成都网站品牌设计公司,淘宝网首页电脑端入口,德阳做网站公司,空间网站链接怎么做[面试题]Java【基础】[面试题]Java【虚拟机】[面试题]Java【并发】[面试题]Java【集合】[面试题]MySQL[面试题]Maven[面试题]Spring Boot[面试题]Spring Cloud[面试题]Spring MVC[面试题]Spring[面试题]MyBatis[面试题]Nginx[面试题]缓存[面试题]Redis
什么是 Redis #xff…[面试题]Java【基础】[面试题]Java【虚拟机】[面试题]Java【并发】[面试题]Java【集合】[面试题]MySQL[面试题]Maven[面试题]Spring Boot[面试题]Spring Cloud[面试题]Spring MVC[面试题]Spring[面试题]MyBatis[面试题]Nginx[面试题]缓存[面试题]Redis
什么是 Redis
Redis 全称 Remote Dictionary Server 是一个基于内存的高性能 Key-Value 数据库。
Redis 已经成为互联网公司在缓存组件选择的唯一。例如说在各种公有云上缓存服务都是提供的 Redis。再例如说招聘简历要求上都会要求掌握 Redis 。
Redis 有什么优点
1. 速度快
因为数据存在内存中类似于 HashMap HashMap 的优势就是查找和操作的时间复杂度都是O (1) 。 Redis 本质上是一个 Key-Value 类型的内存数据库很像 Memcached 整个数据库统统加载在内存当中进行操作定期通过异步操作把数据库数据 flush 到硬盘上进行保存。因为是纯内存操作Redis 的性能非常出色每秒可以处理超过 10 万次读写操作是已知性能最快的 Key-Value 数据库。 如果我们查看在阿里云销售的 Redis 规格
2. 支持丰富数据类型
支持 String ListSetSorted SetHash 五种基础的数据结构。 Redis 的出色之处不仅仅是性能Redis 最大的魅力是支持保存多种数据结构此外单个 Value 的最大限制是 1GB不像 Memcached只能保存 1MB 的数据因此 Redis 可以用来实现很多有用的功能。比方说用他的 List 来做 FIFO 双向链表实现一个轻量级的高性能消息队列服务。用他的 Set 可以做高性能的 tag 系统等等。 同时在基础的数据结构之上还提供 Bitmap、HyperLogLog、GEO 等高级的数据结构。
如果面试想要加分胖友一定要去看看这些高级的数据结构面试与日常开发必备神器。
3. 丰富的特性
订阅发布 Pub / Sub 功能Key 过期策略事务支持多个 DB计数…
并且在 Redis 5.0 增加了 Stream 功能一个新的强大的支持多播的可持久化的消息队列提供类似 Kafka 的功能。
4. 持久化存储
Redis 提供 RDB 和 AOF 两种数据的持久化存储方案解决内存数据库最担心的万一 Redis 挂掉数据会消失掉。
5、高可用
内置 Redis Sentinel 提供高可用方案实现主从故障自动转移。
内置 Redis Cluster 提供集群方案实现基于槽的分片方案从而支持更大的 Redis 规模。
Redis 有什么缺点
1、由于 Redis 是内存数据库所以单台机器存储的数据量跟机器本身的内存大小。虽然 Redis 本身有 Key 过期策略但是还是需要提前预估和节约内存。如果内存增长过快需要定期删除数据。 另外可使用 Redis Cluster、Codis 等方案对 Redis 进行分区从单机 Redis 变成集群 Redis 。 2、如果进行完整重同步由于需要生成 RDB 文件并进行传输会占用主机的 CPU 并会消耗现网的带宽。不过 Redis2.8 版本已经有部分重同步的功能但是还是有可能有完整重同步的。比如新上线的备机。3、修改配置文件进行重启将硬盘中的数据加载进内存时间比较久。在这个过程中Redis 不能提供服务。
Redis 和 Memcached 的区别有哪些
随着 Memcached 日渐没落这个问题问的越来越少了。
1. Redis 支持复杂的数据结构
Memcached 仅提供简单的字符串。Redis 提供复杂的数据结构丰富的数据操作。
也因为 Redis 支持复杂的数据结构Redis 即使晚于 Memcached 推出却获得更多开发者的青睐。
Redis 相比 Memcached 来说拥有更多的数据结构能支持更丰富的数据操作。如果需要缓存能够支持更复杂的结构和操作Redis 会是不错的选择。
2. Redis 原生支持集群模式
在 Redis3.x 版本中官方便能支持 Cluster 模式。Memcached 没有原生的集群模式需要依靠客户端来实现往集群中分片写入数据。
3. 性能对比
Redis 只使用单核而 Memcached 可以使用多核所以平均每一个核上 Redis在存储小数据时比 Memcached 性能更高。在 100k 以上的数据中Memcached 性能要高于 Redis 。虽然 Redis 最近也在存储大数据的性能上进行优化但是比起 Memcached还是稍有逊色。
更多关于性能的对比可以看看 《Memcached 与 Redis 的关键性能指标比较》 。
4. 内存管理机制不同
相比来说Redis 的内存管理机制会更加简单。
Redis 采用的是包装的 malloc/free 使用时现场申请的方式。Memcached 采用的是 Slab Allocation 机制管理内存预分配的内存池的方式。
如果对比两者的内存使用效率
简单的 Key-Value 存储的话Memcached 的内存利用率更高可以使用类似内存池。如果 Redis 采用 hash 结构来做 key-value 存储由于其组合式的压缩 其内存利用率会高于 Memcached 。
5. 网络 IO 模型
Memcached 是多线程非阻塞 IO 复用的网络模型原型上接近 Nignx 。Redis 使用单线程的 IO 复用模型自己封装了一个简单的 AeEvent 事件处理框架主要实现了 epoll kqueue 和 select 更接近 Apache 早期的模式。
6. 持久化存储
Memcached 不支持持久化存储重启时数据被清空。Redis 支持持久化存储重启时可以恢复已持久化的数据。 也推荐阅读下 《脚踏两只船的困惑 - Memcached 与 Redis》 。
请说说 Redis 的线程模型 这个是我从网络上找的资料讲的灰常不错。一般来说回答道 Redis 是非阻塞 IO 多路复用。 Redis 内部使用文件事件处理器 file event handler这个文件事件处理器是单线程的所以 Redis 才叫做单线程的模型。它采用 IO 多路复用机制同时监听多个 Socket根据 Socket 上的事件来选择对应的事件处理器进行处理。
文件事件处理器的结构包含 4 个部分
多个 Socket 。IO 多路复用程序。文件事件分派器。事件处理器连接应答处理器、命令请求处理器、命令回复处理器。
