Redis相关面试题

1.数据类型

1.Redis的常用数据类型有哪些 ?

难易程度：☆☆☆

出现频率：☆☆☆☆☆

1、 string

常见命令：set、get、decr、incr、mget等。

基本特点：string数据结构是简单的key-value类型，value其实不仅可以是String，也可以是数字。

应用场景：常规计数：微博数，粉丝数等。

2、hash

常用命令： hget、hset、hgetall等。

基本特点：hash 是一个 string 类型的 field 和 value 的映射表，hash 特别适合用于存储对象，后续操作的时候，你可以直接仅仅修改这个对象中的某个字段的值。

应用场景：存储用户信息，商品信息等。

3、list

常用命令: lpush、rpush、lpop、rpop、lrange等。

基本特点：类似于Java中的list可以存储多个数据，并且数据可以重复，而且数据是有序的。

应用场景：存储微博的关注列表，粉丝列表等。

4、set

常用命令： sadd、spop、smembers、sunion 等

基本特点：类似于Java中的set集合可以存储多个数据，数据不可以重复，使用set集合不可以保证数据的有序性。

应用场景：可以利用Redis的集合计算功能，实现微博系统中的共同粉丝、公告关注的用户列表计算。

5、sorted set

常用命令： zadd、zrange、zrem、zcard 等。

基本特点：和set相比，sorted set增加了一个权重参数score，使得集合中的元素能够按score进行有序排列。

应用场景：在直播系统中，实时排行信息包含直播间在线用户列表，各种礼物排行榜等。

2.跳表你了解吗？

难易程度：☆☆☆☆

出现频率：☆☆☆

跳表(SkipList)首先是链表，但与传统的链表相比有几点差异：

跳表结合了链表和二分查找的思想
元素按照升序排列存储
节点可能包含多个指针，指针跨度不同
查找时从顶层向下，不断缩小搜索范围
整个查询的复杂度为 O ( log ⁡ n )

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Tu1QD0xr-1663995699266)(Redis相关面试题.assets/image-20220825104355442.png)]

Redis数据类型Sorted Set使用了跳表作为其中一种数据结构

2.持久化

Redis的数据持久化策略有哪些 ?

难易程度：☆☆☆

出现频率：☆☆☆☆

在Redis中提供了两种数据持久化的方式：1、RDB 2、AOF

RDB：

定期更新，定期将Redis中的数据生成的快照同步到磁盘等介质上，磁盘上保存的就是Redis的内存快照

优点：数据文件的大小相比于aop较小，使用rdb进行数据恢复速度较快

缺点：比较耗时，存在丢失数据的风险

AOF：

将Redis所执行过的所有指令都记录下来，在下次Redis重启时，只需要执行指令就可以了

优点：数据丢失的风险大大降低了

缺点：数据文件的大小相比于rdb较大，使用aop文件进行数据恢复的时候速度较慢

你们的项目中的持久化是如何配置选择的？

RDB+AOF

3.主从和集群

3.1 Redis集群有哪些方案, 知道嘛 ?

难易程度：☆☆☆

出现频率：☆☆☆☆

在Redis中提供的集群方案总共有三种：

1、主从复制

保证高可用性
实现故障转移需要手动实现
无法实现海量数据存储

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MK4fSgKX-1663995699267)(Redis相关面试题.assets/image-20220825235753402.png)]

2、哨兵模式

保证高可用性
可以实现自动化的故障转移
无法实现海量数据存储

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0xdrVFX9-1663995699267)(Redis相关面试题.assets/image-20220825235832242.png)]

3、Redis分片集群

保证高可用性
可以实现自动化的故障转移
可以实现海量数据存储

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wkBZdJzw-1663995699268)(Redis相关面试题.assets/image-20220825235913828.png)]

3.2 什么是 Redis 主从同步？

难易程度：☆☆☆☆

出现频率：☆☆☆☆

主从第一次同步是全量同步

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QCndZvnP-1663995699269)(Redis相关面试题.assets/image-20220826000009625.png)]

