网站建设需要会,文化厅加强网站建设,关于网站项目建设的申请,湖北又出现3例1、为什么使用redis
分析:博主觉得在项目中使用redis#xff0c;主要是从两个角度去考虑:性能和并发。当然#xff0c;redis还具备可以做分布式锁等其他功能#xff0c;但是如果只是为了分布式锁这些其他功能#xff0c;完全还有其他中间件(如zookpeer等)代替#xff0c;…1、为什么使用redis
分析:博主觉得在项目中使用redis主要是从两个角度去考虑:性能和并发。当然redis还具备可以做分布式锁等其他功能但是如果只是为了分布式锁这些其他功能完全还有其他中间件(如zookpeer等)代替并不是非要使用redis。因此这个问题主要从性能和并发两个角度去答。 回答:如下所示分为两点 一性能
如下图所示我们在碰到需要执行耗时特别久且结果不频繁变动的SQL就特别适合将运行结果放入缓存。这样后面的请求就去缓存中读取使得请求能够迅速响应。 题外话忽然想聊一下这个迅速响应的标准。其实根据交互效果的不同这个响应时间没有固定标准。不过曾经有人这么告诉我:在理想状态下我们的页面跳转需要在瞬间解决对于页内操作则需要在刹那间解决。另外超过一弹指的耗时操作要有进度提示并且可以随时中止或取消这样才能给用户最好的体验。 那么瞬间、刹那、一弹指具体是多少时间呢
根据《摩诃僧祗律》记载
一刹那者为一念二十念为一瞬二十瞬为一弹指二十弹指为一罗预二十罗预为一须臾一日一夜有三十须臾。
那么经过周密的计算一瞬间为0.36 秒,一刹那有 0.018 秒.一弹指长达 7.2 秒。 二并发 如下图所示在大并发的情况下所有的请求直接访问数据库数据库会出现连接异常。这个时候就需要使用redis做一个缓冲操作让请求先访问到redis而不是直接访问数据库。 2、使用redis有什么缺点
分析:大家用redis这么久这个问题是必须要了解的基本上使用redis都会碰到一些问题常见的也就几个。 回答:主要是四个问题 (一)缓存和数据库双写一致性问题 (二)缓存雪崩问题 (三)缓存击穿问题 (四)缓存的并发竞争问题 这四个问题我个人是觉得在项目中比较常遇见的具体解决方案后文给出。 3、单线程的redis为什么这么快
分析:这个问题其实是对redis内部机制的一个考察。其实根据博主的面试经验很多人其实都不知道redis是单线程工作模型。所以这个问题还是应该要复习一下的。 回答:主要是以下三点 (一)纯内存操作 (二)单线程操作避免了频繁的上下文切换 (三)采用了非阻塞I/O多路复用机制 题外话我们现在要仔细的说一说I/O多路复用机制因为这个说法实在是太通俗了通俗到一般人都不懂是什么意思。博主打一个比方小曲在S城开了一家快递店负责同城快送服务。小曲因为资金限制雇佣了一批快递员然后小曲发现资金不够了只够买一辆车送快递。 经营方式一 客户每送来一份快递小曲就让一个快递员盯着然后快递员开车去送快递。慢慢的小曲就发现了这种经营方式存在下述问题 几十个快递员基本上时间都花在了抢车上了大部分快递员都处在闲置状态谁抢到了车谁就能去送快递 随着快递的增多快递员也越来越多小曲发现快递店里越来越挤没办法雇佣新的快递员了 快递员之间的协调很花时间
综合上述缺点小曲痛定思痛提出了下面的经营方式 经营方式二 小曲只雇佣一个快递员。然后呢客户送来的快递小曲按送达地点标注好然后依次放在一个地方。最后那个快递员依次的去取快递一次拿一个然后开着车去送快递送好了就回来拿下一个快递。
对比 上述两种经营方式对比是不是明显觉得第二种效率更高更好呢。在上述比喻中: 每个快递员------------------每个线程 每个快递--------------------每个socket(I/O流) 快递的送达地点--------------socket的不同状态 客户送快递请求--------------来自客户端的请求 小曲的经营方式--------------服务端运行的代码 一辆车----------------------CPU的核数 于是我们有如下结论 1、经营方式一就是传统的并发模型每个I/O流(快递)都有一个新的线程(快递员)管理。 2、经营方式二就是I/O多路复用。只有单个线程(一个快递员)通过跟踪每个I/O流的状态(每个快递的送达地点)来管理多个I/O流。
