Note/面试(收集)/Redis面试题-参考回答.md

279 lines
18 KiB
Markdown
Raw Normal View History

2024-01-12 10:13:34 +08:00
# Redis相关面试题
>**面试官**:什么是缓存穿透 ? 怎么解决 ?
>
>**候选人**
>
>嗯~~,我想一下
>
>缓存穿透是指查询一个一定**不存在**的数据,如果从存储层查不到数据则不写入缓存,这将导致这个不存在的数据每次请求都要到 DB 去查询,可能导致 DB 挂掉。这种情况大概率是遭到了攻击。
>
>解决方案的话,我们通常都会用布隆过滤器来解决它
>**面试官**:好的,你能介绍一下布隆过滤器吗?
>
>**候选人**
>
>嗯,是这样~
>
>布隆过滤器主要是用于检索一个元素是否在一个集合中。我们当时使用的是redisson实现的布隆过滤器。
>
>它的底层主要是先去初始化一个比较大数组里面存放的二进制0或1。在一开始都是0当一个key来了之后经过3次hash计算模于数组长度找到数据的下标然后把数组中原来的0改为1这样的话三个数组的位置就能标明一个key的存在。查找的过程也是一样的。
>
>当然是有缺点的布隆过滤器有可能会产生一定的误判我们一般可以设置这个误判率大概不会超过5%其实这个误判是必然存在的要不就得增加数组的长度其实已经算是很划分了5%以内的误判率一般的项目也能接受,不至于高并发下压倒数据库。
>
>
>**面试官**:什么是缓存击穿 ? 怎么解决 ?
>
>**候选人**
>
>嗯!!
>
>缓存击穿的意思是对于设置了过期时间的key缓存在某个时间点过期的时候恰好这时间点对这个Key有大量的并发请求过来这些请求发现缓存过期一般都会从后端 DB 加载数据并回设到缓存,这个时候大并发的请求可能会瞬间把 DB 压垮。
>
>解决方案有两种方式:
>
>第一可以使用互斥锁当缓存失效时不立即去load db先使用如 Redis 的 setnx 去设置一个互斥锁,当操作成功返回时再进行 load db的操作并回设缓存否则重试get缓存的方法
>
>第二种方案可以设置当前key逻辑过期大概是思路如下
>
>①在设置key的时候设置一个过期时间字段一块存入缓存中不给当前key设置过期时间
>
>②当查询的时候从redis取出数据后判断时间是否过期
>
>③:如果过期则开通另外一个线程进行数据同步,当前线程正常返回数据,这个数据不是最新
>
>当然两种方案各有利弊:
>
>如果选择数据的强一致性,建议使用分布式锁的方案,性能上可能没那么高,锁需要等,也有可能产生死锁的问题
>
>如果选择key的逻辑删除则优先考虑的高可用性性能比较高但是数据同步这块做不到强一致。
>**面试官**:什么是缓存雪崩 ? 怎么解决 ?
>
>**候选人**
>
>嗯!!
>
>缓存雪崩意思是设置缓存时采用了相同的过期时间导致缓存在某一时刻同时失效请求全部转发到DBDB 瞬时压力过重雪崩。与缓存击穿的区别雪崩是很多key击穿是某一个key缓存。
>
>解决方案主要是可以将缓存失效时间分散开比如可以在原有的失效时间基础上增加一个随机值比如1-5分钟随机这样每一个缓存的过期时间的重复率就会降低就很难引发集体失效的事件。
>**面试官**redis做为缓存mysql的数据如何与redis进行同步呢双写一致性
>
>**候选人**就说我最近做的这个项目里面有xxxx**根据自己的简历上写**的功能需要让数据库与redis高度保持一致因为要求时效性比较高我们当时采用的读写锁保证的强一致性。
>
>我们采用的是redisson实现的读写锁在读的时候添加共享锁可以保证读读不互斥读写互斥。当我们更新数据的时候添加排他锁它是读写读读都互斥这样就能保证在写数据的同时是不会让其他线程读数据的避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一把锁才行。
>**面试官**:那这个排他锁是如何保证读写、读读互斥的呢?
>
>**候选人**其实排他锁底层使用也是setnx保证了同时只能有一个线程操作锁住的方法
>**面试官**:你听说过延时双删吗?为什么不用它呢?