第一阶段，全量同步流程

1.主节点先去请求从节点，获取从节点id

2.判断主节点的id与与从节点的id是否一致

3.如果不一致，则主节点给从节点返回主节点的id。让主从的id保持一致

4.信息同步后，主节点执行bgsave，生成rdb文件

5.主节点给从节点同步rdb文件，从节点清空自己的数据，加载rdb文件

6.在第5步执行的过程中，主节点有可能会有新的操作，需要记录到一个日志文件中（repl_baklog）,发送给从节点，进行增量同步

后期数据变化后，则执行增量同步

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UeFcoblO-1663995699270)(Redis相关面试题.assets/image-20220826000106137.png)]

repl_baklog大小有上限，写满后会覆盖最早的数据。如果slave断开时间过久，导致尚未备份的数据被覆盖，则无法基于log做增量同步，只能再次全量同步。

repl_baklog可以在配置文件中进行修改存储大小

3.3 你们使用Redis是单点还是集群 ? 哪种集群 ?(说说你们生产环境redis部署情况？)

难易程度：☆☆☆

出现频率：☆☆☆

通常情况下：主从(3台)+哨兵(3台)，可以满足一般的需求
- 一般的企业中redis存储超过100GB就是极少见的，一般只存热点数据
- 极端情况下，可以设置较大的内存。以阿里云为主，购买内存型服务器，目前最大的为：2048GB
https://www.aliyun.com/product/ebm?spm=5176.19720258.J_2686872250.8.328576f4mDkIu9&scm=20140722.M_4603843.P_156.MO_871-ID_4603843-MID_4603843-CID_545-ST_5018-V_1
超高容量：集群模式
- Redis集群支持最大节点数是 16384 个。原因: Redis 集群有 16384 个哈希槽
- 可以根据业务量追加服务器

3.4 Redis分片集群中数据是怎么存储和读取的 ?

难易程度：☆☆☆

出现频率：☆☆☆

Redis 集群引入了哈希槽的概念，Redis 集群有 16384 个哈希槽，每个 key通过 CRC16 校验后对 16384 取模来决定放置哪个槽，集群的每个节点负责一部分 hash 槽。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nX9tmtLB-1663995699270)(Redis相关面试题.assets/Redis集群Hash槽.jpg)]

上图是存值的流程，取值的流程类似

set {aaa}name zhangsan 计算hash是根据aa计算的

3.5 redis集群脑裂?

难易程度：☆☆☆☆

出现频率：☆☆☆

关于reids集群会由于网络等原因出现脑裂的情况，所谓的集群脑裂就是，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，这会导致大量数据丢失。

正常情况：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MnVGzFCp-1663995699271)(Redis相关面试题.assets/image-20220826005227824.png)]

脑裂情况：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HB54ztNK-1663995699271)(Redis相关面试题.assets/image-20220826005755464.png)]

当哨兵与主节点由于网络抖动原因断开了链接，哨兵监控到之后，则会从剩余的从节点中选出一个作为主节点

redis的客户端这个时候并没有是可以正常链接之前的maser(主节点)，并且可以正常写入数据

假如现在网络恢复了，哨兵发现主从中有两个主节点，则会强制一个主节点变为从节点，看下图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YBBQ2dtr-1663995699272)(Redis相关面试题.assets/image-20220826010517578.png)]

由于原来的主节点变成了从节点，则需要执行主从同步流程，清理数据（之前的主节点），同步新主节点中的数据，在之前脑裂过程中，客户端写入的数据丢失

解决方案：

redis中有两个配置参数：

min-replicas-to-write 1 表示最少的salve节点为1个
min-replicas-max-lag 5 表示数据复制和同步的延迟不能超过5秒