多个 Socket 可能会并发产生不同的操作每个操作对应不同的文件事件但是 IO 多路复用程序会监听多个 socket会将 socket 产生的事件放入队列中排队事件分派器每次从队列中取出一个事件把该事件交给对应的事件处理器进行处理。
来看客户端与 redis 的一次通信过程
客户端 Socket01 向 Redis 的 Server Socket 请求建立连接此时 Server Socket 会产生一个 AE_READABLE 事件IO 多路复用程序监听到 server socket 产生的事件后将该事件压入队列中。文件事件分派器从队列中获取该事件交给连接应答处理器。连接应答处理器会创建一个能与客户端通信的 Socket01并将该 Socket01 的 AE_READABLE 事件与命令请求处理器关联。假设此时客户端发送了一个
set key value 请求此时 Redis 中的 Socket01 会产生 AE_READABLE 事件IO 多路复用程序将事件压入队列此时事件分派器从队列中获取到该事件由于前面 Socket01 的 AE_READABLE 事件已经与命令请求处理器关联因此事件分派器将事件交给命令请求处理器来处理。命令请求处理器读取 Scket01 的 set key value 并在自己内存中完成 set key value 的设置。操作完成后它会将 Scket01 的 AE_WRITABLE 事件与令回复处理器关联。
如果此时客户端准备好接收返回结果了那么 Redis 中的 Socket01 会产生一个
AE_WRITABLE 事件同样压入队列中事件分派器找到相关联的命令回复处理器由命令回复处理器对 socket01 输入本次操作的一个结果比如 ok之后解除 Socket01 的 AE_WRITABLE 事件与命令回复处理器的关联。
这样便完成了一次通信。 耐心理解一下灰常重要。如果还是不能理解可以在网络上搜一些资料在理解理解。
为什么 Redis 单线程模型也能效率这么高
1、C 语言实现。 我们都知道C 语言的执行速度非常快。 2、纯内存操作。 Redis 为了达到最快的读写速度将数据都读到内存中并通过异步的方式将数据写入磁盘。所以 Redis 具有快速和数据持久化的特征。如果不将数据放在内存中磁盘 I/O 速度为严重影响 Redis 的性能。 3、基于非阻塞的 IO 多路复用机制。4、单线程避免了多线程的频繁上下文切换问题。 Redis 利用队列技术将并发访问变为串行访问消除了传统数据库串行控制的开销。实际上Redis 4.0 开始也开始有了一些异步线程用于处理一些耗时操作。例如说异步线程实现惰性删除解决大 KEY 删除阻塞主线程和异步 AOF 解决磁盘 IO 紧张时fsync 执行一次很慢等等。 5、丰富的数据结构。 Redis 全程使用 hash 结构读取速度快还有一些特殊的数据结构对数据存储进行了优化。例如压缩表对短数据进行压缩存储再再如跳表使用有序的数据结构加快读取的速度。也因为 Redis 是单线程的所以可以实现丰富的数据结构无需考虑并发的问题。 Redis 是单线程的如何提高多核 CPU 的利用率
可以在同一个服务器部署多个 Redis 的实例并把他们当作不同的服务器来使用在某些时候无论如何一个服务器是不够的 所以如果你想使用多个 CPU 你可以考虑一下分区。
Redis 有几种持久化方式 这个问题有一丢丢长耐心看完。面试的时候如果不能完整回答出来也不会有大问题。重点在于有条理对 RDB 和 AOF 有理解。 持久化方式
Redis 提供了两种方式实现数据的持久化到硬盘。
1、【全量】RDB 持久化是指在指定的时间间隔内将内存中的数据集快照写入磁盘。实际操作过程是fork 一个子进程先将数据集写入临时文件写入成功后再替换之前的文件用二进制压缩存储。2、【增量】AOF持久化以日志的形式记录服务器所处理的每一个写、删除操作查询操作不会记录以文本的方式记录可以打开文件看到详细的操作记录。
RDB 优缺点
① 优点
灵活设置备份频率和周期。你可能打算每个小时归档一次最近 24 小时的数据同时还要每天归档一次最近 30 天的数据。通过这样的备份策略一旦系统出现灾难性故障我们可以非常容易的进行恢复。非常适合冷备份对于灾难恢复而言RDB 是非常不错的选择。因为我们可以非常轻松的将一个单独的文件压缩后再转移到其它存储介质上。推荐可以将这种完整的数据文件发送到一些远程的安全存储上去比如说 Amazon 的 S3 云服务上去在国内可以是阿里云的 OSS 分布式存储上。性能最大化。对于 Redis 的服务进程而言在开始持久化时它唯一需要做的只是 fork 出子进程之后再由子进程完成这些持久化的工作这样就可以极大的避免服务进程执行 IO 操作了。也就是说RDB 对 Redis 对外提供的读写服务影响非常小可以让 Redis 保持高性能。恢复更快。相比于 AOF 机制RDB 的恢复速度更更快更适合恢复数据特别是在数据集非常大的情况。
② 缺点
如果你想保证数据的高可用性即最大限度的避免数据丢失那么 RDB 将不是一个很好的选择。因为系统一旦在定时持久化之前出现宕机现象此前没有来得及写入磁盘的数据都将丢失。 所以RDB 实际场景下需要和 AOF 一起使用。 由于 RDB 是通过 fork 子进程来协助完成数据持久化工作的因此如果当数据集较大时可能会导致整个服务器停止服务几百毫秒甚至是 1 秒钟。 所以RDB 建议在业务低估例如在半夜执行。 AOF 优缺点
① 优点 该机制可以带来更高的数据安全性即数据持久性。Redis 中提供了 3 种同步策略即每秒同步、每修改(执行一个命令)同步和不同步。 事实上每秒同步也是异步完成的其效率也是非常高的所差的是一旦系统出现宕机现象那么这一秒钟之内修改的数据将会丢失。而每修改同步我们可以将其视为同步持久化即每次发生的数据变化都会被立即记录到磁盘中。可以预见这种方式在效率上是最低的。至于不同步无需多言我想大家都能正确的理解它。 由于该机制对日志文件的写入操作采用的是 append 模式因此在写入过程中即使出现宕机现象也不会破坏日志文件中已经存在的内容。 因为以 append-only 模式写入所以没有任何磁盘寻址的开销写入性能非常高。另外如果我们本次操作只是写入了一半数据就出现了系统崩溃问题不用担心在 Redis 下一次启动之前我们可以通过 redis-check-aof 工具来帮助我们解决数据一致性的问题。 如果 AOF 日志过大Redis 可以自动启用
rewrite 机制。即使出现后台重写操作也不会影响客户端的读写。因为在 rewrite log 的时候会对其中的指令进行压缩创建出一份需要恢复数据的最小日志出来。再创建新日志文件的时候老的日志文件还是照常写入。当新的 merge 后的日志文件 ready 的时候再交换新老日志文件即可。 注意AOF rewrite 机制和 RDB 一样也需要 fork 出一次子进程如果 Redis 内存比较大可能会因为 fork 阻塞下主进程。 AOF 包含一个格式清晰、易于理解的日志文件用于记录所有的