>
>**候选人**:延迟双删,如果是写操作,我们先把缓存中的数据删除,然后更新数据库,最后再延时删除缓存中的数据,其中这个延时多久不太好确定,在延时的过程中可能会出现脏数据,并不能保证强一致性,所以没有采用它。
>
>**面试官**redis做为缓存mysql的数据如何与redis进行同步呢双写一致性
>
>**候选人**就说我最近做的这个项目里面有xxxx**根据自己的简历上写**)的功能,数据同步可以有一定的延时(符合大部分业务)
>
>我们当时采用的阿里的canal组件实现数据同步不需要更改业务代码部署一个canal服务。canal服务把自己伪装成mysql的一个从节点当mysql数据更新以后canal会读取binlog数据然后在通过canal的客户端获取到数据更新缓存即可。
>**面试官**redis做为缓存数据的持久化是怎么做的
>
>**候选人**在Redis中提供了两种数据持久化的方式1、RDB 2、AOF
>**面试官**:这两种持久化方式有什么区别呢?
>
>**候选人**RDB是一个快照文件它是把redis内存存储的数据写到磁盘上当redis实例宕机恢复数据的时候方便从RDB的快照文件中恢复数据。
>
>AOF的含义是追加文件当redis操作写命令的时候都会存储这个文件中当redis实例宕机恢复数据的时候会从这个文件中再次执行一遍命令来恢复数据
>**面试官**:这两种方式,哪种恢复的比较快呢?
>
>**候选人**RDB因为是二进制文件在保存的时候体积也是比较小的它恢复的比较快但是它有可能会丢数据我们通常在项目中也会使用AOF来恢复数据虽然AOF恢复的速度慢一些但是它丢数据的风险要小很多在AOF文件中可以设置刷盘策略我们当时设置的就是每秒批量写入一次命令
>**面试官**Redis的数据过期策略有哪些 ?
>
>**候选人**
>
>嗯~在redis中提供了两种数据过期删除策略
>
>
>第一种是惰性删除在设置该key过期时间后我们不去管它当需要该key时我们在检查其是否过期如果过期我们就删掉它反之返回该key。
>
>第二种是 定期删除就是说每隔一段时间我们就对一些key进行检查删除里面过期的key
>
>定期清理的两种模式:
>
>- SLOW模式是定时任务执行频率默认为10hz每次不超过25ms以通过修改配置文件redis.conf 的 **hz** 选项来调整这个次数
>- FAST模式执行频率不固定每次事件循环会尝试执行但两次间隔不低于2ms每次耗时不超过1ms
>
>Redis的过期删除策略**惰性删除 + 定期删除**两种策略进行配合使用。
>**面试官**Redis的数据淘汰策略有哪些 ?
>
>**候选人**
>
>嗯这个在redis中提供了很多种默认是noeviction不删除任何数据内部不足直接报错
>
>是可以在redis的配置文件中进行设置的里面有两个非常重要的概念一个是LRU另外一个是LFU
>
>LRU的意思就是最少最近使用用当前时间减去最后一次访问时间这个值越大则淘汰优先级越高。
>
>LFU的意思是最少频率使用。会统计每个key的访问频率值越小淘汰优先级越高
>
>我们在项目设置的allkeys-lru挑选最近最少使用的数据淘汰把一些经常访问的key留在redis中
>**面试官**数据库有1000万数据 ,Redis只能缓存20w数据, 如何保证Redis中的数据都是热点数据 ?
>
>**候选人**
>
>嗯,我想一下~~
>
>可以使用 allkeys-lru (挑选最近最少使用的数据淘汰)淘汰策略,那留下来的都是经常访问的热点数据
>**面试官**Redis的内存用完了会发生什么
>
>**候选人**
>
>嗯~这个要看redis的数据淘汰策略是什么如果是默认的配置redis内存用完以后则直接报错。我们当时设置的 allkeys-lru 策略。把最近最常访问的数据留在缓存中。
>**面试官**Redis分布式锁如何实现 ?
