经历几年开发经验之后，再去面试，缓存问题是不可避免的，现在最常见的缓存就应该是Redis了，下面是在面试中最常见的Redis的8个问题。
一、为什么要使用 Redis ？
主要可以从两个方面来考虑：性能和并发
1、性能：如果我们在项目中碰到需要执行耗时特别久，且结果不频繁变动的SQL，就特别合适将查询结果放入到缓存中，以便下次查询的时候能够快速的相应；
2、并发：在大并发的情况下，所有的请求直接访问数据库，数据库就会出现连接异常，这个时候就需要 Redis 做一个缓冲，每次请求过来的时候，首先访问 Redis ，而不是直接访问数据库，极大的降低了数据库的压力。
二、使用 Redis 有什么优缺点？
要知道任何事物都是有利有弊的，Redis 也不例外：
-
缓存和数据库双写一致性问题
-
缓存雪崩问题
-
缓存击穿问题
-
缓存的并发竞争问题
三、单线程的 Redis 为什么这么快？
此问题主要考察 redis 的内部机制，主要从一下三点回答：
- 纯内存操作
- 单线程操作，避免了频繁的上下文切换
- 采用了非阻塞 I/O 多路复用机制
四、Redis 的数据类型，以及每种数据类型的使用场景？
这个就比较简单了，一共五种：String、hash、list、set、zset 。 具体的使用场景可查看另一篇博文Redis基本数据类型及使用场景
五、Redis 的过期策略以及内存淘汰机制
Redis 采用的是定期删除+惰性删除策略：定期删除、redis默认每隔100ms 检查内存中是否有过期的 key ，有过期的 key 则删除。而 redis 不是每100ms 将所有的 key 检查一次（如果所有的都检查，岂不会卡死），而是随机抽取检查。如果只采用定期删除，将会导致很多 key 到期没有删除。于是惰性删除就上场了、也就是说在你获取某个 key 的时候，redis 会检查一下，这个 key 如果过期了就删除。在 redis.conf 中配置 maxmemory-policy volatile-lru
- noeviction : 内存不足时写入数据，写入数据报错
- allkeys-lru : 内存不足时写入数据，键空间中移除最近最少使用的 key（推荐使用）
- allkeys-random : 内存不足时写入数据，随机删除某个 key
- volatile-lru : 内存不足时写入数据，在设置过期时间的键空间中，移除最近最少使用的key
- volatile-random : 内存不足时写入数据，在设置过期时间的键空间中，随机移除某个 key
- volatile-ttl : 内存不足时写入数据，更早过期的 key ，优先移除
六、Redis 和数据库双写一致性问题
一致性问题是分布式常见的问题，可以分为最终一致性和强一致性。强一致性要求的数据，不能放缓存。首先。采取正确的更新策略，先更新数据库，在删除缓存。其次，因为可能存在删除缓存失败的问题，提供做一个补偿措施即可，比如利用消息队列。
七、如何应对缓存穿透和缓存雪崩的问题
缓存穿透：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：
1、利用互斥锁，缓存失效的时候，先去获取锁，得到锁再去请求数据库，没得到锁则休眠一段时间再重试。
2、采用异步更新策略，无论 key 是否取到值，都直接返回。value 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。要做缓存预热（项目启动时加载缓存）
3、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 。迅速判断请求所带的 key 的合法性。不合法则直接返回。
缓存雪崩：缓存同一时刻大面积失效，此时又来一大波请求怼到数据库……
解决方案：
1、给缓存加上一个随机值，避免集体失效
2、使用互斥锁，但是该方案吞吐量明显下降。
3、双缓存，缓存A 和 缓存B ，缓存A 有失效时间，缓存B 没有失效时间，当A没有数据时，读取B，并异步读取数据库中的数据 更新 缓存A 与缓存B中的数据。
八、如何解决 Redis 的并发竞争 key 的问题
这个问题就是同时有多个子系统去 set 一个 key 。
解决方案：
1、如果不要求顺序：设置分布式锁，抢到锁就去 设置 key 的值。
2、有顺序要求：分布式锁，写入数据的时候保存一个时间戳，如果设置的时间戳大于缓存中的时间戳 就进行写入操作，如果 写入数据的时间戳小于缓存中的时间戳，则不进行写入操作。