修改操作。事实上我们也可以通过该文件完成数据的重建。
② 缺点
对于相同数量的数据集而言AOF 文件通常要大于 RDB 文件。RDB 在恢复大数据集时的速度比 AOF 的恢复速度要快。根据同步策略的不同AOF 在运行效率上往往会慢于 RDB 。总之每秒同步策略的效率是比较高的同步禁用策略的效率和 RDB 一样高效。以前 AOF 发生过 bug 就是通过 AOF 记录的日志进行数据恢复的时候没有恢复一模一样的数据出来。所以说类似 AOF 这种较为复杂的基于命令日志/merge/回放的方式比基于 RDB 每次持久化一份完整的数据快照文件的方式更加脆弱一些容易有 bug 。不过 AOF 就是为了避免 rewrite 过程导致的 bug 因此每次 rewrite 并不是基于旧的指令日志进行 merge 的而是基于当时内存中的数据进行指令的重新构建这样健壮性会好很多。
如何选择 不要仅仅使用 RDB因为那样会导致你丢失很多数据。 也不要仅仅使用 AOF因为那样有两个问题第一你通过 AOF 做冷备没有 RDB 做冷备来的恢复速度更快; 第二RDB 每次简单粗暴生成数据快照更加健壮可以避免 AOF 这种复杂的备份和恢复机制的 bug 。 Redis 支持同时开启开启两种持久化方式我们可以综合使用 AOF 和 RDB 两种持久化机制用 AOF 来保证数据不丢失作为数据恢复的第一选择; 用 RDB 来做不同程度的冷备在 AOF 文件都丢失或损坏不可用的时候还可以使用 RDB 来进行快速的数据恢复。 如果同时使用 RDB 和 AOF 两种持久化机制那么在 Redis 重启的时候会使用
AOF 来重新构建数据因为 AOF 中的数据更加完整。 一般来说 如果想达到足以媲美 PostgreSQL 的数据安全性 你应该同时使用两种持久化功能。如果你非常关心你的数据 但仍然可以承受数分钟以内的数据丢失那么你可以只使用 RDB 持久化。有很多用户都只使用 AOF 持久化但并不推荐这种方式因为定时生成 RDB 快照snapshot非常便于进行数据库备份 并且 RDB 恢复数据集的速度也要比AOF恢复的速度要快除此之外使用 RDB 还可以避免之前提到的 AOF 程序的 bug。 在 Redis4.0 版本开始允许你使用 RDB-AOF 混合持久化方式详细可见 《Redis4.0 之 RDB-AOF 混合持久化》 。也因此RDB 和 AOF 同时使用是希望达到安全的持久化的推荐方式。 另外RDB 和 AOF 涉及的知识点蛮多的可以看看
《Redis 设计与实现 —— RDB》《Redis 设计与实现 —— AOF》
如下是老钱对这块的总结可能更加适合面试的场景
bgsave 做镜像全量持久化AOF 做增量持久化。因为 bgsave 会耗费较长时间不够实时在停机的时候会导致大量丢失数据所以需要 AOF 来配合使用。在 Redis 实例重启时会使用 bgsave 持久化文件重新构建内存再使用 AOF 重放近期的操作指令来实现完整恢复重启之前的状态。 和老钱沟通了下最后一句重启恢复使用的是 RDB-AOF 的混合方案。 对方追问那如果突然机器掉电会怎样取决于 AOF 日志 sync 属性的配置如果不要求性能在每条写指令时都 sync 一下磁盘就不会丢失数据。但是在高性能的要求下每次都 sync 是不现实的一般都使用定时 sync 比如 1 秒 1 次这个时候最多就会丢失 1 秒的数据。 实际上极端情况下是最多丢失 2 秒的数据。因为 AOF 线程负责每秒执行一次 fsync 操作操作完成后记录最后同步时间。主线程负责对比上次同步时间如果超过 2 秒阻塞等待成功。 对方追问 bgsave 的原理是什么你给出两个词汇就可以了fork 和 cow 。fork 是指 Redis 通过创建子进程来进行 bgsave 操作。cow 指的是 copy on write 子进程创建后父子进程共享数据段父进程继续提供读写服务写脏的页面数据会逐渐和子进程分离开来。 这里 bgsave 操作后会产生 RDB 快照文件。 为什么不建议在主 Redis 节点开启 RDB 功能呢因为会带来一定时间的阻塞特别是数据量大的时候。 【重点】子进程 fork 相关的阻塞在 bgsave 的时候Redis 主进程会 fork 一个子进程利用操作系统的写时复制技术这个子进程在拷贝父进程的时候理论上是很快的因为并不需要全拷贝比如主进程虽然占了 10G 内存但子进程拷贝他可能只要 200 毫秒我认为也就阻塞了 200 毫秒(此耗时基本跟主进程占用的内存是成正比的)这个具体的时间可以通过统计项 info stats 里的 last_fork_usec 查看。CPU 单线程相关的阻塞Redis 主进程是单线程跑在单核 CPU 上的如果显示绑定了CPU 则子进程会与主进程共享一个 CPU 而子进程进行持久化的时候是非常占CPU强势 90%因此这种情况也可能导致提供服务的主进程发生阻塞因此如果需要持久化功能不建议绑定CPU。内存相关的阻塞虽然利用写时复制技术可以大大降低进程拷贝的内存消耗但这也导致了父进程在处理写请求时需要维护修改的内存页因此这部分内存过大的话修改页数多或每页占空间大也会导致父进程的写操作阻塞。而不巧的是Linux中TransparentHugePage 会将复制内存页面单位有 4K 变成 2M 这对于 Redis 来说是比较不友好的也是建议优化的具体可百度之磁盘相关的阻塞极端情况下假设整个机器的内存已经所剩无几触发了内存交换SWAP则整个 Redis的效率将会非常低下显然这不仅仅针对 save/bgsave 因此关注系统的 io 情况也是定位阻塞问题的一种方法。艿艿后来又看了下这个答案是 《Redis 开发与运维》 的「5.3 持久化 —— 问题定位于优化」小节。 Redis 有几种数据“过期”策略
Redis 的过期策略就是指当 Redis 中缓存的 key 过期了Redis 如何处理。
Redis 提供了 3 种数据过期策略
被动删除当读/写一个已经过期的 key 时会触发惰性删除策略直接删除掉这个过期 key 。主动删除由于惰性删除策略无法保证冷数据被及时删掉所以 Redis 会定期主动淘汰一批已过期的 key 。主动删除当前已用内存超过 maxmemory 限定时触发主动清理策略即 「数据“淘汰”策略」 。
在 Redis 中同时使用了上述 3 种策略即它们非互斥的。
想要进一步了解可以看看 《关于 Redis 数据过期策略》 文章。
Redis 有哪几种数据“淘汰”策略
Redis 内存数据集大小上升到一定大小的时候就会进行数据淘汰策略。
Redis 提供了 6 种数据淘汰策略
volatile-lruvolatile-ttlvolatile-randomallkeys-lruallkeys-random【默认策略】no-enviction
具体的每种数据淘汰策略的定义和如何选择讨论策略可见 《Redis实战二 内存淘汰机制》 。
