本篇文章給大家整理了20道經(jīng)典Redis面試題，希望對大家有幫助。
Redis，英文全稱是Remote Dictionary Server（遠程字典服務(wù)），是一個開源的使用ANSI C語言編寫、支持網(wǎng)絡(luò)、可基于內(nèi)存亦可持久化的日志型、Key-Value數(shù)據(jù)庫，并提供多種語言的API。
與MySQL數(shù)據(jù)庫不同的是，Redis的數(shù)據(jù)是存在內(nèi)存中的。它的讀寫速度非?？欤棵肟梢蕴幚沓^10萬次讀寫操作。因此redis被廣泛應(yīng)用于緩存，另外，Redis也經(jīng)常用來做分布式鎖。除此之外，Redis支持事務(wù)、持久化、LUA 腳本、LRU 驅(qū)動事件、多種集群方案。
(資料圖片)
大多數(shù)小伙伴都知道，Redis有以下這五種基本類型：
String（字符串）Hash（哈希）List（列表）Set（集合）zset（有序集合）它還有三種特殊的數(shù)據(jù)結(jié)構(gòu)類型
GeospatialHyperloglogBitmapString（字符串）
簡介:String是Redis最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)類型，它是二進制安全的，可以存儲圖片或者序列化的對象，值最大存儲為512M簡單使用舉例:set key value、get key等應(yīng)用場景：共享session、分布式鎖，計數(shù)器、限流。內(nèi)部編碼有3種，int（8字節(jié)長整型）/embstr（小于等于39字節(jié)字符串）/raw（大于39個字節(jié)字符串）C語言的字符串是char[]實現(xiàn)的，而Redis使用SDS（simple dynamic string）封裝，sds源碼如下：
struct sdshdr{ unsigned int len; // 標(biāo)記buf的長度 unsigned int free; //標(biāo)記buf中未使用的元素個數(shù) char buf[]; // 存放元素的坑}SDS 結(jié)構(gòu)圖如下：
Redis為什么選擇SDS結(jié)構(gòu)，而C語言原生的char[]不香嗎？
Hash（哈希）
簡介：在Redis中，哈希類型是指v（值）本身又是一個鍵值對（k-v）結(jié)構(gòu)簡單使用舉例：hset key field value、hget key field內(nèi)部編碼：ziplist（壓縮列表）、hashtable（哈希表）應(yīng)用場景：緩存用戶信息等。注意點：如果開發(fā)使用hgetall，哈希元素比較多的話，可能導(dǎo)致Redis阻塞，可以使用hscan。而如果只是獲取部分field，建議使用hmget。字符串和哈希類型對比如下圖：
List（列表）
簡介：列表（list）類型是用來存儲多個有序的字符串，一個列表最多可以存儲2^32-1個元素。簡單實用舉例：lpush key value [value ...]、lrange key start end內(nèi)部編碼：ziplist（壓縮列表）、linkedlist（鏈表）應(yīng)用場景：消息隊列，文章列表,一圖看懂list類型的插入與彈出：
list應(yīng)用場景參考以下：
lpush+lpop=Stack（棧）lpush+rpop=Queue（隊列）lpsh+ltrim=Capped Collection（有限集合）lpush+brpop=Message Queue（消息隊列）Set（集合）
簡介：集合（set）類型也是用來保存多個的字符串元素，但是不允許重復(fù)元素簡單使用舉例：sadd key element [element ...]、smembers key內(nèi)部編碼：intset（整數(shù)集合）、hashtable（哈希表）注意點：smembers和lrange、hgetall都屬于比較重的命令，如果元素過多存在阻塞Redis的可能性，可以使用sscan來完成。應(yīng)用場景：用戶標(biāo)簽,生成隨機數(shù)抽獎、社交需求。有序集合（zset）
簡介：已排序的字符串集合，同時元素不能重復(fù)簡單格式舉例：zadd key score member [score member ...]，zrank key member底層內(nèi)部編碼：ziplist（壓縮列表）、skiplist（跳躍表）應(yīng)用場景：排行榜，社交需求（如用戶點贊）。Redis為什么這么快
我們都知道內(nèi)存讀寫是比在磁盤快很多的，Redis基于內(nèi)存存儲實現(xiàn)的數(shù)據(jù)庫，相對于數(shù)據(jù)存在磁盤的MySQL數(shù)據(jù)庫，省去磁盤I/O的消耗。
我們知道，Mysql索引為了提高效率，選擇了B+樹的數(shù)據(jù)結(jié)構(gòu)。其實合理的數(shù)據(jù)結(jié)構(gòu)，就是可以讓你的應(yīng)用/程序更快。先看下Redis的數(shù)據(jù)結(jié)構(gòu)&內(nèi)部編碼圖：
SDS簡單動態(tài)字符串
字符串長度處理：Redis獲取字符串長度，時間復(fù)雜度為O(1)，而C語言中，需要從頭開始遍歷，復(fù)雜度為O（n）;空間預(yù)分配：字符串修改越頻繁的話，內(nèi)存分配越頻繁，就會消耗性能，而SDS修改和空間擴充，會額外分配未使用的空間，減少性能損耗。惰性空間釋放：SDS 縮短時，不是回收多余的內(nèi)存空間，而是free記錄下多余的空間，后續(xù)有變更，直接使用free中記錄的空間，減少分配。二進制安全：Redis可以存儲一些二進制數(shù)據(jù)，在C語言中字符串遇到"\0"會結(jié)束，而 SDS中標(biāo)志字符串結(jié)束的是len屬性。字典
Redis 作為 K-V 型內(nèi)存數(shù)據(jù)庫，所有的鍵值就是用字典來存儲。字典就是哈希表，比如HashMap，通過key就可以直接獲取到對應(yīng)的value。而哈希表的特性，在O（1）時間復(fù)雜度就可以獲得對應(yīng)的值。
跳躍表
跳躍表是Redis特有的數(shù)據(jù)結(jié)構(gòu)，就是在鏈表的基礎(chǔ)上，增加多級索引提升查找效率。跳躍表支持平均 O（logN）,最壞 O（N）復(fù)雜度的節(jié)點查找，還可以通過順序性操作批量處理節(jié)點。Redis 支持多種數(shù)據(jù)數(shù)據(jù)類型，每種基本類型，可能對多種數(shù)據(jù)結(jié)構(gòu)。什么時候,使用什么樣數(shù)據(jù)結(jié)構(gòu)，使用什么樣編碼，是redis設(shè)計者總結(jié)優(yōu)化的結(jié)果。
