關於Redis的知識總結了一個腦圖分享給大家
1、在項目中緩存是如何使用的？爲什麼要用緩存？緩存使用不當會造成什麼後果？
（1）面試官心理分析
這個問題，互聯網公司必問，要是一個人連緩存都不太清楚，那確實比較尷尬。
只要問到緩存，上來第一個問題，肯定是先問問你項目哪裏用了緩存？爲啥要用？不用行不行？如果用了以後可能會有什麼不良的後果？
這就是看看你對緩存這個東西背後有沒有思考，如果你就是傻乎乎的瞎用，沒法給面試官一個合理的解答，那面試官對你印象肯定不太好，覺得你平時思考太少，就知道幹活兒。
（2）面試題剖析
項目中緩存是如何使用的？
這個，需要結合自己項目的業務來。
爲什麼要用緩存？
用緩存，主要有兩個用途：高性能、高併發。
高性能
假設這麼個場景，你有個操作，一個請求過來，吭哧吭哧你各種亂七八糟操作 mysql，半天查出來一個結果，耗時 600ms。但是這個結果可能接下來幾個小時都不會變了，或者變了也可以不用立即反饋給用戶。那麼此時咋辦？
緩存啊，折騰 600ms 查出來的結果，扔緩存裏，一個 key 對應一個 value，下次再有人查，別走 mysql折騰 600ms 了，直接從緩存裏，通過一個 key 查出來一個 value，2ms 搞定。性能提升 300 倍。
就是說對於一些需要複雜操作耗時查出來的結果，且確定後面不怎麼變化，但是有很多讀請求，那麼直接將查詢出來的結果放在緩存中，後面直接讀緩存就好。
高併發
所以要是你有個系統，高峯期一秒鐘過來的請求有 1 萬，那一個 mysql 單機絕對會死掉。你這個時候就只能上緩存，把很多數據放緩存，別放 mysql。緩存功能簡單，說白了就是 key-value 式操作，單機支撐的併發量輕鬆一秒幾萬十幾萬，支撐高併發 so easy。單機承載併發量是 mysql 單機的幾十倍。
緩存是走內存的，內存天然就支撐高併發。
用了緩存之後會有什麼不良後果？
常見的緩存問題有以下幾個：
緩存與數據庫雙寫不一致 、緩存雪崩、緩存穿透、緩存併發競爭後面再詳細說明。
2、redis 和 memcached 有什麼區別？redis 的線程模型是什麼？爲什麼 redis 單線程卻能支撐高併發？
（1）面試官心理分析
這個是問 redis 的時候，最基本的問題吧，redis 最基本的一個內部原理和特點，就是 redis 實際上是個單線程工作模型，你要是這個都不知道，那後面玩兒 redis 的時候，出了問題豈不是什麼都不知道？
還有可能面試官會問問你 redis 和 memcached 的區別，但是 memcached 是早些年各大互聯網公司常用的緩存方案，但是現在近幾年基本都是 redis，沒什麼公司用 memcached 了。
（2）面試題剖析
redis 和 memcached 有啥區別？
redis 支持複雜的數據結構
redis 相比 memcached 來說，擁有更多的數據結構，能支持更豐富的數據操作。如果需要緩存能夠支持更復雜的結構和操作， redis 會是不錯的選擇。
redis 原生支持集羣模式
在 redis3.x 版本中，便能支持 cluster 模式，而 memcached 沒有原生的集羣模式，需要依靠客戶端來實現往集羣中分片寫入數據。
性能對比
由於 redis 只使用單核，而 memcached 可以使用多核，所以平均每一個核上 redis 在存儲小數據時比memcached 性能更高。而在 100k 以上的數據中，memcached 性能要高於 redis。雖然 redis 最近也在存儲大數據的性能上進行優化，但是比起 memcached，還是稍有遜色。
redis 的線程模型
redis 內部使用文件事件處理器 file event handler，這個文件事件處理器是單線程的，所以 redis 才叫做單線程的模型。它採用 IO 多路複用機制同時監聽多個 socket，將產生事件的 socket 壓入內存隊列中，事件分派器根據 socket 上的事件類型來選擇對應的事件處理器進行處理。
文件事件處理器的結構包含 4 個部分：
-
多個 socket
-
IO 多路複用程序
-
文件事件分派器
-
事件處理器（連接應答處理器、命令請求處理器、命令回覆處理器）
多個 socket 可能會併發產生不同的操作，每個操作對應不同的文件事件，但是 IO 多路複用程序會監聽多個 socket，會將產生事件的 socket 放入隊列中排隊，事件分派器每次從隊列中取出一個 socket，根據 socket 的事件類型交給對應的事件處理器進行處理。
來看客戶端與 redis 的一次通信過程：
要明白，通信是通過 socket 來完成的，不懂的同學可以先去看一看 socket 網絡編程。