在 Redis 4.0 后基于 LFULeast Frequently Used最近最少使用算法增加了 2 种淘汰策略
volatile-lfuallkeys-lfu
Redis LRU 算法
另外Redis 的 LRU 算法并不是一个严格的 LRU 实现。这意味着 Redis 不能选择最佳候选键来回收也就是最久未被访问的那些键。相反Redis 会尝试执行一个近似的 LRU 算法通过采样一小部分键然后在采样键中回收最适合(拥有最久未被访问时间)的那个。
Redis 没有使用真正实现严格的 LRU 算是的原因是因为消耗更多的内存。然而对于使用 Redis 的应用来说使用近似的 LRU 算法事实上是等价的。
具体的可以看看如下文章
《想不到面试官问我Redis 内存满了怎么办》《使用 Redis 作为一个 LRU 缓存》
MySQL 里有 2000w 数据Redis 中只存 20w 的数据如何保证 Redis 中的数据都是热点数据
这个是从网络上找到的一个神奇的问题并且看了答案之后觉得有点莫名的对不上。所以感觉这个问题的目的是如何保证热点数据不要被淘汰。
在 「Redis 有哪几种数据“淘汰”策略」 问题中我们已经看到“Redis 内存数据集大小上升到一定 maxmemory 的时候就会进行数据淘汰策略。” 。
那么如果我们此时要保证热点数据不被淘汰那么需要选择 volatile-lru 或 allkeys-lru 这两个基于 LRU 算法的淘汰策略。
相比较来说最终会选择 allkeys-lru 淘汰策略。原因是如果我们的应用对缓存的访问符合幂律分布也就是存在相对热点数据或者我们不太清楚我们应用的缓存访问分布状况我们可以选择 allkeys-lru 策略。如果在 Redis 4.0 版本可以考虑使用 volatile-lfu 更加符合“热”的概念频率越高代表越热。
Redis 回收进程如何工作的
理解回收进程如何工作是非常重要的
一个客户端运行了新的写命令添加了新的数据。Redis 检查内存使用情况如果大于 maxmemory 的限制, 则根据设定好的策略进行回收。Redis 执行新命令。
所以我们不断地穿越内存限制的边界通过不断达到边界然后不断地回收回到边界以下跌宕起伏。
如果有大量的 key 需要设置同一时间过期一般需要注意什么
如果大量的 key 过期时间设置的过于集中到过期的那个时间点Redis可能会出现短暂的卡顿现象。
一般需要在时间上加一个随机值使得过期时间分散一些。 上次基友也碰到这个问题请教了下他的方案是调大 hz 参数每次过期的 key 更多从而最终达到避免一次过期过多。 这个定期的频率由配置文件中的 hz 参数决定代表了一秒钟内后台任务期望被调用的次数。Redis 3.0.0 中的默认值是 10 代表每秒钟调用 10 次后台任务。hz 调大将会提高 Redis 主动淘汰的频率如果你的 Redis 存储中包含很多冷数据占用内存过大的话可以考虑将这个值调大但 Redis 作者建议这个值不要超过 100 。我们实际线上将这个值调大到 100 观察到 CPU 会增加 2% 左右但对冷数据的内存释放速度确实有明显的提高通过观察 keyspace 个数和 used_memory 大小。 Redis 有哪些数据结构
如果你是 Redis 普通玩家可能你的回答是如下五种数据结构
字符串 String字典Hash列表List集合Set有序集合 SortedSet
如果你是 Redis 中级玩家还需要加上下面几种数据结构
HyperLogLogGeoBitmap
如果你是 Redis 高端玩家你可能玩过 Redis Module 可以再加上下面几种数据结构
BloomFilterRedisSearchRedis-MLJSON
另外在 Redis 5.0 增加了 Stream 功能一个新的强大的支持多播的可持久化的消息队列提供类似 Kafka 的功能。 默默跟面试官在装一波。
聊聊 Redis 使用场景
Redis 可用的场景非常之多
数据缓存会话缓存时效性数据访问频率计数器社交列表记录用户判定信息交集、并集和差集热门列表与排行榜最新动态消息队列分布式锁
详细的介绍可以看看如下文章
《聊聊 Redis 使用场景》《Redis 应用场景及实例》《Redis 常见的应用场景解析》《Redis 和 Memcached 各有什么优缺点主要的应用场景是什么样的》
Redis 支持的 Java 客户端都有哪些
使用比较广泛的有三个 Java 客户端
Redisson Redisson 是一个高级的分布式协调 Redis 客服端能帮助用户在分布式环境中轻松实现一些 Java 的对象 (Bloom filter, BitSet, Set, SetMultimap, ScoredSortedSet, SortedSet, Map, ConcurrentMap, List, ListMultimap, Queue, BlockingQueue, Deque, BlockingDeque, Semaphore, Lock, ReadWriteLock, AtomicLong, CountDownLatch, Publish / Subscribe, HyperLogLog)。 Jedis Jedis 是 Redis 的 Java 实现的客户端其 API 提供了比较全面的 Redis 命令的支持。Redisson 实现了分布式和可扩展的 Java 数据结构和 Jedis 相比Jedis 功能较为简单。Redisson 的宗旨是促进使用者对 Redis 的关注分离从而让使用者能够将精力更集中地放在处理业务逻辑上。 Lettuce Lettuce 是一个可伸缩线程安全的 Redis 客户端。多个线程可以共享同一个 RedisConnection 。它利用优秀 Netty NIO 框架来高效地管理多个连接。 Redis 官方推荐使用 Redisson 或 Jedis 。
Spring Boot 2.x 内置支持 Jedis 和 Lettuce 。一般情况下建议
使用 Spring Data Redis 提供了透明使用 Jedis 和 Lettuce 的封装。也就是说大多数时候我们可以通过配置使用 Jedis 或 Lettuce 进行 Redis 的操作而上层使用 Spring Data Redis 提供的统一 API 。从目前来说Jedis 会比 Lettuce 更加流行并且更加稳定。虽然说 Jedis 有一段时间不再进行更新但是突然又开始更新可能是诈尸了。如果想要更加丰富的特性例如说分布式锁布隆过滤器可以考虑研究下 Redisson 。
如何使用 Redis 实现分布式锁
Redis 实现分布式锁需要考虑如下几个方面
1、正确的获得锁
set 指令附带 nx 参数保证有且只有一个进程获得到。
2、正确的释放锁
使用 Lua 脚本比对锁持有的是不是自己。如果是则进行删除来释放。
3、超时的自动释放锁
set 指令附带 expire 参数通过过期机制来实现超时释放。
4、未获得到锁的等待机制