>
>**候选人**在redis中提供了一个命令setnx(SET if not exists)
>
>由于redis的单线程的用了命令之后只能有一个客户端对某一个key设置值在没有过期或删除key的时候是其他客户端是不能设置这个key的
>**面试官**好的那你如何控制Redis实现分布式锁有效时长呢
>
>**候选人**的确redis的setnx指令不好控制这个问题我们当时采用的redis的一个框架redisson实现的。
>
>在redisson中需要手动加锁并且可以控制锁的失效时间和等待时间当锁住的一个业务还没有执行完成的时候在redisson中引入了一个看门狗机制就是说每隔一段时间就检查当前业务是否还持有锁如果持有就增加加锁的持有时间当业务执行完成之后需要使用释放锁就可以了
>
>还有一个好处就是在高并发下一个业务有可能会执行很快先客户1持有锁的时候客户2来了以后并不会马上拒绝它会自旋不断尝试获取锁如果客户1释放之后客户2就可以马上持有锁性能也得到了提升。
>**面试官**好的redisson实现的分布式锁是可重入的吗
>
>**候选人**是可以重入的。这样做是为了避免死锁的产生。这个重入其实在内部就是判断是否是当前线程持有的锁如果是当前线程持有的锁就会计数如果释放锁就会在计算上减一。在存储数据的时候采用的hash结构大key可以按照自己的业务进行定制其中小key是当前线程的唯一标识value是当前线程重入的次数
>**面试官**redisson实现的分布式锁能解决主从一致性的问题吗
>
>**候选人**这个是不能的比如当线程1加锁成功后master节点数据会异步复制到slave节点此时当前持有Redis锁的master节点宕机slave节点被提升为新的master节点假如现在来了一个线程2再次加锁会在新的master节点上加锁成功这个时候就会出现两个节点同时持有一把锁的问题。
>
>我们可以利用redisson提供的红锁来解决这个问题它的主要作用是不能只在一个redis实例上创建锁应该是在多个redis实例上创建锁并且要求在大多数redis节点上都成功创建锁红锁中要求是redis的节点数量要过半。这样就能避免线程1加锁成功后master节点宕机导致线程2成功加锁到新的master节点上的问题了。
>
>但是,如果使用了红锁,因为需要同时在多个节点上都添加锁,性能就变的很低了,并且运维维护成本也非常高,所以,我们一般在项目中也不会直接使用红锁,并且官方也暂时废弃了这个红锁
>**面试官**:好的,如果业务非要保证数据的强一致性,这个该怎么解决呢?
>
>**候选人:**嗯~redis本身就是支持高可用的做到强一致性就非常影响性能所以如果有强一致性要求高的业务建议使用zookeeper实现的分布式锁它是可以保证强一致性的。
>**面试官**Redis集群有哪些方案, 知道嘛 ?
>
>**候选人**:嗯~~在Redis中提供的集群方案总共有三种主从复制、哨兵模式、Redis分片集群
>**面试官**:那你来介绍一下主从同步
>
>**候选人**是这样的单节点Redis的并发能力是有上限的要进一步提高Redis的并发能力可以搭建主从集群实现读写分离。一般都是一主多从主节点负责写数据从节点负责读数据主节点写入数据之后需要把数据同步到从节点中
>**面试官**:能说一下,主从同步数据的流程
>
>**候选人**:嗯~~,好!主从同步分为了两个阶段,一个是全量同步,一个是增量同步
>
>全量同步是指从节点第一次与主节点建立连接的时候使用全量同步,流程是这样的:
>
>第一从节点请求主节点同步数据其中从节点会携带自己的replication id和offset偏移量。
>
>第二主节点判断是否是第一次请求主要判断的依据就是主节点与从节点是否是同一个replication id如果不是就说明是第一次同步那主节点就会把自己的replication id和offset发送给从节点让从节点与主节点的信息保持一致。
>
>第三在同时主节点会执行bgsave生成rdb文件后发送给从节点去执行从节点先把自己的数据清空然后执行主节点发送过来的rdb文件这样就保持了一致
>
>当然如果在rdb生成执行期间依然有请求到了主节点而主节点会以命令的方式记录到缓冲区缓冲区是一个日志文件最后把这个日志文件发送给从节点这样就能保证主节点与从节点完全一致了后期再同步数据的时候都是依赖于这个日志文件这个就是全量同步
>
