Java面试题025：一文深入了解数据库Redis（1）

欢迎大家关注我的JAVA面试题专栏，该专栏会持续更新，从原理角度覆盖Java知识体系的方方面面。

一文吃透JAVA知识体系（面试题）https://blog.csdn.net/wuxinyan123/category_7521898.html?fromshare=blogcolumn&sharetype=blogcolumn&sharerId=7521898&sharerefer=PC&sharesource=wuxinyan123&sharefrom=from_link

 1、Redis简介

        Redis是一种基于键值对（key-value）的NoSQL数据库。

        支持string（字符串）、hash（哈希）、 list（列表）、set（集合）、zset（有序集合）、Bitmaps（位图）、 HyperLog、GEO（地理信息定位）等多种数据结构，因此Redis可以满足很多应用场景，常用于缓存、消息队列、会话存储等应用场景。

2、Redis数据结构

        Redis有五种基本数据结构。

（1）String

        字符串类型的值可以是字符串（简单的字符串、复杂的字符串（例如JSON、 XML））、数字 （整数、浮点数），甚⾄至是二进制（图片、音频、视频），但最大不能超过512MB。

常用命令

• SET key value：设置键的值。

• GET key：获取键的值。

• INCR key：将键的值加 1。

• DECR key：将键的值减 1。

redis 127.0.0.1:6379> SET rutime "20250621"
OK
redis 127.0.0.1:6379> GET rutime 
"20250621"

（2）hash

        hash 是一个键值(key=>value)对集合。

常用命令

• HSET key field value：设置哈希表中字段的值。

• HGET key field：获取哈希表中字段的值。

• HGETALL key：获取哈希表中所有字段和值。

• HDEL key field：删除哈希表中的一个或多个字段。

redis 127.0.0.1:6379> HMSET ddd field1 "Hello" field2 "World"
"OK"
redis 127.0.0.1:6379> HGET ddd  field1
"Hello"

（3）List

        用来存储多个有序的字符串。

常用命令

• LPUSH key value：将值插入到列表头部。

• RPUSH key value：将值插入到列表尾部。

• LPOP key：移出并获取列表的第一个元素。

• RPOP key：移出并获取列表的最后一个元素。

• LRANGE key start stop：获取列表在指定范围内的元素。

（4）Set

        Set 是 string 类型的无序集合。

常用命令

• SADD key value：向集合添加一个或多个成员。

• SREM key value：移除集合中的一个或多个成员。

• SMEMBERS key：返回集合中的所有成员。

• SISMEMBER key value：判断值是否是集合的成员。

（5）zset(sorted set：有序集合)

        有序集合中的每个元素都需要指定一个分数，根据分数对元素进行升序排序，如果多个元素有相同的分数，则以字典序进行升序排序，sorted set因此非常适合实现排名。

常用命令

• ZADD key score value：向有序集合添加一个或多个成员，或更新已存在成员的分数。

• ZRANGE key start stop [WITHSCORES]：返回指定范围内的成员。

• ZREM key value：移除有序集合中的一个或多个成员。

• ZSCORE key value：返回有序集合中，成员的分数值。

3、Redis速度快的原因

        单机的Redis就可以支撑每秒十几万的并发，相对于MySQL来说，性能是MySQL的几十倍。

        原因主要有几点：

（1）开发语言。使用C语言开发，C语言是非常贴近操作系统的语言，所以执行会比较快。

（2）纯内存访问。Redis将所有数据放在内存中，非数据同步正常工作中，是不需要从磁盘读取数据的，0次IO。内存响应时间大约为100纳秒，这是Redis速度快的重要基础。

（3）单线程。单线程避免了线程切换以及加锁释放锁带来的消耗，对于服务端开发来说，锁和线程切换通常是性能杀手。

（4）非阻塞多路I/O复用机制。

        什么是I/O多路路复用。

        假设你是一个老师，让30 个学⽣生解答一道题，然后检查学生做的是否正确，你有下面几个选择：

• 第一种选择：按顺序逐个检查，先检查A，然后是B，之后是C、D。。。如果有一个学生卡住，全班都会被耽误。这种模式就好比，你用循环挨个处理socket，根本不具有并发能力。
• 第二种选择：你创建30个分身，每个分身检查一个学生的答案是否正确。 这种类似于为每一个用户创建一个进程或者多线程处理。
• 第三种选择，你站在讲台上等，谁解答完谁举手。这时C、D举手，你下去依次检查 C、D的答案，然后继续回到讲台上等。E、A又举手，然后去处理E和A。