String：如果存儲數(shù)字的話，是用int類型的編碼;如果存儲非數(shù)字，小于等于39字節(jié)的字符串，是embstr；大于39個字節(jié)，則是raw編碼。List：如果列表的元素個數(shù)小于512個，列表每個元素的值都小于64字節(jié)（默認(rèn)），使用ziplist編碼，否則使用linkedlist編碼Hash：哈希類型元素個數(shù)小于512個，所有值小于64字節(jié)的話，使用ziplist編碼,否則使用hashtable編碼。Set：如果集合中的元素都是整數(shù)且元素個數(shù)小于512個，使用intset編碼，否則使用hashtable編碼。Zset：當(dāng)有序集合的元素個數(shù)小于128個，每個元素的值小于64字節(jié)時，使用ziplist編碼，否則使用skiplist（跳躍表）編碼I/O 多路復(fù)用
I/O 多路復(fù)用
多路I/O復(fù)用技術(shù)可以讓單個線程高效的處理多個連接請求，而Redis使用用epoll作為I/O多路復(fù)用技術(shù)的實現(xiàn)。并且，Redis自身的事件處理模型將epoll中的連接、讀寫、關(guān)閉都轉(zhuǎn)換為事件，不在網(wǎng)絡(luò)I/O上浪費過多的時間。
什么是I/O多路復(fù)用？
I/O ：網(wǎng)絡(luò) I/O多路 ：多個網(wǎng)絡(luò)連接復(fù)用：復(fù)用同一個線程。IO多路復(fù)用其實就是一種同步IO模型，它實現(xiàn)了一個線程可以監(jiān)視多個文件句柄；一旦某個文件句柄就緒，就能夠通知應(yīng)用程序進行相應(yīng)的讀寫操作；而沒有文件句柄就緒時,就會阻塞應(yīng)用程序，交出cpu。單線程模型
Redis是單線程模型的，而單線程避免了CPU不必要的上下文切換和競爭鎖的消耗。也正因為是單線程，如果某個命令執(zhí)行過長（如hgetall命令），會造成阻塞。Redis是面向快速執(zhí)行場景的數(shù)據(jù)庫。，所以要慎用如smembers和lrange、hgetall等命令。Redis 6.0 引入了多線程提速，它的執(zhí)行命令操作內(nèi)存的仍然是個單線程。Redis直接自己構(gòu)建了VM機制 ，不會像一般的系統(tǒng)會調(diào)用系統(tǒng)函數(shù)處理，會浪費一定的時間去移動和請求。
Redis的虛擬內(nèi)存機制是啥呢？
虛擬內(nèi)存機制就是暫時把不經(jīng)常訪問的數(shù)據(jù)(冷數(shù)據(jù))從內(nèi)存交換到磁盤中，從而騰出寶貴的內(nèi)存空間用于其它需要訪問的數(shù)據(jù)(熱數(shù)據(jù))。通過VM功能可以實現(xiàn)冷熱數(shù)據(jù)分離，使熱數(shù)據(jù)仍在內(nèi)存中、冷數(shù)據(jù)保存到磁盤。這樣就可以避免因為內(nèi)存不足而造成訪問速度下降的問題。
先來看一個常見的緩存使用方式：讀請求來了，先查下緩存，緩存有值命中，就直接返回；緩存沒命中，就去查數(shù)據(jù)庫，然后把數(shù)據(jù)庫的值更新到緩存，再返回。
讀取緩存
緩存穿透：指查詢一個一定不存在的數(shù)據(jù)，由于緩存是不命中時需要從數(shù)據(jù)庫查詢，查不到數(shù)據(jù)則不寫入緩存，這將導(dǎo)致這個不存在的數(shù)據(jù)每次請求都要到數(shù)據(jù)庫去查詢，進而給數(shù)據(jù)庫帶來壓力。
通俗點說，讀請求訪問時，緩存和數(shù)據(jù)庫都沒有某個值，這樣就會導(dǎo)致每次對這個值的查詢請求都會穿透到數(shù)據(jù)庫，這就是緩存穿透。
緩存穿透一般都是這幾種情況產(chǎn)生的：
業(yè)務(wù)不合理的設(shè)計，比如大多數(shù)用戶都沒開守護，但是你的每個請求都去緩存，查詢某個userid查詢有沒有守護。業(yè)務(wù)/運維/開發(fā)失誤的操作，比如緩存和數(shù)據(jù)庫的數(shù)據(jù)都被誤刪除了。黑客非法請求攻擊，比如黑客故意捏造大量非法請求，以讀取不存在的業(yè)務(wù)數(shù)據(jù)。如何避免緩存穿透呢？一般有三種方法。
1.如果是非法請求，我們在API入口，對參數(shù)進行校驗，過濾非法值。2.如果查詢數(shù)據(jù)庫為空，我們可以給緩存設(shè)置個空值，或者默認(rèn)值。但是如有有寫請求進來的話，需要更新緩存哈，以保證緩存一致性，同時，最后給緩存設(shè)置適當(dāng)?shù)倪^期時間。（業(yè)務(wù)上比較常用，簡單有效）3.使用布隆過濾器快速判斷數(shù)據(jù)是否存在。即一個查詢請求過來時，先通過布隆過濾器判斷值是否存在，存在才繼續(xù)往下查。布隆過濾器原理：它由初始值為0的位圖數(shù)組和N個哈希函數(shù)組成。一個對一個key進行N個hash算法獲取N個值，在比特數(shù)組中將這N個值散列后設(shè)定為1，然后查的時候如果特定的這幾個位置都為1，那么布隆過濾器判斷該key存在。
緩存雪奔：指緩存中數(shù)據(jù)大批量到過期時間，而查詢數(shù)據(jù)量巨大，請求都直接訪問數(shù)據(jù)庫，引起數(shù)據(jù)庫壓力過大甚至down機。
緩存雪奔一般是由于大量數(shù)據(jù)同時過期造成的，對于這個原因，可通過均勻設(shè)置過期時間解決，即讓過期時間相對離散一點。如采用一個較大固定值+一個較小的隨機值，5小時+0到1800秒醬紫。Redis 故障宕機也可能引起緩存雪奔。這就需要構(gòu)造Redis高可用集群啦。緩存擊穿：指熱點key在某個時間點過期的時候，而恰好在這個時間點對這個Key有大量的并發(fā)請求過來，從而大量的請求打到db。
緩存擊穿看著有點像，其實它兩區(qū)別是，緩存雪奔是指數(shù)據(jù)庫壓力過大甚至down機，緩存擊穿只是大量并發(fā)請求到了DB數(shù)據(jù)庫層面?？梢哉J(rèn)為擊穿是緩存雪奔的一個子集吧。有些文章認(rèn)為它倆區(qū)別，是區(qū)別在于擊穿針對某一熱點key緩存，雪奔則是很多key。
解決方案就有兩種：
1.使用互斥鎖方案。緩存失效時，不是立即去加載db數(shù)據(jù)，而是先使用某些帶成功返回的原子操作命令，如(Redis的setnx）去操作，成功的時候，再去加載db數(shù)據(jù)庫數(shù)據(jù)和設(shè)置緩存。否則就去重試獲取緩存。2. “永不過期”，是指沒有設(shè)置過期時間，但是熱點數(shù)據(jù)快要過期時，異步線程去更新和設(shè)置過期時間。什么是熱Key呢？在Redis中，我們把訪問頻率高的key，稱為熱點key。