配置了这两个参数：如果发生脑裂：原master会在客户端写入操作的时候拒绝请求。这样可以避免大量数据丢失。

3.6 怎么保证redis的高并发高可用

难易程度：☆☆☆

出现频率：☆☆☆

主从+哨兵
集群

4.使用场景

4.1 项目中哪块使用了缓存？

难易程度：☆☆☆

出现频率：☆☆☆☆☆

结合自己简历上写的项目模块说明这个问题，要陈述出当时的场景

黑马头条：

用户行为数据
延迟队列实现
热点文章
集群情况下定时任务（分布式锁）

立可得项目：

工单排行榜
下单（分布式锁）

4.2 什么是缓存穿透 ? 怎么解决 ?

难易程度：☆☆☆☆

出现频率：☆☆☆☆☆

加入缓存以后的数据查询流程：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6g0ACYcz-1663995699272)(Redis相关面试题.assets/image-20220505084631909.png)]

缓存穿透：

概述：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。

get请求：api/v1/news/13

解决方案：

1、查询返回的数据为空，仍把这个空结果进行缓存，但过期时间会比较短

2、布隆过滤器：将所有可能存在的数据哈希到一个足够大的 bitmap 中，一个一定不存在的数据会被这个 bitmap 拦截掉，从而避免了对DB的查询

4.3 什么是缓存击穿 ? 怎么解决 ?

难易程度：☆☆☆☆

出现频率：☆☆☆☆☆

概述：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：

1、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

2、永远不过期：不要对这个key设置过期时间

4.4 什么是缓存雪崩 ? 怎么解决 ?

难易程度：☆☆☆☆

出现频率：☆☆☆☆☆

概述：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DB，DB 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：

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。

4.5 什么是布隆过滤器？

难易程度：☆☆☆☆

出现频率：☆☆☆☆☆

概述：布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上由一个很长的二进制向量(二进制数组)和一系列随机映射函数(hash函数)。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tIKvo41y-1663995699272)(Redis相关面试题.assets/image-20220505124612288.png)]

作用：布隆过滤器可以用于检索一个元素是否在一个集合中。

添加元素：将商品的id(id1)存储到布隆过滤器

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DHHMuKD1-1663995699273)(Redis相关面试题.assets/image-20220505125247251.png)]

假设当前的布隆过滤器中提供了三个hash函数，此时就使用三个hash函数对id1进行哈希运算，运算结果分别为：1、4、9那么就会数组中对应的位置数据更改为1。

判断数据是否存在：使用相同的hash函数对数据进行哈希运算，得到哈希值。然后判断该哈希值所对应的数组位置是否都为1，如果不都是则说明该数据肯定不存在。如果是说明该数据可能存在，因为哈希运算可能就会存在重复的情况。如下图所示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xQqAFUKz-1663995699273)(Redis相关面试题.assets/image-20220505130720532.png)]

假设添加完id1和id2数据以后，布隆过滤器中数据的存储方式如上图所示，那么此时要判断id3对应的数据在布隆过滤器中是否存在，按照上述的判断规则应该是存在，但是id3这个数据在布隆过滤器中压根就不存在，这种情况就属于误判。

误判率：数组越小误判率就越大，数组越大误判率就越小，但是同时带来了更多的内存消耗。

删除元素：布隆布隆器不支持数据的删除操作，因为如果支持删除那么此时就会影响判断不存在的结果。

使用布隆过滤器：在谷歌的guava缓存工具中提供了布隆过滤器的实现，使用方式如下所示：

pom.xml文件

<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>20.0</version>
</dependency>

测试代码：

// 创建一个BloomFilter对象
// 第一个参数：布隆过滤器判断的元素的类型
// 第二个参数：布隆过滤器存储的元素个数
// 第三个参数：误判率，默认值为0.03
int size = 100_000 ;
BloomFilter<CharSequence> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), size, 0.03);
for(int x = 0 ; x < size ; x++) {bloomFilter.put("add" + x) ;
}// 在向其中添加100000个数据测试误判率
int count = 0 ;     // 记录误判的数据条数
for(int x = size ; x < size * 2 ; x++) {if(bloomFilter.mightContain("add" + x)) {count++ ;System.out.println(count + "误判了");}
}// 输出
System.out.println("总的误判条数为：" + count);

Redis中使用布隆过滤器防止缓存穿透流程图如下所示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wdqTWofr-1663995699274)(Redis相关面试题.assets/image-20220505134107303.png)]

4.6 redis双写问题?