sleep 或者基于 Redis 的订阅 Pub/Sub 机制。一些业务场景可能需要支持获得不到锁直接返回 false 不等待。
5、【可选】锁的重入性
通过 ThreadLocal 记录是第几次获得相同的锁。1有且第一次计数为 1 获得锁时才向 Redis 发起获得锁的操作。2有且计数为 0 释放锁时才向 Redis 发起释放锁的操作。
6、锁超时的处理
一般情况下可以考虑告警 后台线程自动续锁的超时时间。通过这样的机制保证有且仅有一个线程正在持有锁。
7、Redis 分布式锁丢失问题
具体看「方案二Redlock」。
下面我们来详细说下每个方案。
方案一set 指令
先拿 setnx 来争抢锁抢到之后再用 expire 给锁加一个过期时间防止锁忘记了释放。
这时候对方会告诉你说你回答得不错然后接着问如果在 setnx 之后执行 expire 之前进程意外 crash 或者要重启维护了那会怎么样这时候你要给予惊讶的反馈唉是喔这个锁就永远得不到释放了。紧接着你需要抓一抓自己得脑袋故作思考片刻好像接下来的结果是你主动思考出来的然后回答我记得 set 指令有非常复杂的参数这个应该是可以同时把 setnx 和 expire 合成一条指令来用的对方这时会显露笑容心里开始默念摁这小子还不错。
所以我们可以使用 set 指令实现分布式锁。指令如下
SET key value [EX seconds] [PX milliseconds] [NX|XX] 可以使用 SET key value EX seconds NX 命令尝试获得锁。 具体的实现可以参考如下文章 《精尽 Redisson 源码分析 —— 可重入分布式锁 ReentrantLock》《Redis 分布式锁进化史解读 缺陷分析》《Redis 分布式锁的正确实现方式Java 版》
方案二Redlock
set 指令的方案适合用于在单机 Redis 节点的场景下在多 Redis 节点的场景下会存在分布式锁丢失的问题。所以Redis 作者 Antirez 基于分布式环境下提出了一种更高级的分布式锁的实现方式Redlock 。
具体的源码解析可以看看 《精尽 Redisson 源码分析 —— 可靠分布式锁 RedLock》 文章。
具体的方案胖友可以看看老友飞哥的两篇博客
《RedlockRedis分布式锁最牛逼的实现》《Redisson 实现 Redis 分布式锁的 N 种姿势》
最近艿艿画了一个 Redisson 实现分布式锁的流程图胖友可以点击传送门阅读。
对比 Zookeeper 分布式锁
从可靠性上来说Zookeeper 分布式锁好于 Redis 分布式锁。从性能上来说Redis 分布式锁好于 Zookeeper 分布式锁。
所以没有绝对的好坏可以根据自己的业务来具体选择。如果想要更简单甚至可以考虑基于 MySQL 行锁来实现分布式锁。
如何使用 Redis 实现分布式限流
在 Spring Cloud Gateway 中提供了 Redis 分布式限流器的实现具体直接看艿艿写的 《Spring-Cloud-Gateway 源码解析 —— 过滤器 (4.10) 之 RequestRateLimiterGatewayFilterFactory 请求限流》 的 「5.3 Redis Lua 脚本」 部分。
另外Redisson 库中也提供了 Redis 分布式限流的实现不过需要使用 Pro 版本。
请用 Redis 和任意语言实现一段恶意登录保护的代码限制 1 小时内每用户 Id 最多只能登录 5 次。
这个问题关键点就是每个用户每 3600 秒只能登陆 5 次。这么一想其实就是一个如何使用 Redis 实现限流的问题。Redis 实现限流一共有两种方案
使用 zset 实现滑动窗口限流。代码如下
public boolean isActionAllowed(String userId, String actionKey, int period,int maxCount) {String key String.format(hist:%s:%s, userId, actionKey); // 使用用户编号 行为作为 KEY 。这样我们就可以统计某个用户的操作行为。long nowTs System.currentTimeMillis(); // 获取当前时间。Pipeline pipe jedis.pipelined(); // pipeline 批量操作提升效率。pipe.multi(); // 此处启动了事务可以保证指令的原子性。pipe.zadd(key, nowTs, nowTs); // zset 添加key value score 要看下。pipe.zremrangeByScore(key, 0, nowTs - (period * 1000)); // zremrangeByScore 移除超过周期的 value 。ResponseLong count pipe.zcard(key); // zcard 计算 zset 的数量pipe.expire(key, period 1); // 设置过期。这里多 1 秒为了防止网络延迟。pipe.exec(); // pipeline 执行pipe.close();return count.get() maxCount; // 是否超过最大次数。
}该实现会存在一个问题可能一个无效的操作也被记录到次数中。完美的话可能需要基于 Lua 脚本实现。另外上述代码是每秒操作的时间实际需要改成每 N 秒。比较简单直接上手怼即可。使用 Lua 脚本实现令牌桶限流算法。具体可以看看艿艿对 《Spring-Cloud-Gateway 源码解析 —— 过滤器 (4.10) 之 RequestRateLimiterGatewayFilterFactory 请求限流》 的源码解析。使用 Lua 脚本实现简单的滑动窗口。具体可以看看艿艿对 《精尽 Redisson 源码分析 —— 限流器 RateLimiter》 的源码解析。
如何使用 Redis 实现消息队列
一般使用 list 结构作为队列rpush 生产消息lpop 消费消息。当 lpop 没有消息的时候要适当 sleep 一会再重试。
如果对方追问可不可以不用 sleep 呢list 还有个指令叫 blpop 在没有消息的时候它会阻塞住直到消息到来。如果对方追问能不能生产一次消费多次呢使用 pub / sub 主题订阅者模式可以实现 1:N 的消息队列。如果对方追问 pub / sub 有什么缺点在消费者下线的情况下生产的消息会丢失得使用专业的消息队列如 rabbitmq 等。
之前生产中艿艿就碰到因为网络闪断导致订阅的 pub/sub 消息丢失导致 JVM 应用的数据字典和系统参数等缓存未刷新业务受到影响。所以最好还是使用专业的消息队列的订阅功能广播消费。
如果对方追问 redis 如何实现延时队列我估计现在你很想把面试官一棒打死如果你手上有一根棒球棍的话怎么问的这么详细。但是你很克制然后神态自若的回答道使用 sortedset 拿时间戳作为 score 消息内容作为 key 调用 zadd 来生产消息消费者用 zrangebyscore 指令获取 N 秒之前的数据轮询进行处理。