如果某一熱點key的請求到服務(wù)器主機時，由于請求量特別大，可能會導(dǎo)致主機資源不足，甚至宕機，從而影響正常的服務(wù)。
而熱點Key是怎么產(chǎn)生的呢？主要原因有兩個：
用戶消費的數(shù)據(jù)遠大于生產(chǎn)的數(shù)據(jù)，如秒殺、熱點新聞等讀多寫少的場景。請求分片集中，超過單Redi服務(wù)器的性能，比如固定名稱key，Hash落入同一臺服務(wù)器，瞬間訪問量極大，超過機器瓶頸，產(chǎn)生熱點Key問題。那么在日常開發(fā)中，如何識別到熱點key呢？
憑經(jīng)驗判斷哪些是熱Key；客戶端統(tǒng)計上報；服務(wù)代理層上報如何解決熱key問題？
Redis集群擴容：增加分片副本，均衡讀流量；將熱key分散到不同的服務(wù)器中；使用二級緩存，即JVM本地緩存,減少Redis的讀請求。我們在set key的時候，可以給它設(shè)置一個過期時間，比如expire key 60。指定這key60s后過期，60s后，redis是如何處理的嘛？我們先來介紹幾種過期策略：
定時過期
每個設(shè)置過期時間的key都需要創(chuàng)建一個定時器，到過期時間就會立即對key進行清除。該策略可以立即清除過期的數(shù)據(jù)，對內(nèi)存很友好；但是會占用大量的CPU資源去處理過期的數(shù)據(jù)，從而影響緩存的響應(yīng)時間和吞吐量。
惰性過期
只有當(dāng)訪問一個key時，才會判斷該key是否已過期，過期則清除。該策略可以最大化地節(jié)省CPU資源，卻對內(nèi)存非常不友好。極端情況可能出現(xiàn)大量的過期key沒有再次被訪問，從而不會被清除，占用大量內(nèi)存。
定期過期
每隔一定的時間，會掃描一定數(shù)量的數(shù)據(jù)庫的expires字典中一定數(shù)量的key，并清除其中已過期的key。該策略是前兩者的一個折中方案。通過調(diào)整定時掃描的時間間隔和每次掃描的限定耗時，可以在不同情況下使得CPU和內(nèi)存資源達到最優(yōu)的平衡效果。
expires字典會保存所有設(shè)置了過期時間的key的過期時間數(shù)據(jù)，其中，key是指向鍵空間中的某個鍵的指針，value是該鍵的毫秒精度的UNIX時間戳表示的過期時間。鍵空間是指該Redis集群中保存的所有鍵。
Redis中同時使用了惰性過期和定期過期兩種過期策略。
假設(shè)Redis當(dāng)前存放30萬個key，并且都設(shè)置了過期時間，如果你每隔100ms就去檢查這全部的key，CPU負(fù)載會特別高，最后可能會掛掉。因此，redis采取的是定期過期，每隔100ms就隨機抽取一定數(shù)量的key來檢查和刪除的。但是呢，最后可能會有很多已經(jīng)過期的key沒被刪除。這時候，redis采用惰性刪除。在你獲取某個key的時候，redis會檢查一下，這個key如果設(shè)置了過期時間并且已經(jīng)過期了，此時就會刪除。但是呀，如果定期刪除漏掉了很多過期的key，然后也沒走惰性刪除。就會有很多過期key積在內(nèi)存內(nèi)存，直接會導(dǎo)致內(nèi)存爆的?；蛘哂行r候，業(yè)務(wù)量大起來了，redis的key被大量使用，內(nèi)存直接不夠了，運維小哥哥也忘記加大內(nèi)存了。難道redis直接這樣掛掉？不會的！Redis用8種內(nèi)存淘汰策略保護自己~
我們一提到redis，自然而然就想到緩存，國內(nèi)外中大型的網(wǎng)站都離不開緩存。合理的利用緩存，比如緩存熱點數(shù)據(jù)，不僅可以提升網(wǎng)站的訪問速度，還可以降低數(shù)據(jù)庫DB的壓力。并且，Redis相比于memcached，還提供了豐富的數(shù)據(jù)結(jié)構(gòu)，并且提供RDB和AOF等持久化機制，強的一批。
當(dāng)今互聯(lián)網(wǎng)應(yīng)用，有各種各樣的排行榜，如電商網(wǎng)站的月度銷量排行榜、社交APP的禮物排行榜、小程序的投票排行榜等等。Redis提供的zset數(shù)據(jù)類型能夠?qū)崿F(xiàn)這些復(fù)雜的排行榜。
比如，用戶每天上傳視頻，獲得點贊的排行榜可以這樣設(shè)計：
1.用戶Jay上傳一個視頻，獲得6個贊，可以醬紫：zadd user:ranking:2021-03-03 Jay 3
zincrby user:ranking:2021-03-03 Jay 1
zrem user:ranking:2021-03-03 John
zrevrangebyrank user:ranking:2021-03-03 0 2
各大網(wǎng)站、APP應(yīng)用經(jīng)常需要計數(shù)器的功能，如短視頻的播放數(shù)、電商網(wǎng)站的瀏覽數(shù)。這些播放數(shù)、瀏覽數(shù)一般要求實時的，每一次播放和瀏覽都要做加1的操作，如果并發(fā)量很大對于傳統(tǒng)關(guān)系型數(shù)據(jù)的性能是一種挑戰(zhàn)。Redis天然支持計數(shù)功能而且計數(shù)的性能也非常好，可以說是計數(shù)器系統(tǒng)的重要選擇。
如果一個分布式Web服務(wù)將用戶的Session信息保存在各自服務(wù)器，用戶刷新一次可能就需要重新登錄了，這樣顯然有問題。實際上，可以使用Redis將用戶的Session進行集中管理，每次用戶更新或者查詢登錄信息都直接從Redis中集中獲取。
幾乎每個互聯(lián)網(wǎng)公司中都使用了分布式部署，分布式服務(wù)下，就會遇到對同一個資源的并發(fā)訪問的技術(shù)難題，如秒殺、下單減庫存等場景。
用synchronize或者reentrantlock本地鎖肯定是不行的。如果是并發(fā)量不大話，使用數(shù)據(jù)庫的悲觀鎖、樂觀鎖來實現(xiàn)沒啥問題。但是在并發(fā)量高的場合中，利用數(shù)據(jù)庫鎖來控制資源的并發(fā)訪問，會影響數(shù)據(jù)庫的性能。實際上，可以用Redis的setnx來實現(xiàn)分布式的鎖。贊/踩、粉絲、共同好友/喜好、推送、下拉刷新等是社交網(wǎng)站的必備功能，由于社交網(wǎng)站訪問量通常比較大，而且傳統(tǒng)的關(guān)系型數(shù)據(jù)不太適保存 這種類型的數(shù)據(jù)，Redis提供的數(shù)據(jù)結(jié)構(gòu)可以相對比較容易地實現(xiàn)這些功能。
消息隊列是大型網(wǎng)站必用中間件，如ActiveMQ、RabbitMQ、Kafka等流行的消息隊列中間件，主要用于業(yè)務(wù)解耦、流量削峰及異步處理實時性低的業(yè)務(wù)。Redis提供了發(fā)布/訂閱及阻塞隊列功能，能實現(xiàn)一個簡單的消息隊列系統(tǒng)。另外，這個不能和專業(yè)的消息中間件相比。