难易程度：☆☆☆

出现频率：☆☆☆☆☆

同步方案：更改代码业务代码，加入同步操作缓存逻辑的代码(数据库操作完毕以后，同步操作缓存)

异步方案：

1、使用消息队列进行缓存同步：更改代码加入异步操作缓存的逻辑代码(数据库操作完毕以后，将要同步的数据发送到MQ中，MQ的消费者从MQ中获取数据，然后更新缓存)

2、使用阿里巴巴旗下的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。

使用缓存

查询redis

没有则查库，同时把数据同步到redis

写操作

先删除redis的数据，再更新数据库

5 Redis分布式锁

5.1 Redis分布式锁如何实现 ?

难易程度：☆☆☆

出现频率：☆☆☆☆☆

Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在，则 SET)的简写。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UxHRInKo-1663995699274)(Redis相关面试题.assets/image-20220825225528939.png)]

上面这几个命令就是最基本的用来完成分布式锁的命令。

加锁：使用setnx key value命令，如果key不存在，设置value(加锁成功)。如果已经存在lock(也就是有客户端持有锁了)，则设置失败(加锁失败)。

解锁：使用del命令，通过删除键值释放锁。释放锁之后，其他客户端可以通过setnx命令进行加锁。

/*** 加锁* @param name* @param expire* @return*/
public String tryLock(String name, long expire) {name = name + "_lock";String token = UUID.randomUUID().toString();RedisConnectionFactory factory = stringRedisTemplate.getConnectionFactory();RedisConnection conn = factory.getConnection();try {//参考redis命令：//set key value [EX seconds] [PX milliseconds] [NX|XX]Boolean result = conn.set(name.getBytes(),token.getBytes(),Expiration.from(expire, TimeUnit.MILLISECONDS),RedisStringCommands.SetOption.SET_IF_ABSENT //NX);if (result != null && result)return token;} finally {RedisConnectionUtils.releaseConnection(conn, factory,false);}return null;
}

5.2 Redis实现分布式锁如何合理的控制锁的有效时长？

难易程度：☆☆☆☆

出现频率：☆☆☆☆☆

有效时间设置多长，假如我的业务操作比有效时间长？我的业务代码还没执行完就自动给我解锁了，不就完蛋了吗。

解决方案：

1、第一种：程序员自己去把握，预估一下业务代码需要执行的时间，然后设置有效期时间比执行时间长一些，保证不会因为自动解锁影响到客户端业务代码的执行。

2、第二种：给锁续期。

锁续期实现思路：当加锁成功后，同时开启守护线程，默认有效期是用户所设置的，然后每隔10秒就会给锁续期到用户所设置的有效期，只要持有锁的客户端没有宕机，就能保证一直持有锁，直到业务代码执行完毕由客户端自己解锁，如果宕机了自然就在有效期失效后自动解锁。

上述的第二种解决方案可以使用redis官方所提供的Redisson进行实现。

使用步骤如下：

1、加入依赖

<dependency><groupId>org.redisson</groupId><artifactId>redisson</artifactId><version>3.13.6</version>
</dependency>

2、定义配置类

@Configuration
public class RedisConfig {@Beanpublic RedissonClient redissonClient(){Config config = new Config();config.useSingleServer().setAddress("redis://192.168.200.130:6379").setPassword("leadnews");return Redisson.create(config);}
}