客戶端 socket01 向 redis 進程的 server socket 請求建立連接，此時 server socket 會產生一個AE_READABLE 事件，IO 多路複用程序監聽到 server socket 產生的事件後，將該 socket 壓入隊列中。
文件事件分派器從隊列中獲取 socket，交給連接應答處理器。連接應答處理器會創建一個能與客戶端通信的 socket01，並將該 socket01 的 AE_READABLE 事件與命令請求處理器關聯。
假設此時客戶端發送了一個 set key value 請求，此時 redis 中的 socket01 會產生 AE_READABLE 事件，IO 多路複用程序將 socket01 壓入隊列，此時事件分派器從隊列中獲取到 socket01 產生的AE_READABLE 事件，由於前面 socket01 的 AE_READABLE 事件已經與命令請求處理器關聯，因此事件分派器將事件交給命令請求處理器來處理。命令請求處理器讀取 socket01 的 key value 並在自己內存中完成 key value 的設置。操作完成後，它會將 socket01 的 AE_WRITABLE 事件與命令回覆處理器關聯。
如果此時客戶端準備好接收返回結果了，那麼 redis 中的 socket01 會產生一個 AE_WRITABLE 事件，同樣壓入隊列中，事件分派器找到相關聯的命令回覆處理器，由命令回覆處理器對 socket01 輸入本次操作的一個結果，比如 ok，之後解除 socket01 的 AE_WRITABLE 事件與命令回覆處理器的關聯。
這樣便完成了一次通信。
爲啥 redis 單線程模型也能效率這麼高？
-
純內存操作
-
核心是基於非阻塞的 IO 多路複用機制
-
單線程反而避免了多線程的頻繁上下文切換問題
3、redis 都有哪些數據類型？分別在哪些場景下使用比較合適？
（1）面試官心理分析
除非是面試官感覺看你簡歷，是工作 3 年以內的比較初級的同學，可能對技術沒有很深入的研究，面試官纔會問這類問題。否則，在寶貴的面試時間裏，面試官實在不想多問。
其實問這個問題，主要有兩個原因：
-
看看你到底有沒有全面的瞭解 redis 有哪些功能，一般怎麼來用，啥場景用什麼，就怕你別就會最簡單的 KV 操作；
-
看看你在實際項目裏都怎麼玩兒過 redis。
要是你回答的不好，沒說出幾種數據類型，也沒說什麼場景，你完了，面試官對你印象肯定不好，覺得你平時就是做個簡單的 set 和 get。
（2）面試題剖析
redis 主要有以下幾種數據類型：
-
string
-
hash
-
list
-
set
-
Zset（sorted set）
string
這是最簡單的類型，就是普通的set和get，做簡單的KV緩存。
hash
這個是類似 map 的一種結構，這個一般就是可以將結構化的數據，比如一個對象（前提是這個對象沒嵌套其他的對象）給緩存在 redis 裏，然後每次讀寫緩存的時候，可以就操作 hash 裏的某個字段。
hset person name bingo
hset person age 20
hset person id 1 hget person name
person = {
"name": "bingo",
"age": 20,
"id": 1
}
list
list 是有序列表，這個可以玩兒出很多花樣。
比如可以通過 list 存儲一些列表型的數據結構，類似粉絲列表、文章的評論列表之類的東西。
比如可以通過 lrange 命令，讀取某個閉區間內的元素，可以基於 list 實現分頁查詢，這個是很棒的一個功能，基於 redis 實現簡單的高性能分頁，可以做類似微博那種下拉不斷分頁的東西，性能高，就一頁一頁走。
# 0 開始位置，-1 結束位置，結束位置爲-1 時，表示列表的最後一個位置，即查看所有。 lrange mylist 0 -1
比如可以搞個簡單的消息隊列，從 list 頭懟進去，從 list 尾巴那裏弄出來。
lpush mylist 1 lpush mylist 2 lpush mylist 3 4 5 # 1 rpop mylist
set
set 是無序集合，自動去重。
直接基於 set 將系統裏需要去重的數據扔進去，自動就給去重了，如果你需要對一些數據進行快速的全局去重，你當然也可以基於 jvm 內存裏的 HashSet 進行去重，但是如果你的某個系統部署在多臺機器上呢？
得基於 redis 進行全局的 set 去重。
把兩個大 V 的粉絲都放在兩個 set 中，對兩個 set 做交集。