用于數(shù)據(jù)量上億的場景下，例如幾億用戶系統(tǒng)的簽到，去重登錄次數(shù)統(tǒng)計，某用戶是否在線狀態(tài)等等。騰訊10億用戶，要幾個毫秒內(nèi)查詢到某個用戶是否在線，能怎么做？千萬別說給每個用戶建立一個key，然后挨個記（你可以算一下需要的內(nèi)存會很恐怖，而且這種類似的需求很多。這里要用到位操作——使用setbit、getbit、bitcount命令。原理是：redis內(nèi)構(gòu)建一個足夠長的數(shù)組，每個數(shù)組元素只能是0和1兩個值，然后這個數(shù)組的下標(biāo)index用來表示用戶id（必須是數(shù)字哈），那么很顯然，這個幾億長的大數(shù)組就能通過下標(biāo)和元素值（0和1）來構(gòu)建一個記憶系統(tǒng)。
Redis是基于內(nèi)存的非關(guān)系型K-V數(shù)據(jù)庫，既然它是基于內(nèi)存的，如果Redis服務(wù)器掛了，數(shù)據(jù)就會丟失。為了避免數(shù)據(jù)丟失了，Redis提供了持久化，即把數(shù)據(jù)保存到磁盤。
Redis提供了RDB和AOF兩種持久化機制，它持久化文件加載流程如下：
RDB，就是把內(nèi)存數(shù)據(jù)以快照的形式保存到磁盤上。
什么是快照?可以這樣理解，給當(dāng)前時刻的數(shù)據(jù)，拍一張照片，然后保存下來。
RDB持久化，是指在指定的時間間隔內(nèi)，執(zhí)行指定次數(shù)的寫操作，將內(nèi)存中的數(shù)據(jù)集快照寫入磁盤中，它是Redis默認(rèn)的持久化方式。執(zhí)行完操作后，在指定目錄下會生成一個dump.rdb文件，Redis 重啟的時候，通過加載dump.rdb文件來恢復(fù)數(shù)據(jù)。RDB觸發(fā)機制主要有以下幾種：
RDB 的優(yōu)點
適合大規(guī)模的數(shù)據(jù)恢復(fù)場景，如備份，全量復(fù)制等RDB缺點
沒辦法做到實時持久化/秒級持久化。新老版本存在RDB格式兼容問題AOF（append only file）持久化，采用日志的形式來記錄每個寫操作，追加到文件中，重啟時再重新執(zhí)行AOF文件中的命令來恢復(fù)數(shù)據(jù)。它主要解決數(shù)據(jù)持久化的實時性問題。默認(rèn)是不開啟的。
AOF的工作流程如下：
AOF的優(yōu)點
數(shù)據(jù)的一致性和完整性更高AOF的缺點
AOF記錄的內(nèi)容越多，文件越大，數(shù)據(jù)恢復(fù)變慢。我們在項目中使用Redis，肯定不會是單點部署Redis服務(wù)的。因為，單點部署一旦宕機，就不可用了。為了實現(xiàn)高可用，通常的做法是，將數(shù)據(jù)庫復(fù)制多個副本以部署在不同的服務(wù)器上，其中一臺掛了也可以繼續(xù)提供服務(wù)。Redis 實現(xiàn)高可用有三種部署模式：主從模式，哨兵模式，集群模式。
主從模式中，Redis部署了多臺機器，有主節(jié)點，負(fù)責(zé)讀寫操作，有從節(jié)點，只負(fù)責(zé)讀操作。從節(jié)點的數(shù)據(jù)來自主節(jié)點，實現(xiàn)原理就是主從復(fù)制機制
主從復(fù)制包括全量復(fù)制，增量復(fù)制兩種。一般當(dāng)slave第一次啟動連接master，或者認(rèn)為是第一次連接，就采用全量復(fù)制，全量復(fù)制流程如下：
1.slave發(fā)送sync命令到master。2.master接收到SYNC命令后，執(zhí)行bgsave命令，生成RDB全量文件。3.master使用緩沖區(qū)，記錄RDB快照生成期間的所有寫命令。4.master執(zhí)行完bgsave后，向所有slave發(fā)送RDB快照文件。5.slave收到RDB快照文件后，載入、解析收到的快照。6.master使用緩沖區(qū)，記錄RDB同步期間生成的所有寫的命令。7.master快照發(fā)送完畢后，開始向slave發(fā)送緩沖區(qū)中的寫命令;8.salve接受命令請求，并執(zhí)行來自master緩沖區(qū)的寫命令redis2.8版本之后，已經(jīng)使用psync來替代sync，因為sync命令非常消耗系統(tǒng)資源，psync的效率更高。
slave與master全量同步之后，master上的數(shù)據(jù)，如果再次發(fā)生更新，就會觸發(fā)增量復(fù)制。
當(dāng)master節(jié)點發(fā)生數(shù)據(jù)增減時，就會觸發(fā)replicationFeedSalves()函數(shù)，接下來在 Master節(jié)點上調(diào)用的每一個命令會使用replicationFeedSlaves()來同步到Slave節(jié)點。執(zhí)行此函數(shù)之前呢，master節(jié)點會判斷用戶執(zhí)行的命令是否有數(shù)據(jù)更新，如果有數(shù)據(jù)更新的話，并且slave節(jié)點不為空，就會執(zhí)行此函數(shù)。這個函數(shù)作用就是：把用戶執(zhí)行的命令發(fā)送到所有的slave節(jié)點，讓slave節(jié)點執(zhí)行。流程如下：
主從模式中，一旦主節(jié)點由于故障不能提供服務(wù)，需要人工將從節(jié)點晉升為主節(jié)點，同時還要通知應(yīng)用方更新主節(jié)點地址。顯然，多數(shù)業(yè)務(wù)場景都不能接受這種故障處理方式。Redis從2.8開始正式提供了Redis Sentinel（哨兵）架構(gòu)來解決這個問題。
哨兵模式，由一個或多個Sentinel實例組成的Sentinel系統(tǒng)，它可以監(jiān)視所有的Redis主節(jié)點和從節(jié)點，并在被監(jiān)視的主節(jié)點進入下線狀態(tài)時，自動將下線主服務(wù)器屬下的某個從節(jié)點升級為新的主節(jié)點。但是呢，一個哨兵進程對Redis節(jié)點進行監(jiān)控，就可能會出現(xiàn)問題（單點問題），因此，可以使用多個哨兵來進行監(jiān)控Redis節(jié)點，并且各個哨兵之間還會進行監(jiān)控。
Sentinel哨兵模式
簡單來說，哨兵模式就三個作用：