第一种就是阻塞 IO 模型，第三种就是 I/O 复用模型。

I/O 多路复用其实是在单个线程中通过记录跟踪每一个socket（I/O流） 的状态来管理多个I/O流。

4、Redis应用场景

（1）缓存

        是Redis应用最广泛地⽅。由于redis访问速度块、支持的数据类型比较丰富，Web应用会使用Redis作为缓存来存储热点数据，来降低数据源压力，提高响应速度。另外结合expire，我们可以设置过期时间然后再进行缓存更新操作，这个功能最为常见。

（2）计数器

        redis的incrby命令可以实现原子性的递增，所以可以运用于高并发的秒杀活动、分布式序列号的生成、具体业务还体现在比如限制一个手机号发多少条短信、一个接口一分钟限制多少请求、一个接口一天限制调用多少次等等。

（3）消息队列

        Redis提供了发布订阅功能和阻塞队列的功能，可以满足一般消息队列功能。

（4）排行榜

        借助redis的SortedSet进行热点数据的排序。

（5）分布式锁

        主要利用redis的setnx命令实现。

（6）限时场景

        比如验证码过期，利用Redis的过期操作。

5、缓存击穿

        一个并发访问量比较大的key 在某个时间过期，导致所有的请求直接打在 DB 上。

解决方案：

（1）加互斥锁

该方法是比较普遍的做法，即，在根据key获得的value值为空时，先锁上，再从数据库加载，加载完毕，释放锁。若其他线程发现获取锁失败，则睡眠50ms后重试。

至于锁的类型，单机环境用并发包的Lock类型就行，集群环境则使用分布式锁( redis的setnx)。

优点

1、数据的实时性较高，不需要其他外部系统依赖,利用了redis自己的特性,实现分布式锁，保证了同样的数据库查询同时只会查询1次,对数据库的压力较小
2、不会侵入业务代码,spring的aop就能很好的实现

不足

1、阻塞等待分布式锁是个自旋阻塞操作,对应用服务器来说非常浪费cpu的分片时间，如果大量请求打过来, 应用服务器反而会先扛不住。

2、如果用户的查询是由多个系统的结果构成,每个系统的查询依赖上一个系统查询的结果,各个查询是串行的,那么自旋的睡眠时间可能会成为拖慢请求的罪魁祸首,多个系统都这么设计都在自旋睡眠,明显效率很低。

（2）定时任务主动刷新缓存

适用情况

1、已有一套现成的高可靠分布式定时任务系统
2、查询的数据变化不大
3、用户的请求量非常大的情况下

（3）布隆过滤器

        布隆过滤器 (Bloom Filter) 是 1970 年由布隆提出的，是一种非常节省空间的概率数据结构，运行速度快，占用内存小，但是有一定的误判率且无法删除元素。它实际上是一个很长的二进制向量和一系列随机映射函数组成，主要用于判断一个元素是否在一个集合中。【单独一节详细介绍】

        当布隆过滤器说某个值存在时，这个值可能不存在；当它说不存在时，那就肯定不存在。打个比方，当它说不认识你时，肯定就不认识；当它说见过你时，可能根本就没见过面，不过因为你的脸跟它认识的人中某脸比较相似 (某些熟脸的系数组合)，所以误判以前见过你。

使用过程：

1.离线数据加载到布隆过滤器

2.布隆过滤器查询

3.布隆过滤器不存在，直接返回

4.布隆过滤器存在，cache不存在，从数据库查询

5.数据返回

（4）不过期

        包含两层意思：

        从缓存层面来看，没有设置过期时间，不会出现热点key过期后产生的问题，也就是“物理”不过期。

        从功能层面来看，当发现热点key的值发生变化时，使用单独的线程去更新缓存。

6、缓存穿透

        缓存穿透是指数据在redis不存在，数据库也不存在，返回空，一般来说空值是不会写入redis的，如果反复请求同一条数据，那么则会发生缓存穿透。

        存穿透导致不存在的数据每次请求都要到存储层去查询，失去了缓存保护后端存储的意义。

（1）缓存空值/默认值

        在数据库不命中之后，把一个空对象或者默认值保存到缓存，之后再访问这个数据，就会从缓存中获取，这样就保护了数据库。

        但是如果每次请求不同的key，同时这个key在数据库中也是不存在的，依然会发生缓存穿透。

（2）布隆过滤器

        首先初始化项目的时候从数据库查询出来所有的key值，然后放到布隆过滤器中，当应用访问的时候，先去布隆过滤器中判断kedy值，如果发觉没有key值不存在，直接返回；如果key值在布隆过滤器存在，则去访问redis，由于是有误判率的，所以redis也有可能不存在；那么这时候就去访问数据库，数据库不存在，那就直接返回空就行。

        如果误判率为3%，当有100万个请求同时过来的时候，布隆过滤器已经挡住了97万个请求，剩下3万个请求假如是误判的，这时候再访问数据库可以通过加锁的方式实现，只有竞争到锁了就去访问数据库，这样就完全可以解决缓存穿透问题。