下面类比到真实的redis线程模型如图所示
参照上图简单来说就是。我们的redis-client在操作的时候会产生具有不同事件类型的socket。在服务端有一段I/0多路复用程序将其置入队列之中。然后文件事件分派器依次去队列中取转发到不同的事件处理器中。 需要说明的是这个I/O多路复用机制redis还提供了select、epoll、evport、kqueue等多路复用函数库大家可以自行去了解。 4、redis的数据类型以及每种数据类型的使用场景
分析是不是觉得这个问题很基础其实我也这么觉得。然而根据面试经验发现至少百分八十的人答不上这个问题。建议在项目中用到后再类比记忆体会更深不要硬记。基本上一个合格的程序员五种类型都会用到。 回答一共五种
(一)String 这个其实没啥好说的最常规的set/get操作value可以是String也可以是数字。一般做一些复杂的计数功能的缓存。
(二)hash 这里value存放的是结构化的对象比较方便的就是操作其中的某个字段。博主在做单点登录的时候就是用这种数据结构存储用户信息以cookieId作为key设置30分钟为缓存过期时间能很好的模拟出类似session的效果。
(三)list 使用List的数据结构可以做简单的消息队列的功能。另外还有一个就是可以利用lrange命令做基于redis的分页功能性能极佳用户体验好。
(四)set 因为set堆放的是一堆不重复值的集合。所以可以做全局去重的功能。为什么不用JVM自带的Set进行去重因为我们的系统一般都是集群部署使用JVM自带的Set比较麻烦难道为了一个做一个全局去重再起一个公共服务太麻烦了。 另外就是利用交集、并集、差集等操作可以计算共同喜好全部的喜好自己独有的喜好等功能。
(五)sorted set
sorted set多了一个权重参数score,集合中的元素能够按score进行排列。可以做排行榜应用取TOP N操作。另外参照另一篇《分布式之延时任务方案解析》该文指出了sorted set可以用来做延时任务。最后一个应用就是可以做范围查找。 5、redis的过期策略以及内存淘汰机制
分析:这个问题其实相当重要到底redis有没用到家这个问题就可以看出来。比如你redis只能存5G数据可是你写了10G那会删5G的数据。怎么删的这个问题思考过么还有你的数据已经设置了过期时间但是时间到了内存占用率还是比较高有思考过原因么? 回答: redis采用的是定期删除惰性删除策略。 为什么不用定时删除策略? 定时删除,用一个定时器来负责监视key,过期则自动删除。虽然内存及时释放但是十分消耗CPU资源。在大并发请求下CPU要将时间应用在处理请求而不是删除key,因此没有采用这一策略. 定期删除惰性删除是如何工作的呢? 定期删除redis默认每个100ms检查是否有过期的key,有过期key则删除。需要说明的是redis不是每个100ms将所有的key检查一次而是随机抽取进行检查(如果每隔100ms,全部key进行检查redis岂不是卡死)。因此如果只采用定期删除策略会导致很多key到时间没有删除。 于是惰性删除派上用场。也就是说在你获取某个key的时候redis会检查一下这个key如果设置了过期时间那么是否过期了如果过期了此时就会删除。 采用定期删除惰性删除就没其他问题了么? 不是的如果定期删除没删除key。然后你也没即时去请求key也就是说惰性删除也没生效。这样redis的内存会越来越高。那么就应该采用内存淘汰机制。 在redis.conf中有一行配置
# maxmemory-policy volatile-lru
该配置就是配内存淘汰策略的(什么你没配过好好反省一下自己) 1noeviction当内存不足以容纳新写入数据时新写入操作会报错。应该没人用吧。 2allkeys-lru当内存不足以容纳新写入数据时在键空间中移除最近最少使用的key。推荐使用目前项目在用这种。 3allkeys-random当内存不足以容纳新写入数据时在键空间中随机移除某个key。应该也没人用吧你不删最少使用Key,去随机删。 4volatile-lru当内存不足以容纳新写入数据时在设置了过期时间的键空间中移除最近最少使用的key。