發(fā)送命令，等待Redis服務(wù)器（包括主服務(wù)器和從服務(wù)器）返回監(jiān)控其運行狀態(tài)；哨兵監(jiān)測到主節(jié)點宕機，會自動將從節(jié)點切換成主節(jié)點，然后通過發(fā)布訂閱模式通知其他的從節(jié)點，修改配置文件，讓它們切換主機；哨兵之間還會相互監(jiān)控，從而達到高可用。故障切換的過程是怎樣的呢
假設(shè)主服務(wù)器宕機，哨兵1先檢測到這個結(jié)果，系統(tǒng)并不會馬上進行 failover 過程，僅僅是哨兵1主觀的認(rèn)為主服務(wù)器不可用，這個現(xiàn)象成為主觀下線。當(dāng)后面的哨兵也檢測到主服務(wù)器不可用，并且數(shù)量達到一定值時，那么哨兵之間就會進行一次投票，投票的結(jié)果由一個哨兵發(fā)起，進行 failover 操作。切換成功后，就會通過發(fā)布訂閱模式，讓各個哨兵把自己監(jiān)控的從服務(wù)器實現(xiàn)切換主機，這個過程稱為客觀下線。這樣對于客戶端而言，一切都是透明的。
哨兵的工作模式如下：
每個Sentinel以每秒鐘一次的頻率向它所知的Master，Slave以及其他Sentinel實例發(fā)送一個 PING命令。
如果一個實例（instance）距離最后一次有效回復(fù) PING 命令的時間超過 down-after-milliseconds 選項所指定的值， 則這個實例會被 Sentinel標(biāo)記為主觀下線。
如果一個Master被標(biāo)記為主觀下線，則正在監(jiān)視這個Master的所有 Sentinel 要以每秒一次的頻率確認(rèn)Master的確進入了主觀下線狀態(tài)。
當(dāng)有足夠數(shù)量的 Sentinel（大于等于配置文件指定的值）在指定的時間范圍內(nèi)確認(rèn)Master的確進入了主觀下線狀態(tài)， 則Master會被標(biāo)記為客觀下線。
在一般情況下， 每個 Sentinel 會以每10秒一次的頻率向它已知的所有Master，Slave發(fā)送 INFO 命令。
當(dāng)Master被 Sentinel 標(biāo)記為客觀下線時，Sentinel 向下線的 Master 的所有 Slave 發(fā)送 INFO 命令的頻率會從 10 秒一次改為每秒一次
若沒有足夠數(shù)量的 Sentinel同意Master已經(jīng)下線， Master的客觀下線狀態(tài)就會被移除；若Master 重新向 Sentinel 的 PING 命令返回有效回復(fù)， Master 的主觀下線狀態(tài)就會被移除。
哨兵模式基于主從模式，實現(xiàn)讀寫分離，它還可以自動切換，系統(tǒng)可用性更高。但是它每個節(jié)點存儲的數(shù)據(jù)是一樣的，浪費內(nèi)存，并且不好在線擴容。因此，Cluster集群應(yīng)運而生，它在Redis3.0加入的，實現(xiàn)了Redis的分布式存儲。對數(shù)據(jù)進行分片，也就是說每臺Redis節(jié)點上存儲不同的內(nèi)容，來解決在線擴容的問題。并且，它也提供復(fù)制和故障轉(zhuǎn)移的功能。
Cluster集群節(jié)點的通訊
一個Redis集群由多個節(jié)點組成，各個節(jié)點之間是怎么通信的呢？通過Gossip協(xié)議！
Redis Cluster集群通過Gossip協(xié)議進行通信，節(jié)點之前不斷交換信息，交換的信息內(nèi)容包括節(jié)點出現(xiàn)故障、新節(jié)點加入、主從節(jié)點變更信息、slot信息等等。常用的Gossip消息分為4種，分別是：ping、pong、meet、fail。
meet消息：通知新節(jié)點加入。消息發(fā)送者通知接收者加入到當(dāng)前集群，meet消息通信正常完成后，接收節(jié)點會加入到集群中并進行周期性的ping、pong消息交換。ping消息：集群內(nèi)交換最頻繁的消息，集群內(nèi)每個節(jié)點每秒向多個其他節(jié)點發(fā)送ping消息，用于檢測節(jié)點是否在線和交換彼此狀態(tài)信息。pong消息：當(dāng)接收到ping、meet消息時，作為響應(yīng)消息回復(fù)給發(fā)送方確認(rèn)消息正常通信。pong消息內(nèi)部封裝了自身狀態(tài)數(shù)據(jù)。節(jié)點也可以向集群內(nèi)廣播自身的pong消息來通知整個集群對自身狀態(tài)進行更新。fail消息：當(dāng)節(jié)點判定集群內(nèi)另一個節(jié)點下線時，會向集群內(nèi)廣播一個fail消息，其他節(jié)點接收到fail消息之后把對應(yīng)節(jié)點更新為下線狀態(tài)。特別的，每個節(jié)點是通過集群總線(cluster bus)與其他的節(jié)點進行通信的。通訊時，使用特殊的端口號，即對外服務(wù)端口號加10000。例如如果某個node的端口號是6379，那么它與其它nodes通信的端口號是 16379。nodes 之間的通信采用特殊的二進制協(xié)議。
Hash Slot插槽算法
既然是分布式存儲，Cluster集群使用的分布式算法是一致性Hash嘛？并不是，而是Hash Slot插槽算法。
插槽算法把整個數(shù)據(jù)庫被分為16384個slot（槽），每個進入Redis的鍵值對，根據(jù)key進行散列，分配到這16384插槽中的一個。使用的哈希映射也比較簡單，用CRC16算法計算出一個16 位的值，再對16384取模。數(shù)據(jù)庫中的每個鍵都屬于這16384個槽的其中一個，集群中的每個節(jié)點都可以處理這16384個槽。
集群中的每個節(jié)點負(fù)責(zé)一部分的hash槽，比如當(dāng)前集群有A、B、C個節(jié)點，每個節(jié)點上的哈希槽數(shù) =16384/3，那么就有：
節(jié)點A負(fù)責(zé)0~5460號哈希槽節(jié)點B負(fù)責(zé)5461~10922號哈希槽節(jié)點C負(fù)責(zé)10923~16383號哈希槽Redis Cluster集群
Redis Cluster集群中，需要確保16384個槽對應(yīng)的node都正常工作，如果某個node出現(xiàn)故障，它負(fù)責(zé)的slot也會失效，整個集群將不能工作。
因此為了保證高可用，Cluster集群引入了主從復(fù)制，一個主節(jié)點對應(yīng)一個或者多個從節(jié)點。當(dāng)其它主節(jié)點 ping 一個主節(jié)點 A 時，如果半數(shù)以上的主節(jié)點與 A 通信超時，那么認(rèn)為主節(jié)點 A 宕機了。如果主節(jié)點宕機時，就會啟用從節(jié)點。