7、缓存雪崩

        某一时刻发生大规模的缓存失效的情况，例如缓存服务宕机、大量量key在同一时间过期，这样的后果就是大量的请求进来直接打到DB上，可能导致整个系统的崩溃，称为雪崩。

（1）提高缓存可用性

        1. 集群部署：通过集群来提升缓存的可用性，可以利用Redis本身的Redis Cluster或者第三方集群方案如Codis 等。

        2. 多级缓存：设置多级缓存，第一级缓存失效的基础上，访问二级缓存，每一级缓存的失效时间都不同。

（2）过期时间

        1. 均匀过期：为了避免大量的缓存在同一时间过期，可以把不同的 key 过期时间随机生成，避免过期时间太过集中。

        2. 热点数据永不不过期。

（3）熔断降级

        1. 服务熔断：当缓存服务器宕机或超时响应时，为了防止整个系统出现雪崩，暂时停止业务服务访问缓存系统。

        2. 服务降级：出现大量缓存失效，而且处在高并发高负荷的情况下，在业务系统内部暂时舍弃对一些非核心的接口和数据的请求，而直接返回一个提前准备好的 fallback（退路）错误处理信息。

8、缓存预热

缓存预热，就是提前把数据库里的数据刷到缓存里，通常有这些方法：

1、直接写个缓存刷新页面或者接口，上线时手动操作。

2、数据量不大，可以在项目启动的时候自动进行加载。

3、定时任务刷新缓存。

9、redis 过期策略

        redis 会将每个设置了过期时间的 key 放入到一个独立的字典中，以后会定时遍历这个字典来删除到期的 key。

        redis 采用两种策略：定期删除+惰性删除。

（1）定期删除

        Redis 默认会每秒进行十次过期扫描，过期扫描不会遍历过期字典中所有的 key，而是采用了一种简单的贪心策略。

1. 从过期字典中随机 20 个 key；

2. 删除这 20 个 key 中已经过期的 key；

3. 如果过期的 key 比率超过 1/4，那就重复步骤 1；

        同时，为了保证过期扫描不会出现循环过度，导致线程卡死现象，算法还增加了扫描时间的上限，默认不会超过 25ms。

        如果Redis 实例中所有的 key （几十万个）在同一时间过期，Redis 会持续扫描过期字典 (循环多次)，直到过期字典中过期的 key 变得稀疏，才会停止 (循环次数明显下降)。内存管理器需要频繁回收内存页，此时会产生一定的 CPU 消耗，必然导致线上读写请求出现明显的卡顿现象。

        当客户端请求到来时（服务器如果正好进入过期扫描状态），客户端的请求将会等待至少 25ms 后才会进行处理，如果客户端将超时时间设置的比较短，比如 10ms，那么就会出现大量的链接因为超时而关闭，业务端就会出现很多异常。

        一定要注意不宜全部在同一时间过期，可以给目标过期时间的基础上再加一个随机范围（redis.expire_at(key, random.randint(86400) + expire_ts)），分散过期处理的压力。

        集群环境中从库不会进行过期扫描，从库对过期的处理是被动的。主库在 key 到期时，会在 AOF 文件里增加一条 del 指令，同步到所有的从库，从库通过执行这条 del 指令来删除过期的 key。因为指令同步是异步进行的，所以主库过期的 key 的 del 指令没有及时同步到从库的话，会出现主从数据的不一致，主库没有的数据在从库里还存在，分布式锁的算法漏洞就是因为这个同步延迟产生的。

（2）惰性删除

        在客户端访问key时再进行检查如果过期了就立即删除。

10、Redis内存回收策略

        如果定期删除漏掉了很多过期key，然后也没及时去查，也就没走被动处理，导致大量过期key堆积在内存里，当 Redis 已使用内存超出物理内存限制时，内存中的数据开始和磁盘产生频繁的交换 (swap)，Redis 的性能急剧下降，此时Redis存取效率基本上等于不可用。

        在生产环境中这是不允许的，为了限制最大使用内存，Redis 提供了配置参数 maxmemory 来限制内存超出期望大小。

redis.conf中配置
maxmemory <bytes>             #最大内存（单位字节）
maxmemory-policy noeviction   #默认

        如果实际内存超出 maxmemory ，Redis提供了几种可选策略 (maxmemory-policy) 来让用户自己决定如何腾出新的空间（即回收内存）以继续提供读写服务。

• volatile-xxx 策略只会针对带过期时间的 key 进行淘汰，

• allkeys-xxx 策略会对所有的 key 进行淘汰

如果只是拿 Redis 做缓存，那最好使用 allkeys-xxx，客户端写缓存时不必携带过期时间。

如果还想同时具备持久化功能，那就使用 volatile-xxx 策略，好处就是，没有设置过期时间的 key 不会被 LRU 算法淘汰。