这种情况一般是把redis既当缓存又做持久化存储的时候才用。不推荐 5volatile-random当内存不足以容纳新写入数据时在设置了过期时间的键空间中随机移除某个key。依然不推荐 6volatile-ttl当内存不足以容纳新写入数据时在设置了过期时间的键空间中有更早过期时间的key优先移除。不推荐 ps如果没有设置 expire 的key, 不满足先决条件(prerequisites); 那么 volatile-lru, volatile-random 和 volatile-ttl 策略的行为, 和 noeviction(不删除) 基本上一致。 6、redis和数据库双写一致性问题
分析:一致性问题是分布式常见问题还可以再分为最终一致性和强一致性。数据库和缓存双写就必然会存在不一致的问题。答这个问题先明白一个前提。就是如果对数据有强一致性要求不能放缓存。我们所做的一切只能保证最终一致性。另外我们所做的方案其实从根本上来说只能说降低不一致发生的概率无法完全避免。因此有强一致性要求的数据不能放缓存。 回答:《分布式之数据库和缓存双写一致性方案解析》给出了详细的分析在这里简单的说一说。首先采取正确更新策略先更新数据库再删缓存。其次因为可能存在删除缓存失败的问题提供一个补偿措施即可例如利用消息队列。 7、如何应对缓存穿透和缓存雪崩问题
分析:这两个问题说句实在话一般中小型传统软件企业很难碰到这个问题。如果有大并发的项目流量有几百万左右。这两个问题一定要深刻考虑。 回答:如下所示
缓存穿透即黑客故意去请求缓存中不存在的数据导致所有的请求都怼到数据库上从而数据库连接异常。
解决方案: (一)利用互斥锁缓存失效的时候先去获得锁得到锁了再去请求数据库。没得到锁则休眠一段时间重试 (二)采用异步更新策略无论key是否取到值都直接返回。value值中维护一个缓存失效时间缓存如果过期异步起一个线程去读数据库更新缓存。需要做缓存预热(项目启动前先加载缓存)操作。 (三)提供一个能迅速判断请求是否有效的拦截机制比如利用布隆过滤器内部维护一系列合法有效的key。迅速判断出请求所携带的Key是否合法有效。如果不合法则直接返回。
缓存雪崩即缓存同一时间大面积的失效这个时候又来了一波请求结果请求都怼到数据库上从而导致数据库连接异常。
解决方案: (一)给缓存的失效时间加上一个随机值避免集体失效。 (二)使用互斥锁但是该方案吞吐量明显下降了。 (三)双缓存。我们有两个缓存缓存A和缓存B。缓存A的失效时间为20分钟缓存B不设失效时间。自己做缓存预热操作。然后细分以下几个小点 I 从缓存A读数据库有则直接返回 II A没有数据直接从B读数据直接返回并且异步启动一个更新线程。 III 更新线程同时更新缓存A和缓存B。 8、如何解决redis的并发竞争key问题
分析:这个问题大致就是同时有多个子系统去set一个key。这个时候要注意什么呢大家思考过么。需要说明一下博主提前百度了一下发现答案基本都是推荐用redis事务机制。博主不推荐使用redis的事务机制。因为我们的生产环境基本都是redis集群环境做了数据分片操作。你一个事务中有涉及到多个key操作的时候这多个key不一定都存储在同一个redis-server上。因此redis的事务机制十分鸡肋。
回答:如下所示 (1)如果对这个key操作不要求顺序 这种情况下准备一个分布式锁大家去抢锁抢到锁就做set操作即可比较简单。 (2)如果对这个key操作要求顺序 假设有一个key1,系统A需要将key1设置为valueA,系统B需要将key1设置为valueB,系统C需要将key1设置为valueC. 期望按照key1的value值按照 valueA--valueB--valueC的顺序变化。这种时候我们在数据写入数据库的时候需要保存一个时间戳。假设时间戳如下 系统A key 1 {valueA 3:00} 系统B key 1 {valueB 3:05} 系统C key 1 {valueC 3:10}
那么假设这会系统B先抢到锁将key1设置为{valueB 3:05}。接下来系统A抢到锁发现自己的valueA的时间戳早于缓存中的时间戳那就不做set操作了。以此类推。
其他方法比如利用队列将set方法变成串行访问也可以。总之灵活变通。