可能很多胖友会觉得抽象可以看看 《Redis 学习笔记之延时队列》 。面试中能回答到 Redis zset 实现延迟队列还是蛮加分的。
到这里面试官暗地里已经对你竖起了大拇指。但是他不知道的是此刻你却竖起了中指在椅子背后。
当然实际上 Redis 真的真的真的不推荐作为消息队列使用它最多只是消息队列的存储层上层的逻辑还需要做大量的封装和支持。
另外在 Redis 5.0 增加了 Stream 功能一个新的强大的支持多播的可持久化的消息队列提供类似 Kafka 的功能。
什么是 Redis Pipelining
一次请求/响应服务器能实现处理新的请求即使旧的请求还未被响应。这样就可以将多个命令发送到服务器而不用等待回复最后在一个步骤中读取该答复。
注意Redis Pipelining 是 Redis Client 实现的功能而不是 Redis Server 提供的特性。假设我们有 3 个请求进行下举例子。未使用 Pipeline 时那么整个执行的顺序是req1-resp1-req2-resp2-req3-resp3 。在使用 Pipeline 时那么整个执行的顺序是[req1,req2,req3] 一起发给 Redis Server 而 Redis Server 收到请求后一个一个请求进行执行然后响应不会进行什么特殊处理。而 Client 在收到 resp1,resp2,resp3 后进行响应给业务上层。所以Pipeline 的作用是避免每发一个请求就阻塞等待这个请求的结果。
这就是管道pipelining是一种几十年来广泛使用的技术。例如许多 POP3 协议已经实现支持这个功能大大加快了从服务器下载新邮件的过程。
Redis 很早就支持管道pipelining技术因此无论你运行的是什么版本你都可以使用管道pipelining操作 Redis。
Redis 如何做大量数据插入
Redis 2.6 开始Redis-cli 支持一种新的被称之为 pipe mode 的新模式用于执行大量数据插入工作。
具体可见 《Redis 大量数据插入》 文章。
什么是 Redis 事务
和众多其它数据库一样Redis 作为 NoSQL 数据库也同样提供了事务机制。在 Redis 中MULTI / EXEC / DISCARD / WATCH 这四个命令是我们实现事务的基石。相信对有关系型数据库开发经验的开发者而言这一概念并不陌生即便如此我们还是会简要的列出 Redis 中事务的实现特征
1、在事务中的所有命令都将会被串行化的顺序执行事务执行期间Redis 不会再为其它客户端的请求提供任何服务从而保证了事物中的所有命令被原子的执行。
Lua 脚本也能实现该功能。
2、和关系型数据库中的事务相比在 Redis 事务中如果有某一条命令执行失败其后的命令仍然会被继续执行。
这一点非常重要。回答错了就回家面壁思过一天不许喝可乐。这一点是 Lua 脚本不具备的。
3、我们可以通过 MULTI 命令开启一个事务有关系型数据库开发经验的人可以将其理解为
“BEGIN TRANSACTION” 语句。在该语句之后执行的命令都将被视为事务之内的操作最后我们可以通过执行 EXEC / DISCARD 命令来提交 / 回滚该事务内的所有操作。这两个 Redis 命令可被视为等同于关系型数据库中的 COMMIT / ROLLBACK 语句。
开启事务后所有语句发送给 Redis Server 都会暂存在 Server 中。
4、在事务开启之前如果客户端与服务器之间出现通讯故障并导致网络断开其后所有待执行的语句都将不会被服务器执行。然而如果网络中断事件是发生在客户端执行 EXEC 命令之后那么该事务中的所有命令都会被服务器执行。
如何实现 Redis CAS 操作
在 Redis 的事务中WATCH 命令可用于提供 CAS(check-and-set) 功能。
假设我们通过 WATCH 命令在事务执行之前监控了多个 keys 倘若在 WATCH 之后有任何 Key 的值发生了变化EXEC 命令执行的事务都将被放弃同时返回 nil 应答以通知调用者事务执行失败。
具体的示例可以看看 《Redis 事务锁 CAS 实现以及深入误区》 。
Redis 集群都有哪些方案
Redis 集群方案如下
1、Redis Sentinel2、Redis Cluster3、Twemproxy4、Codis5、客户端分片
关于前四种可以看看 《Redis 实战四集群机制》 这篇文章。
关于最后一种客户端分片在 Redis Cluster 出现之前使用较多目前已经使用比较少了。实现方式如下
在业务代码层实现起几个毫无关联的 Redis 实例在代码层对 Key 进行 hash 计算然后去对应的 Redis 实例操作数据。这种方式对 hash 层代码要求比较高考虑部分包括节点失效后的替代算法方案数据震荡后的自动脚本恢复实例的监控等等。
选择
目前一般在选型上来说
体量较小时选择 Redis Sentinel 单主 Redis 足以支撑业务。体量较大时选择 Redis Cluster 通过分片使用更多内存。
关于这个问题多大体量需要使用 Redis Cluster 呢朋友的建议是 10G 的时候。主要原因是1、一次 RDB 时间随着内存越大会变大越来越久。同时一次 fork 的时间也会变久。还有重启通过 RDB 文件或者 AOF 日志恢复时间都会变长。2、体量大之后读写的 QPS 势必比体量小的时候打的多那么使用 Redis Cluster 相比 Redis Sentinel 可以分散读写压力到不同的集群中。
Redis 集群如何扩容
如果 Redis 被当做
缓存使用使用一致性哈希实现动态扩容缩容。
删除的原因是不考虑客户端分片的情况目前基本已经不在用了。
如果 Redis 被当做一个
持久化存储使用必须使用固定的 keys-to-nodes 映射关系节点的数量一旦确定不能变化。否则的话(即 Redis 节点需要动态变化的情况必须使用可以在运行时进行数据再平衡的一套系统而当前只有 Redis Cluster、Codis 可以做到这样。
如果是 Redis Cluster 集群的扩容可以看看 《Redis 开发与运维》 的「10.4 集群 —— 集群伸缩」小节。简单来说一共三步
1、准备新节点。2、加入集群。3、迁移槽和数据。
什么是 Redis 主从同步
Redis 主从同步
Redis 的主从同步(replication)机制允许 Slave 从 Master 那里通过网络传输拷贝到完整的数据备份从而达到主从机制。
主数据库可以进行读写操作当发生写操作的时候自动将数据同步到从数据库而从数据库一般是只读的并接收主数据库同步过来的数据。一个主数据库可以有多个从数据库而一个从数据库只能有一个主数据库。第一次同步时主节点做一次 bgsave 操作并同时将后续修改操作记录到内存 buffer 待完成后将 RDB 文件全量同步到复制节点复制节点接受完成后将 RDB 镜像加载到内存。加载完成后再通知主节点将期间修改的操作记录同步到复制节点进行重放就完成了同步过程。
