2025-05-22日,Anthropic 正式发布了他们的新 AI 模型 Claude 4。这标志着 AI 不再仅仅是一个智能问答系统,而是开始具备独立完成复杂任务的能力。CEO Dario Amodei 在发布会中强调…

Day42 Python打卡训练营

知识点回顾 1.回调函数 2.lambda函数 3.hook函数的模块钩子和张量钩子 4.Grad-CAM的示例 作业:理解下今天的代码即可 1.回调函数 Hook本质是回调函数,所以我们先介绍一下回调函数 回调函数是作为参数传递给其他函数的函数,其目的是在某个特…

2002-2022年 城市市政公用设施水平、环境、绿地等数据-社科经管实证数据

2002-2022年城市市政公用设施水平、环境、绿地等数据-社科经管https://download.csdn.net/download/paofuluolijiang/90880456 https://download.csdn.net/download/paofuluolijiang/90880456 《2002-2022年城市市政公用设水平、环境、绿地等数据-社科经管实证数据》整理自多源…

uni-app学习笔记十七-css和scss的使用

SCSS 和 CSS的异同点 我们可以使用css和scss来设置样式。其中SCSS(Sassy CSS)是 CSS 预处理器 Sass(Syntactically Awesome Stylesheets)的一种语法格式,而 CSS(Cascading Style Sheets)是标准…

达梦分布式集群DPC_分布式事务理解_yxy

达梦分布式集群DPC_分布式事务理解 1 分布式事务是什么?2 分布式事务怎么实现?2.1 两阶段提交保障一致性2.1.1 预提交2.1.2 提交 2.2 RAFT协议保障数据强一致2.3 全局事务管理2.3.1 全局事务信息的登记流程2.3.2 数据可见性判断规则 1 分布式事务是什么&…

性能优化 - 案例篇:缓冲区

文章目录 Pre1. 引言2. 缓冲概念与类比3. Java I/O 中的缓冲实现3.1 FileReader vs BufferedReader:装饰者模式设计3.2 BufferedInputStream 源码剖析3.2.1 缓冲区大小的权衡与默认值 4. 异步日志中的缓冲:Logback 异步日志原理与配置要点4.1 Logback 异…