#-------操作一個 set------- # 添加元素 sadd mySet 1 # 查看全部元素 smembers mySet # 判斷是否包含某個值 sismember mySet 3 # 刪除某個/些元素 srem mySet 1 srem mySet 2 4 # 查看元素個數 scard mySet # 隨機刪除一個元素 spop mySet #-------操作多個 set------- # 將一個 set 的元素移動到另外一個 set smove yourSet mySet 2 # 求兩 set 的交集 sinter yourSet mySet # 求兩 set 的並集 sunion yourSet mySet # 求在 yourSet 中而不在 mySet 中的元素 sdiff yourSet mySet
sorted set
sorted set 是排序的 set，去重但可以排序，寫進去的時候給一個分數，自動根據分數排序。
zadd board 85 zhangsan zadd board 72 lisi zadd board 96 wangwu zadd board 63 zhaoliu # 獲取排名前三的用戶（默認是升序，所以需要 rev 改爲降序） zrevrange board 0 3 # 獲取某用戶的排名 zrank board zhaoliu
4、redis 的過期策略都有哪些？內存淘汰機制都有哪些？手寫一下LRU代碼實現？
面試官心理分析
如果你連這個問題都不知道，上來就懵了，回答不出來，那線上你寫代碼的時候，想當然的認爲寫進 redis的數據就一定會存在，後面導致系統各種 bug，誰來負責？
常見的有兩個問題：
（1）往 redis 寫入的數據怎麼沒了？
可能有同學會遇到，在生產環境的 redis 經常會丟掉一些數據，寫進去了，過一會兒可能就沒了。我的天，同學，你問這個問題就說明 redis 你就沒用對啊。redis 是緩存，你給當存儲了是吧？
啥叫緩存？用內存當緩存。內存是無限的嗎，內存是很寶貴而且是有限的，磁盤是廉價而且是大量的。可能一臺機器就幾十個 G 的內存，但是可以有幾個 T 的硬盤空間。redis 主要是基於內存來進行高性能、高併發的讀寫操作的。
那既然內存是有限的，比如 redis 就只能用 10G，你要是往裏面寫了 20G 的數據，會咋辦？當然會幹掉10G 的數據，然後就保留 10G 的數據了。那幹掉哪些數據？保留哪些數據？當然是幹掉不常用的數據，保留常用的數據了。
（2）數據明明過期了，怎麼還佔用着內存？
這是由 redis 的過期策略來決定。
面試題剖析
redis 過期策略
redis 過期策略是：定期刪除+惰性刪除。
所謂定期刪除，指的是 redis 默認是每隔 100ms 就隨機抽取一些設置了過期時間的 key，檢查其是否過期，如果過期就刪除。
假設 redis 裏放了 10w 個 key，都設置了過期時間，你每隔幾百毫秒，就檢查 10w 個 key，那 redis 基本上就死了，cpu 負載會很高的，消耗在你的檢查過期 key 上了。注意，這裏可不是每隔 100ms 就遍歷所有的設置過期時間的 key，那樣就是一場性能上的災難。實際上 redis 是每隔 100ms 隨機抽取一些key 來檢查和刪除的。
但是問題是，定期刪除可能會導致很多過期 key 到了時間並沒有被刪除掉，那咋整呢？所以就是惰性刪除了。這就是說，在你獲取某個 key 的時候，redis 會檢查一下 ，這個 key 如果設置了過期時間那麼是否過期了？如果過期了此時就會刪除，不會給你返回任何東西。
獲取 key 的時候，如果此時 key 已經過期，就刪除，不會返回任何東西。
答案是：走內存淘汰機制。
內存淘汰機制
redis 內存淘汰機制有以下幾個：
-
noeviction: 當內存不足以容納新寫入數據時，新寫入操作會報錯，這個一般沒人用吧，實在是太噁心了。
-
allkeys-lru：當內存不足以容納新寫入數據時，在鍵空間中，移除最近最少使用的 key（這個是最常用的）。
-
allkeys-random：當內存不足以容納新寫入數據時，在鍵空間中，隨機移除某個 key，這個一般沒人用吧，爲啥要隨機，肯定是把最近最少使用的 key 給幹掉啊。
-
volatile-lru：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，移除最近最少使用的 key（這個一般不太合適）。
-
volatile-random：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，隨機移除某個 key。