在Redis的每一個節(jié)點上，都有兩個玩意，一個是插槽（slot），它的取值范圍是0~16383。另外一個是cluster，可以理解為一個集群管理的插件。當(dāng)我們存取的key到達時，Redis 會根據(jù)CRC16算法得出一個16 bit的值，然后把結(jié)果對16384取模。醬紫每個key都會對應(yīng)一個編號在 0~16383 之間的哈希槽，通過這個值，去找到對應(yīng)的插槽所對應(yīng)的節(jié)點，然后直接自動跳轉(zhuǎn)到這個對應(yīng)的節(jié)點上進行存取操作。
雖然數(shù)據(jù)是分開存儲在不同節(jié)點上的，但是對客戶端來說，整個集群Cluster，被看做一個整體?？蛻舳硕诉B接任意一個node，看起來跟操作單實例的Redis一樣。當(dāng)客戶端操作的key沒有被分配到正確的node節(jié)點時，Redis會返回轉(zhuǎn)向指令，最后指向正確的node，這就有點像瀏覽器頁面的302 重定向跳轉(zhuǎn)。
故障轉(zhuǎn)移
Redis集群實現(xiàn)了高可用，當(dāng)集群內(nèi)節(jié)點出現(xiàn)故障時，通過故障轉(zhuǎn)移，以保證集群正常對外提供服務(wù)。
redis集群通過ping/pong消息，實現(xiàn)故障發(fā)現(xiàn)。這個環(huán)境包括主觀下線和客觀下線。
主觀下線：某個節(jié)點認(rèn)為另一個節(jié)點不可用，即下線狀態(tài)，這個狀態(tài)并不是最終的故障判定，只能代表一個節(jié)點的意見，可能存在誤判情況。
主觀下線
客觀下線：指標(biāo)記一個節(jié)點真正的下線，集群內(nèi)多個節(jié)點都認(rèn)為該節(jié)點不可用，從而達成共識的結(jié)果。如果是持有槽的主節(jié)點故障，需要為該節(jié)點進行故障轉(zhuǎn)移。
假如節(jié)點A標(biāo)記節(jié)點B為主觀下線，一段時間后，節(jié)點A通過消息把節(jié)點B的狀態(tài)發(fā)到其它節(jié)點，當(dāng)節(jié)點C接受到消息并解析出消息體時，如果發(fā)現(xiàn)節(jié)點B的pfail狀態(tài)時，會觸發(fā)客觀下線流程；當(dāng)下線為主節(jié)點時，此時Redis Cluster集群為統(tǒng)計持有槽的主節(jié)點投票，看投票數(shù)是否達到一半，當(dāng)下線報告統(tǒng)計數(shù)大于一半時，被標(biāo)記為客觀下線狀態(tài)。流程如下：
客觀下線
故障恢復(fù)：故障發(fā)現(xiàn)后，如果下線節(jié)點的是主節(jié)點，則需要在它的從節(jié)點中選一個替換它，以保證集群的高可用。流程如下：
資格檢查：檢查從節(jié)點是否具備替換故障主節(jié)點的條件。準(zhǔn)備選舉時間：資格檢查通過后，更新觸發(fā)故障選舉時間。發(fā)起選舉：到了故障選舉時間，進行選舉。選舉投票：只有持有槽的主節(jié)點才有票，從節(jié)點收集到足夠的選票（大于一半），觸發(fā)替換主節(jié)點操作分布式鎖，是控制分布式系統(tǒng)不同進程共同訪問共享資源的一種鎖的實現(xiàn)。秒殺下單、搶紅包等等業(yè)務(wù)場景，都需要用到分布式鎖，我們項目中經(jīng)常使用Redis作為分布式鎖。
選了Redis分布式鎖的幾種實現(xiàn)方法，大家來討論下，看有沒有啥問題哈。
命令setnx + expire分開寫setnx + value值是過期時間set的擴展命令（set ex px nx）set ex px nx + 校驗唯一隨機值,再刪除if（jedis.setnx(key,lock_value) == 1）{ //加鎖 expire（key，100）; //設(shè)置過期時間 try { do something //業(yè)務(wù)請求 }catch(){ } finally { jedis.del(key); //釋放鎖 }}如果執(zhí)行完setnx加鎖，正要執(zhí)行expire設(shè)置過期時間時，進程crash掉或者要重啟維護了，那這個鎖就“長生不老”了，別的線程永遠獲取不到鎖啦，所以分布式鎖不能這么實現(xiàn)。
long expires = System.currentTimeMillis() + expireTime; //系統(tǒng)時間+設(shè)置的過期時間String expiresStr = String.valueOf(expires); // 如果當(dāng)前鎖不存在，返回加鎖成功if (jedis.setnx(key, expiresStr) == 1) { return true;} // 如果鎖已經(jīng)存在，獲取鎖的過期時間String currentValueStr = jedis.get(key); // 如果獲取到的過期時間，小于系統(tǒng)當(dāng)前時間，表示已經(jīng)過期if (currentValueStr != null && Long.parseLong(currentValueStr) < System.currentTimeMillis()) { // 鎖已過期，獲取上一個鎖的過期時間，并設(shè)置現(xiàn)在鎖的過期時間（不了解redis的getSet命令的小伙伴，可以去官網(wǎng)看下哈） String oldValueStr = jedis.getSet(key_resource_id, expiresStr); if (oldValueStr != null && oldValueStr.equals(currentValueStr)) { // 考慮多線程并發(fā)的情況，只有一個線程的設(shè)置值和當(dāng)前值相同，它才可以加鎖 return true; }} //其他情況，均返回加鎖失敗return false;}筆者看過有開發(fā)小伙伴是這么實現(xiàn)分布式鎖的，但是這種方案也有這些缺點：
過期時間是客戶端自己生成的，分布式環(huán)境下，每個客戶端的時間必須同步。沒有保存持有者的唯一標(biāo)識，可能被別的客戶端釋放/解鎖。鎖過期的時候，并發(fā)多個客戶端同時請求過來，都執(zhí)行了jedis.getSet()，最終只能有一個客戶端加鎖成功，但是該客戶端鎖的過期時間，可能被別的客戶端覆蓋。10.3：set的擴展命令（set ex px nx）（注意可能存在的問題）
if（jedis.set(key, lock_value, "NX", "EX", 100s) == 1）{ //加鎖 try { do something //業(yè)務(wù)處理 }catch(){ } finally { jedis.del(key); //釋放鎖 }}這個方案可能存在這樣的問題：