好处
通过 Redis 的复制功能可以很好的实现数据库的读写分离提高服务器的负载能力。主数据库主要进行写操作而从数据库负责读操作。
实际上我们不是非常推荐在 Redis 中使用读写分离。主要有两个原因Redis Sentinel 只保证主节点的故障的失效转移而例如说 Jedis 库也只监听了主节点的变化但是从节点故障的情况Jedis 是不进行处理的。这就会导致Jedis 读会访问到从节点导致问题。当然Redisson 库的功能比较强大已经支持从节点的故障监听。如果到达需要读写分离的体量一般写操作也不一定会少可以考虑上 Redis Cluster 方案更加可靠。 Redis 主从同步是很多 Redis 集群方案的基础例如 Redis Sentinel、Redis Cluster 等等。
更多详细可以看看如下
因为主从复制的内容很多艿艿这里就不详细哔哔了。实际场景下对于开发的面试我们也不会特别问毕竟更偏运维的内容。
《Redis 官方文档 —— 复制》《Redis 开发与运维》 的「6. 复制」章节更加详细完整。
如何使用 Redis Sentinel 实现高可用
详细可以看看如下
因为 Redis Sentinel 的内容很多艿艿这里就不详细哔哔了。实际场景下对于开发的面试我们也不会特别问毕竟更偏运维的内容。
《Redis 官方文档 —— Sentinel 高可用》《Redis 开发与运维》 的「9. 哨兵」章节更加详细完整。
如果使用 Redis Cluster 实现高可用
详细可以看看如下
因为 Redis Sentinel 的内容很多艿艿这里就不详细哔哔了。实际场景下对于开发的面试我们也不会特别问毕竟更偏运维的内容。
《Redis 官方文档 —— Redis Cluster 集群》《Redis 开发与运维》 的「10. 集群」章节更加详细完整。
说说 Redis 哈希槽的概念
Redis Cluster 没有使用一致性 hash 而是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。
因为最大是 16384 个哈希槽所以考虑 Redis 集群中的每个节点都能分配到一个哈希槽所以最多支持 16384 个 Redis 节点。
为什么是 16384 呢主要考虑集群内的网络带宽而 16384 刚好是 2K 字节大小。
Redis Cluster 的主从复制模型是怎样的
为了使在部分节点失败或者大部分节点无法通信的情况下集群仍然可用所以集群使用了主从复制模型每个节点都会有 N-1 个复制节点。
所以Redis Cluster 可以说是 Redis Sentinel 带分片的加强版。也可以说
Redis Sentinel 着眼于高可用在 master 宕机时会自动将 slave 提升为 master 继续提供服务。Redis Cluster 着眼于扩展性在单个 Redis 内存不足时使用 Cluster 进行分片存储。
Redis Cluster 方案什么情况下会导致整个集群不可用
有 ABC 三个节点的集群在没有复制模型的情况下如果节点 B 宕机了那么整个集群就会以为缺少 5501-11000 这个范围的槽而不可用。当然这种情况也可以配置 cluster-require-full-coverageno 整个集群无需所有槽位覆盖。
Redis Cluster 会有写操作丢失吗为什么
Redis 并不能保证数据的强一致性而是【异步复制】这意味这在实际中集群在特定的条件下可能会丢失写操作。
一定一定一定要注意无论对于 Redis Sentinel 还是 Redis Cluster 方案都是通过主从复制所以在数据的复制方面都存在相同的情况。
Redis 集群如何选择数据库
Redis 集群目前无法做数据库选择默认在 0 数据库。
请说说生产环境中的 Redis 是怎么部署的
重点问题仔细理解。
Redis Cluster 10 台机器5 台机器部署了 Redis 主实例另外 5 台机器部署了 Redis 的从实例每个主实例挂了一个从实例5 个节点对外提供读写服务每个节点的读写高峰 qps 可能可以达到每秒 5 万5 台机器最多是 25 万读写请求每秒。机器是什么配置32G 内存 8 核 CPU 1T 磁盘但是分配给 Redis 进程的是 10G 内存一般线上生产环境Redis 的内存尽量不要超过 10G超过 10G 可能会有问题。那么5 台机器对外提供读写一共有 50G 内存。因为每个主实例都挂了一个从实例所以是高可用的任何一个主实例宕机都会自动故障迁移Redis 从实例会自动变成主实例继续提供读写服务。你往内存里写的是什么数据每条数据的大小是多少商品数据每条数据是 10kb 。100 条数据是 1mb 10 万条数据是 1G 。常驻内存的是 200 万条商品数据占用内存是 20G 仅仅不到总内存的 50% 。目前高峰期每秒就是 3500 左右的请求量。
一般来说当公司体量大了之后建议是一个业务线独占一个或多个 Redis Cluster 集群实现好业务线与业务线之间的隔离。
其实大型的公司会有基础架构的 Team 负责缓存集群的运维。
什么是 Redis 分区
这个问题和 「Redis 集群都有哪些方案」 是同类问题。简单看看即可重点还是去理解 Redis Cluster 集群方案。 关于如下四个问题直接看 《Redis 分区》 文章。
Redis 分区是什么分区的优势分区的不足分区类型
可能有胖友会懵逼又是 Redis 主从复制又是 Redis 分区又是 Redis 集群。傻傻分不清啊
Redis 分区是一种模式将数据分区到不同的 Redis 节点上而 Redis 集群的 Redis Cluster、Twemproxy、Codis、客户端分片( 不包括 Redis Sentinel ) 这四种方案是 Redis 分区的具体实现。
注意Redis Sentinel 实现的是 Redis 的高可用一定要分清楚。实际上胖友可以对比 MySQL 和 MongoDB 的高可用、集群的方案发现思路都是一致的。
Redis 每个分区如果想要实现高可用需要使用到 Redis 主从复制。
你知道有哪些 Redis 分区实现方案
Redis 分区方案主要分成两种类型 客户端分区就是在客户端就已经决定数据会被存储到哪个 Redis 节点或者从哪个 Redis 节点读取。大多数客户端已经实现了客户端分区。 案例Redis Cluster 和客户端分区。 代理分区意味着客户端将请求发送给代理然后代理决定去哪个节点写数据或者读数据。代理根据分区规则决定请求哪些 Redis 实例然后根据 Redis 的响应结果返回给客户端。 案例Twemproxy 和 Codis 。
查询路由(Query routing)的意思是客户端随机地请求任意一个 Redis 实例然后由 Redis 将请求转发给正确的 Redis 节点。Redis Cluster 实现了一种混合形式的查询路由但并不是直接将请求从一个Redis 节点转发到另一个 Redis 节点而是在客户端的帮助下直接 Redirect 到正确的 Redis 节点。