-
volatile-ttl：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，有更早過期時間的 key 優先移除。
手寫一個 LRU 算法
你可以現場手寫最原始的 LRU 算法，那個代碼量太大了，似乎不太現實。
不求自己純手工從底層開始打造出自己的 LRU，但是起碼要知道如何利用已有的 JDK 數據結構實現一個Java 版的 LRU。
class LRUCache<K, V> extends LinkedHashMap<K, V> {
private final int CACHE_SIZE;
/**
* 傳遞進來最多能緩存多少數據 *
* @param cacheSize 緩存大小 */
public LRUCache(int cacheSize) {
// true 表示讓 linkedHashMap 按照訪問順序來進行排序，最近訪問的放在頭部，最老訪問的 放在尾部。
super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true);
CACHE_SIZE = cacheSize;
}
@Override
protected Boolean removeEldestEntry(Map.Entry<K, V> eldest) {
// 當 map 中的數據量大於指定的緩存個數的時候，就自動刪除最老的數據。
return size() > CACHE_SIZE;
}
}
5、如何保證 redis 的高併發和高可用？redis 的主從複製原理能介紹一下麼？redis 的哨兵原理能介紹一下麼？
其實問這個問題，主要是考考你，redis 單機能承載多高併發？如果單機扛不住如何擴容扛更多的併發？redis 會不會掛？既然 redis 會掛那怎麼保證 redis 是高可用的？
其實針對的都是項目中你肯定要考慮的一些問題，如果你沒考慮過，那確實你對生產系統中的問題思考太少。
面試題剖析
如果你用 redis 緩存技術的話，肯定要考慮如何用 redis 來加多臺機器，保證 redis 是高併發的，還有就是如何讓 redis 保證自己不是掛掉以後就直接死掉了，即 redis 高可用。
由於此節內容較多，因此，會分爲兩個小節進行講解。 - redis 主從架構 - redis 基於哨兵實現高可用redis 實現高併發主要依靠主從架構，一主多從，一般來說，很多項目其實就足夠了，單主用來寫入數據，單機幾萬 QPS，多從用來查詢數據，多個從實例可以提供每秒 10w 的 QPS。
如果想要在實現高併發的同時，容納大量的數據，那麼就需要 redis 集羣，使用 redis 集羣之後，可以提供每秒幾十萬的讀寫併發。
redis 高可用，如果是做主從架構部署，那麼加上哨兵就可以了，就可以實現，任何一個實例宕機，可以進行主備切換。
6、redis 的持久化有哪幾種方式？不同的持久化機制都有什麼 優缺點？持久化機制具體底層是如何實現的？
面試官心理分析
redis 如果僅僅只是將數據緩存在內存裏面，如果 redis 宕機了再重啓，內存裏的數據就全部都弄丟了啊。
你必須得用 redis 的持久化機制，將數據寫入內存的同時，異步的慢慢的將數據寫入磁盤文件裏，進行持久化。
如果 redis 宕機重啓，自動從磁盤上加載之前持久化的一些數據就可以了，也許會丟失少許數據，但是至少不會將所有數據都弄丟。
這個其實一樣，針對的都是 redis 的生產環境可能遇到的一些問題，就是 redis 要是掛了再重啓，內存裏的數據不就全丟了？能不能重啓的時候把數據給恢復了？
面試題剖析
持久化主要是做災難恢復、數據恢復，也可以歸類到高可用的一個環節中去，比如你 redis 整個掛了，然後 redis 就不可用了，你要做的事情就是讓 redis 變得可用，儘快變得可用。
重啓 redis，儘快讓它對外提供服務，如果沒做數據備份，這時候 redis 啓動了，也不可用啊，數據都沒了。
很可能說，大量的請求過來，緩存全部無法命中，在 redis 里根本找不到數據，這個時候就死定了，出現緩存雪崩問題。所有請求沒有在redis命中，就會去mysql數據庫這種數據源頭中去找，一下子mysql承接高併發，然後就掛了…
如果你把 redis 持久化做好，備份和恢復方案做到企業級的程度，那麼即使你的 redis 故障了，也可以通過備份數據，快速恢復，一旦恢復立即對外提供服務。
redis 持久化的兩種方式
-
RDB：RDB 持久化機制，是對 redis 中的數據執行週期性的持久化。