鎖過期釋放了，業(yè)務(wù)還沒執(zhí)行完。鎖被別的線程誤刪。if（jedis.set(key, uni_request_id, "NX", "EX", 100s) == 1）{ //加鎖 try { do something //業(yè)務(wù)處理 }catch(){ } finally { //判斷是不是當(dāng)前線程加的鎖,是才釋放 if (uni_request_id.equals(jedis.get(key))) { jedis.del(key); //釋放鎖 } }}在這里，判斷當(dāng)前線程加的鎖和釋放鎖是不是一個原子操作。如果調(diào)用jedis.del()釋放鎖的時候，可能這把鎖已經(jīng)不屬于當(dāng)前客戶端，會解除他人加的鎖。
一般也是用lua腳本代替。lua腳本如下：
if redis.call("get",KEYS[1]) == ARGV[1] then return redis.call("del",KEYS[1]) else return 0end;這種方式比較不錯了，一般情況下，已經(jīng)可以使用這種實現(xiàn)方式。但是存在鎖過期釋放了，業(yè)務(wù)還沒執(zhí)行完的問題（實際上，估算個業(yè)務(wù)處理的時間，一般沒啥問題了）。
分布式鎖可能存在鎖過期釋放，業(yè)務(wù)沒執(zhí)行完的問題。有些小伙伴認(rèn)為，稍微把鎖過期時間設(shè)置長一些就可以啦。其實我們設(shè)想一下，是否可以給獲得鎖的線程，開啟一個定時守護線程，每隔一段時間檢查鎖是否還存在，存在則對鎖的過期時間延長，防止鎖過期提前釋放。
當(dāng)前開源框架Redisson就解決了這個分布式鎖問題。我們一起來看下Redisson底層原理是怎樣的吧：
只要線程一加鎖成功，就會啟動一個watch dog看門狗，它是一個后臺線程，會每隔10秒檢查一下，如果線程1還持有鎖，那么就會不斷的延長鎖key的生存時間。因此，Redisson就是使用Redisson解決了鎖過期釋放，業(yè)務(wù)沒執(zhí)行完問題。
Redis一般都是集群部署的，假設(shè)數(shù)據(jù)在主從同步過程，主節(jié)點掛了，Redis分布式鎖可能會有哪些問題呢？一起來看些這個流程圖：
如果線程一在Redis的master節(jié)點上拿到了鎖，但是加鎖的key還沒同步到slave節(jié)點。恰好這時，master節(jié)點發(fā)生故障，一個slave節(jié)點就會升級為master節(jié)點。線程二就可以獲取同個key的鎖啦，但線程一也已經(jīng)拿到鎖了，鎖的安全性就沒了。
為了解決這個問題，Redis作者 antirez提出一種高級的分布式鎖算法：Redlock。Redlock核心思想是這樣的：
搞多個Redis master部署，以保證它們不會同時宕掉。并且這些master節(jié)點是完全相互獨立的，相互之間不存在數(shù)據(jù)同步。同時，需要確保在這多個master實例上，是與在Redis單實例，使用相同方法來獲取和釋放鎖。
我們假設(shè)當(dāng)前有5個Redis master節(jié)點，在5臺服務(wù)器上面運行這些Redis實例。
RedLock的實現(xiàn)步驟:如下
1.獲取當(dāng)前時間，以毫秒為單位。2.按順序向5個master節(jié)點請求加鎖?？蛻舳嗽O(shè)置網(wǎng)絡(luò)連接和響應(yīng)超時時間，并且超時時間要小于鎖的失效時間。（假設(shè)鎖自動失效時間為10秒，則超時時間一般在5-50毫秒之間,我們就假設(shè)超時時間是50ms吧）。如果超時，跳過該master節(jié)點，盡快去嘗試下一個master節(jié)點。3.客戶端使用當(dāng)前時間減去開始獲取鎖時間（即步驟1記錄的時間），得到獲取鎖使用的時間。當(dāng)且僅當(dāng)超過一半（N/2+1，這里是5/2+1=3個節(jié)點）的Redis master節(jié)點都獲得鎖，并且使用的時間小于鎖失效時間時，鎖才算獲取成功。（如上圖，10s> 30ms+40ms+50ms+4m0s+50ms）如果取到了鎖，key的真正有效時間就變啦，需要減去獲取鎖所使用的時間。如果獲取鎖失敗（沒有在至少N/2+1個master實例取到鎖，有或者獲取鎖時間已經(jīng)超過了有效時間），客戶端要在所有的master節(jié)點上解鎖（即便有些master節(jié)點根本就沒有加鎖成功，也需要解鎖，以防止有些漏網(wǎng)之魚）。簡化下步驟就是：
按順序向5個master節(jié)點請求加鎖根據(jù)設(shè)置的超時時間來判斷，是不是要跳過該master節(jié)點。如果大于等于三個節(jié)點加鎖成功，并且使用的時間小于鎖的有效期，即可認(rèn)定加鎖成功啦。如果獲取鎖失敗，解鎖！跳躍表
跳躍表是有序集合zset的底層實現(xiàn)之一跳躍表支持平均O（logN）,最壞 O（N）復(fù)雜度的節(jié)點查找，還可以通過順序性操作批量處理節(jié)點。跳躍表實現(xiàn)由zskiplist和zskiplistNode兩個結(jié)構(gòu)組成，其中zskiplist用于保存跳躍表信息（如表頭節(jié)點、表尾節(jié)點、長度），而zskiplistNode則用于表示跳躍表節(jié)點。跳躍表就是在鏈表的基礎(chǔ)上，增加多級索引提升查找效率。什么是延時雙刪呢？流程圖如下：
延時雙刪流程
先刪除緩存再更新數(shù)據(jù)庫休眠一會（比如1秒），再次刪除緩存。這個休眠一會，一般多久呢？都是1秒？
這個休眠時間 = 讀業(yè)務(wù)邏輯數(shù)據(jù)的耗時 + 幾百毫秒。為了確保讀請求結(jié)束，寫請求可以刪除讀請求可能帶來的緩存臟數(shù)據(jù)。
這種方案還算可以，只有休眠那一會（比如就那1秒），可能有臟數(shù)據(jù)，一般業(yè)務(wù)也會接受的。但是如果第二次刪除緩存失敗呢？緩存和數(shù)據(jù)庫的數(shù)據(jù)還是可能不一致，對吧？給Key設(shè)置一個自然的expire過期時間，讓它自動過期怎樣？那業(yè)務(wù)要接受過期時間內(nèi)，數(shù)據(jù)的不一致咯？還是有其他更佳方案呢？
因為延時雙刪可能會存在第二步的刪除緩存失敗，導(dǎo)致的數(shù)據(jù)不一致問題?？梢允褂眠@個方案優(yōu)化：刪除失敗就多刪除幾次呀,保證刪除緩存成功就可以了呀~ 所以可以引入刪除緩存重試機制
刪除緩存重試流程
寫請求更新數(shù)據(jù)庫緩存因為某些原因，刪除失敗把刪除失敗的key放到消息隊列消費消息隊列的消息，獲取要刪除的key重試刪除緩存操作重試刪除緩存機制還可以吧，就是會造成好多業(yè)務(wù)代碼入侵。其實，還可以這樣優(yōu)化：通過數(shù)據(jù)庫的binlog來異步淘汰key。