>增量同步指的是当从节点服务重启之后数据就不一致了所以这个时候从节点会请求主节点同步数据主节点还是判断不是第一次请求不是第一次就获取从节点的offset值然后主节点从命令日志中获取offset值之后的数据发送给从节点进行数据同步
>**面试官**怎么保证Redis的高并发高可用
>
>**候选人**首先可以搭建主从集群再加上使用redis中的哨兵模式哨兵模式可以实现主从集群的自动故障恢复里面就包含了对主从服务的监控、自动故障恢复、通知如果master故障Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主同时Sentinel也充当Redis客户端的服务发现来源当集群发生故障转移时会将最新信息推送给Redis的客户端所以一般项目都会采用哨兵的模式来保证redis的高并发高可用
>**面试官**你们使用redis是单点还是集群哪种集群
>
>**候选人**我们当时使用的是主从1主1从加哨兵。一般单节点不超过10G内存如果Redis内存不足则可以给不同服务分配独立的Redis主从节点。尽量不做分片集群。因为集群维护起来比较麻烦并且集群之间的心跳检测和数据通信会消耗大量的网络带宽也没有办法使用lua脚本和事务
>**面试官**redis集群脑裂该怎么解决呢
>
>**候选人**:嗯! 这个在项目很少见不过脑裂的问题是这样的我们现在用的是redis的哨兵模式集群的
>
>有的时候由于网络等原因可能会出现脑裂的情况就是说由于redis master节点和redis salve节点和sentinel处于不同的网络分区使得sentinel没有能够心跳感知到master所以通过选举的方式提升了一个salve为master这样就存在了两个master就像大脑分裂了一样这样会导致客户端还在old master那里写入数据新节点无法同步数据当网络恢复后sentinel会将old master降为salve这时再从新master同步数据这会导致old master中的大量数据丢失。
>
>关于解决的话我记得在redis的配置中可以设置第一可以设置最少的salve节点个数比如设置至少要有一个从节点才能同步数据第二个可以设置主从数据复制和同步的延迟时间达不到要求就拒绝请求就可以避免大量的数据丢失
>**面试官**redis的分片集群有什么作用
>
>**候选人**分片集群主要解决的是海量数据存储的问题集群中有多个master每个master保存不同数据并且还可以给每个master设置多个slave节点就可以继续增大集群的高并发能力。同时每个master之间通过ping监测彼此健康状态就类似于哨兵模式了。当客户端请求可以访问集群任意节点最终都会被转发到正确节点
>**面试官**Redis分片集群中数据是怎么存储和读取的
>
>**候选人**
>
>嗯~在redis集群中是这样的
>
>Redis 集群引入了哈希槽的概念,有 16384 个哈希槽,集群中每个主节点绑定了一定范围的哈希槽范围, key通过 CRC16 校验后对 16384 取模来决定放置哪个槽,通过槽找到对应的节点进行存储。
>
>取值的逻辑是一样的
>**面试官**Redis是单线程的但是为什么还那么快
>
>**候选人**
>
>嗯,这个有几个原因吧~~~
>
>1、完全基于内存的C语言编写
>
>2、采用单线程避免不必要的上下文切换可竞争条件
>
>3、使用多路I/O复用模型非阻塞IO
>
>例如bgsave 和 bgrewriteaof 都是在**后台**执行操作,不影响主线程的正常使用,不会产生阻塞
>**面试官**能解释一下I/O多路复用模型
>
>**候选人**:嗯~~I/O多路复用是指利用单个线程来同时监听多个Socket 并在某个Socket可读、可写时得到通知从而避免无效的等待充分利用CPU资源。目前的I/O多路复用都是采用的epoll模式实现它会在通知用户进程Socket就绪的同时把已就绪的Socket写入用户空间不需要挨个遍历Socket来判断是否就绪提升了性能。
>
>其中Redis的网络模型就是使用I/O多路复用结合事件的处理器来应对多个Socket请求比如提供了连接应答处理器、命令回复处理器命令请求处理器
>
>在Redis6.0之后,为了提升更好的性能,在命令回复处理器使用了多线程来处理回复事件,在命令请求处理器中,将命令的转换使用了多线程,增加命令转换速度,在命令执行的时候,依然是单线程