-
AOF：AOF 機制對每條寫入命令作爲日誌，以 append-only 的模式寫入一個日誌文件中，在 redis重啓的時候，可以通過回放 AOF 日誌中的寫入指令來重新構建整個數據集。
通過 RDB 或 AOF，都可以將 redis 內存中的數據給持久化到磁盤上面來，然後可以將這些數據備份到別的地方去，比如說阿里雲等雲服務。
如果 redis 掛了，服務器上的內存和磁盤上的數據都丟了，可以從雲服務上拷貝回來之前的數據，放到指定的目錄中，然後重新啓動 redis，redis 就會自動根據持久化數據文件中的數據，去恢復內存中的數據，繼續對外提供服務。
如果同時使用 RDB 和 AOF 兩種持久化機制，那麼在 redis 重啓的時候，會使用 AOF 來重新構建數據，因爲 AOF 中的數據更加完整。
RDB 優缺點
-
RDB 會生成多個數據文件，每個數據文件都代表了某一個時刻中 redis 的數據，這種多個數據文件的方式，非常適合做冷備，可以將這種完整的數據文件發送到一些遠程的安全存儲上去，比如說 Amazon的 S3 雲服務上去，在國內可以是阿里雲的 ODPS 分佈式存儲上，以預定好的備份策略來定期備份 redis中的數據。
-
RDB 對 redis 對外提供的讀寫服務，影響非常小，可以讓 redis 保持高性能，因爲 redis 主進程只需要 fork 一個子進程，讓子進程執行磁盤 IO 操作來進行 RDB 持久化即可。 ·
-
相對於 AOF 持久化機制來說，直接基於 RDB 數據文件來重啓和恢復 redis 進程，更加快速。
-
如果想要在 redis 故障時，儘可能少的丟失數據，那麼 RDB 沒有 AOF 好。一般來說，RDB 數據快照文件，都是每隔 5 分鐘，或者更長時間生成一次，這個時候就得接受一旦 redis 進程宕機，那麼會丟失最近 5 分鐘的數據。
-
RDB 每次在 fork 子進程來執行 RDB 快照數據文件生成的時候，如果數據文件特別大，可能會導致對客戶端提供的服務暫停數毫秒，或者甚至數秒。
AOF 優缺點
-
AOF 可以更好的保護數據不丟失，一般 AOF 會每隔 1 秒，通過一個後臺線程執行一次 fsync 操作，最多丟失 1 秒鐘的數據。
-
AOF 日誌文件以 append-only 模式寫入，所以沒有任何磁盤尋址的開銷，寫入性能非常高，而且文件不容易破損，即使文件尾部破損，也很容易修復。
-
AOF 日誌文件即使過大的時候，出現後臺重寫操作，也不會影響客戶端的讀寫。因爲在 rewrite log的時候，會對其中的指令進行壓縮，創建出一份需要恢復數據的最小日誌出來。在創建新日誌文件的時候，老的日誌文件還是照常寫入。當新的merge後日志文件ready的時候，在交換新老日誌文件即可。
-
AOF 日誌文件的命令通過非常可讀的方式進行記錄，這個特性非常適合做災難性的誤刪除的緊急恢復。比如某人不小心用 flushall 命令清空了所有數據，只要這個時候後臺 rewrite 還沒有發生，那麼就可以立即拷貝 AOF 文件，將最後一條 flushall 命令給刪了，然後再將該 AOF 文件放回去，就可以通過恢復機制，自動恢復所有數據。
-
對於同一份數據來說，AOF 日誌文件通常比 RDB 數據快照文件更大。
-
AOF 開啓後，支持的寫 QPS 會比 RDB 支持的寫 QPS 低，因爲 AOF 一般會配置成每秒 fsync 一次日誌文件，當然，每秒一次 fsync，性能也還是很高的。（如果實時寫入，那麼 QPS 會大降，redis 性 能會大大降低）
-
以前 AOF 發生過 bug，就是通過 AOF 記錄的日誌，進行數據恢復的時候，沒有恢復一模一樣的數據出來。所以說，類似 AOF 這種較爲複雜的基於命令日誌 / merge / 回放的方式，比基於 RDB 每次持久化一份完整的數據快照文件的方式，更加脆弱一些，容易有 bug。不過 AOF 就是爲了避免 rewrite 過程導致的 bug，因此每次 rewrite 並不是基於舊的指令日誌進行 merge 的，而是基於當時內存中的數據進行指令的重新構建，這樣健壯性會好很多。
RDB 和 AOF 到底該如何選擇
-
不要僅僅使用 RDB，因爲那樣會導致你丟失很多數據；
-
也不要僅僅使用 AOF，因爲那樣有兩個問題：第一，你通過 AOF 做冷備，沒有 RDB 做冷備來的恢復速度更快；第二，RDB 每次簡單粗暴生成數據快照，更加健壯，可以避免 AOF 這種複雜的備份和恢復機制的 bug；
最後
歡迎關注公衆號：程序員追風，領取一線大廠Java面試題總結+各知識點學習思維導+一份300頁pdf文檔的Java核心知識點總結！