以mysql為例吧
可以使用阿里的canal將binlog日志采集發(fā)送到MQ隊列里面然后通過ACK機制確認(rèn)處理這條更新消息，刪除緩存，保證數(shù)據(jù)緩存一致性redis使用多線程并非是完全摒棄單線程，redis還是使用單線程模型來處理客戶端的請求，只是使用多線程來處理數(shù)據(jù)的讀寫和協(xié)議解析，執(zhí)行命令還是使用單線程。
這樣做的目的是因為redis的性能瓶頸在于網(wǎng)絡(luò)IO而非CPU，使用多線程能提升IO讀寫的效率，從而整體提高redis的性能。
Redis通過MULTI、EXEC、WATCH等一組命令集合，來實現(xiàn)事務(wù)機制。事務(wù)支持一次執(zhí)行多個命令，一個事務(wù)中所有命令都會被序列化。在事務(wù)執(zhí)行過程，會按照順序串行化執(zhí)行隊列中的命令，其他客戶端提交的命令請求不會插入到事務(wù)執(zhí)行命令序列中。
簡言之，Redis事務(wù)就是順序性、一次性、排他性的執(zhí)行一個隊列中的一系列命令。
Redis執(zhí)行事務(wù)的流程如下：
開始事務(wù)（MULTI）命令入隊執(zhí)行事務(wù)（EXEC）、撤銷事務(wù)（DISCARD ）Redis 作為一個K-V的內(nèi)存數(shù)據(jù)庫，它使用用一張全局的哈希來保存所有的鍵值對。這張哈希表，有多個哈希桶組成，哈希桶中的entry元素保存了key和value指針，其中*key指向了實際的鍵，*value指向了實際的值。
哈希表查找速率很快的，有點類似于Java中的HashMap，它讓我們在O(1) 的時間復(fù)雜度快速找到鍵值對。首先通過key計算哈希值，找到對應(yīng)的哈希桶位置，然后定位到entry，在entry找到對應(yīng)的數(shù)據(jù)。
什么是哈希沖突？
哈希沖突：通過不同的key，計算出一樣的哈希值，導(dǎo)致落在同一個哈希桶中。
Redis為了解決哈希沖突，采用了鏈?zhǔn)焦?/strong>。鏈?zhǔn)焦Ｊ侵竿粋€哈希桶中，多個元素用一個鏈表來保存，它們之間依次用指針連接。
有些讀者可能還會有疑問：哈希沖突鏈上的元素只能通過指針逐一查找再操作。當(dāng)往哈希表插入數(shù)據(jù)很多，沖突也會越多，沖突鏈表就會越長，那查詢效率就會降低了。
為了保持高效，Redis 會對哈希表做rehash操作，也就是增加哈希桶，減少沖突。為了rehash更高效，Redis還默認(rèn)使用了兩個全局哈希表，一個用于當(dāng)前使用，稱為主哈希表，一個用于擴容，稱為備用哈希表。
可以的，Redis提供兩個指令生成RDB，分別是save和bgsave。
如果是save指令，會阻塞，因為是主線程執(zhí)行的。如果是bgsave指令，是fork一個子進程來寫入RDB文件的，快照持久化完全交給子進程來處理，父進程則可以繼續(xù)處理客戶端的請求。RESP，英文全稱是Redis Serialization Protocol,它是專門為redis設(shè)計的一套序列化協(xié)議. 這個協(xié)議其實在redis的1.2版本時就已經(jīng)出現(xiàn)了,但是到了redis2.0才最終成為redis通訊協(xié)議的標(biāo)準(zhǔn)。
RESP主要有實現(xiàn)簡單、解析速度快、可讀性好等優(yōu)點。
應(yīng)對緩存穿透問題，我們可以使用布隆過濾器。布隆過濾器是什么呢？
布隆過濾器是一種占用空間很小的數(shù)據(jù)結(jié)構(gòu)，它由一個很長的二進制向量和一組Hash映射函數(shù)組成，它用于檢索一個元素是否在一個集合中，空間效率和查詢時間都比一般的算法要好的多，缺點是有一定的誤識別率和刪除困難。
布隆過濾器原理是？假設(shè)我們有個集合A，A中有n個元素。利用k個哈希散列函數(shù)，將A中的每個元素映射到一個長度為a位的數(shù)組B中的不同位置上，這些位置上的二進制數(shù)均設(shè)置為1。如果待檢查的元素，經(jīng)過這k個哈希散列函數(shù)的映射后，發(fā)現(xiàn)其k個位置上的二進制數(shù)全部為1，這個元素很可能屬于集合A，反之，一定不屬于集合A。
來看個簡單例子吧，假設(shè)集合A有3個元素，分別為{d1,d2,d3}。有1個哈希函數(shù)，為Hash1?，F(xiàn)在將A的每個元素映射到長度為16位數(shù)組B。
我們現(xiàn)在把d1映射過來，假設(shè)Hash1（d1）= 2，我們就把數(shù)組B中，下標(biāo)為2的格子改成1，如下：
我們現(xiàn)在把d2也映射過來，假設(shè)Hash1（d2）= 5，我們把數(shù)組B中，下標(biāo)為5的格子也改成1，如下：
接著我們把d3也映射過來，假設(shè)Hash1（d3）也等于 2，它也是把下標(biāo)為2的格子標(biāo)1：
因此，我們要確認(rèn)一個元素dn是否在集合A里，我們只要算出Hash1（dn）得到的索引下標(biāo)，只要是0，那就表示這個元素不在集合A，如果索引下標(biāo)是1呢？那該元素可能是A中的某一個元素。因為你看，d1和d3得到的下標(biāo)值，都可能是1，還可能是其他別的數(shù)映射的，布隆過濾器是存在這個缺點的：會存在hash碰撞導(dǎo)致的假陽性，判斷存在誤差。
如何減少這種誤差呢？
搞多幾個哈希函數(shù)映射，降低哈希碰撞的概率同時增加B數(shù)組的bit長度，可以增大hash函數(shù)生成的數(shù)據(jù)的范圍，也可以降低哈希碰撞的概率我們又增加一個Hash2哈希映射函數(shù)，假設(shè)Hash2（d1）=6,Hash2（d3）=8,它倆不就不沖突了嘛，如下：
即使存在誤差，我們可以發(fā)現(xiàn)，布隆過濾器并沒有存放完整的數(shù)據(jù)，它只是運用一系列哈希映射函數(shù)計算出位置，然后填充二進制向量。如果數(shù)量很大的話，布隆過濾器通過極少的錯誤率，換取了存儲空間的極大節(jié)省，還是挺劃算的。
目前布隆過濾器已經(jīng)有相應(yīng)實現(xiàn)的開源類庫啦，如Google的Guava類庫，Twitter的 Algebird 類庫，信手拈來即可，或者基于Redis自帶的Bitmaps自行實現(xiàn)設(shè)計也是可以的。
更多編程相關(guān)知識，請訪問：編程視頻?。?/p>
以上就是20個Redis經(jīng)典面試題匯總及答案（分享）的詳細內(nèi)容，更多請關(guān)注php中文網(wǎng)其它相關(guān)文章！
關(guān)鍵詞：
營業(yè)執(zhí)照公示信息