Redis Cluster 的重定向可以认真看看 《Redis 开发与运维》 的「10.5 集群 - 请求路由」章节。
分布式 Redis 是前期做还是后期规模上来了再做好为什么
如下是网络上的一个答案
既然 Redis 是如此的轻量为防止以后的扩容最好的办法就是一开始就启动较多实例。即便你只有一台服务器你也可以一开始就让 Redis 以分布式的方式运行使用分区在同一台服务器上启动多个实例。一开始就多设置几个 Redis 实例例如 32 或者 64 个实例对大多数用户来说这操作起来可能比较麻烦但是从长久来看做这点牺牲是值得的。这样的话当你的数据不断增长需要更多的 Redis 服务器时你需要做的就是仅仅将 Redis 实例从一台服务迁移到另外一台服务器而已而不用考虑重新分区的问题。一旦你添加了另一台服务器你需要将你一半的 Redis 实例从第一台机器迁移到第二台机器。
和飞哥沟通了下这个操作不是很合理。无论怎么说建议需要搭建下 Redis Sentinel 高可用至于拓展性根据自己的情况是否使用 Redis Cluster 集群。同时 Redis Cluster 集群会有运维的复杂性同时会存在跨分片操作例如说 mget 等等、事务等操作是不支持的。
Redis 有哪些重要的健康指标
推荐阅读 《Redis 几个重要的健康指标》
存活情况连接数阻塞客户端数量使用内存峰值内存碎片率缓存命中率OPS持久化失效KEY慢日志
如何提高 Redis 命中率
推荐阅读 《如何提高缓存命中率Redis》 。
怎么优化 Redis 的内存占用
推荐阅读 《Redis 的内存优化》
redisObject 对象缩减键值对象共享对象池字符串优化编码优化控制 key 的数量
一个 Redis 实例最多能存放多少的 keysList、Set、Sorted Set 他们最多能存放多少元素
一个 Redis 实例最多能存放多少的 keys List、Set、Sorted Set 他们最多能存放多少元素。
理论上Redis 可以处理多达 2^32 的 keys 并且在实际中进行了测试每个实例至少存放了 2 亿 5 千万的 keys。
任何 list、set、和 sorted set 都可以放 2^32 个元素。
假如 Redis 里面有 1 亿个 key其中有 10w 个 key 是以某个固定的已知的前缀开头的如果将它们全部找出来
使用 keys 指令可以扫出指定模式的 key 列表。
对方接着追问如果这个 Redis 正在给线上的业务提供服务那使用 keys 指令会有什么问题这个时候你要回答 Redis 关键的一个特性Redis 的单线程的。keys 指令会导致线程阻塞一段时间线上服务会停顿直到指令执行完毕服务才能恢复。这个时候可以使用 scan 指令scan 指令可以无阻塞的提取出指定模式的 key 列表但是会有一定的重复概率在客户端做一次去重就可以了但是整体所花费的时间会比直接用 keys 指令长。
Redis 常见的性能问题都有哪些如何解决
1、Master 最好不要做任何持久化工作如 RDB 内存快照和 AOF 日志文件。
经过和朋友讨论主节点开启 AOF 日志功能尽量避免 AOF 重写。 Master 写内存快照save 命令调度 rdbSave 函数会阻塞主线程的工作当快照比较大时对性能影响是非常大的会间断性暂停服务所以 Master 最好不要写内存快照。 Master AOF 持久化如果不重写 AOF 文件这个持久化方式对性能的影响是最小的但是 AOF 文件会不断增大AOF 文件过大会影响 Master 重启的恢复速度。 所以Master 最好不要做任何持久化工作包括内存快照和 AOF 日志文件特别是不要启用内存快照做持久化。如果数据比较关键某个 Slave 开启AOF备份数据策略为每秒同步一次。 2、Master 调用 BGREWRITEAOF 重写 AOF 文件AOF 在重写的时候会占大量的 CPU 和内存资源导致服务 load 过高出现短暂服务暂停现象。 一般来说出现这个问题很多时候是因为 Master 的内存过大一次 AOF 重写需要占用的 CPU 和内存的资源较多此时可以考虑 Redis Cluster 方案。 3、尽量避免在压力很大的主库上增加过多的从库。 可以考虑在从上挂载其它的从。 4、主从复制不要用图状结构用单向链表结构更为稳定即
Master - Slave1 - Slave2 - Slave3… 。
这样的结构也方便解决单点故障问题实现 Slave 对 Master 的替换。如果 Master挂了可以立刻启用 Slave1 做 Master 其他不变。
从节点在切换主节点作为复制源的时候会重新发起全量复制。所以此处通过 Slave1 挂在 Slave 下可以规避这个问题。同时也减少了 Master 的复制压力。当然坏处就是 Slave1 的延迟可能会高一些些所以还是需要取舍。
5、Redis 主从复制的性能问题为了主从复制的速度和连接的稳定性Slave 和 Master 最好在同一个局域网内。 和飞哥沟通过后他们主节点开启 AOF 从节点开启 AOF RDB 。
和晓峰沟通后他们主节点开启 AOF 从节点开启 RDB 居多也有开启 AOF RDB 的。
修改配置不重启 Redis 会实时生效吗
针对运行实例有许多配置选项可以通过 CONFIG SET 命令进行修改而无需执行任何形式的重启。
从 Redis 2.2 开始可以从 AOF 切换到 RDB 的快照持久性或其他方式而不需要重启 Redis。检索 CONFIG GET * 命令获取更多信息。
但偶尔重新启动是必须的如为升级 Redis 程序到新的版本或者当你需要修改某些目前 CONFIG 命令还不支持的配置参数的时候。
其他问题
有些比较凶残的面试官可能会问我们一些 Redis 数据结构的问题例如
Skiplist 插入和查询原理压缩列表的原理Redis 底层为什么使用跳跃表而不是红黑树
跳跃表在范围查找的时候性能比较高。
想要了解这块需要花一定的时间去撸一撸源码推荐可以看如下两块内容
《Redis 深度历险核心原理与应用实践》《Redis 设计与实现》
推荐先读第一本可以深入浅出的了解 Redis 原理和源码。然后在读第二本硬核了解 Redis 的设计与实现源码。
参考与推荐如下文章
JeffreyLcm 《Redis 面试题》烙印99 《史上最全 Redis 面试题及答案》yanglbme 《Redis 和 Memcached 有什么区别Redis 的线程模型是什么为什么单线程的 Redis 比多线程的 Memcached 效率要高得多》老钱 《天下无难试之 Redis 面试题刁难大全》yanglbme 《Redis 的持久化有哪几种方式不同的持久化机制都有什么优缺点持久化机制具体底层是如何实现的》 欢迎关注我们人工智能在新媒体领域应用的交流群加我微信拉你进群。