3、业务代码加入分布式锁

public void redisLock() throws InterruptedException {RLock lock = redissonClient.getLock("anyLock");try {//第一个参数30s:表示尝试获取分布式锁，并且最大的等待获取锁的时间为30s//第二个参数10s:表示上锁之后，10s内操作完毕将自动释放锁boolean isLock = lock.tryLock(30, 10, TimeUnit.SECONDS);String num = redisTemplate.opsForValue().get("num");Integer intNum = Integer.parseInt(num);if (intNum == null || intNum <= 0) {throw new RuntimeException("商品已抢完");}if(isLock){intNum = intNum - 1;redisTemplate.opsForValue().set("num", intNum.toString());System.out.println(redisTemplate.opsForValue().get("num"));}} finally {//释放锁lock.unlock();}}

4、Jmeter测试

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TvQed6o5-1663995699275)(Redis相关面试题.assets/image-20220825230303894.png)]

5.Redisson分布式锁原理（重要）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VWodkmo4-1663995699275)(Redis相关面试题.assets/image-20220825230509879.png)]

redisson实现的分布式锁是可重入的

public void add1(){boolean isLock = lock.tryLock(30, 10, TimeUnit.SECONDS);//执行业务add2();//释放锁lock.unlock();}public void add2(){boolean isLock = lock.tryLock(30, 10, TimeUnit.SECONDS);//执行业务//释放锁lock.unlock();}

5.3 你的项目中哪里用到了分布式锁？

难易程度：☆☆☆

出现频率：☆☆☆☆

黑马头条：

集群情况下定时任务（分布式锁）

立可得项目：

下单（分布式锁）

其他情况：

秒杀
幂等性场景

6.其他

6.1 Redis的数据过期策略有哪些 ?

难易程度：☆☆☆

出现频率：☆☆☆☆

数据删除策略：Redis中可以对数据设置数据的有效时间，数据的有效时间到了以后，就需要将数据从内存中删除掉。而删除的时候就需要按照指定的规则进行删除，这种删除规则就被称之为数据的删除策略。

Redis中数据的删除策略：

① 惰性删除

概述：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。

优点：对CPU友好，我们只会在使用该键时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查。
缺点：对内存不友好，如果一个键已经过期，但是一直没有使用，那么该键就会一直存在内存中，如果数据库中有很多这种使用不到的过期键，这些键便永远不会被删除，内存永远不会释放。

set name zhangsan 10

get name

② 定期删除

概述：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(从一定数量的数据库中取出一定数量的随机键进行检查，并删除其中的过期键)。

优点：可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除，也能有效释放过期键占用的内存。
缺点：难以确定删除操作执行的时长和频率。

如果执行的太频繁，定期删除策略变得和定时删除策略一样，对CPU不友好。如果执行的太少，那又和惰性删除一样了，过期键占用的内存不会及时得到释放。

另外最重要的是，在获取某个键时，如果某个键的过期时间已经到了，但是还没执行定期删除，那么就会返回这个键的值，这是业务不能忍受的错误。

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定期删除函数的运行频率，

在Redis2.6版本中，规定每秒运行10次，大概100ms运行一次。在Redis2.8版本后，可以通过修改配置文件redis.conf 的 hz 选项来调整这个次数。

6.2 Redis的数据淘汰策略有哪些 ?

难易程度：☆☆☆

出现频率：☆☆☆☆

数据的淘汰策略：当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。

常见的数据淘汰策略：

noeviction                           # 不删除任何数据，内存不足直接报错(默认策略)
volatile-lru                        # 挑选最近最久使用的数据淘汰(举例：key1是在3s之前访问的, key2是在9s之前访问的，删除的就是key2)
volatile-lfu                        # 挑选最近最少使用数据淘汰  (举例：key1最近5s访问了4次, key2最近5s访问了9次， 删除的就是key1)
volatile-ttl                        # 挑选将要过期的数据淘汰
volatile-random                     # 任意选择数据淘汰
allkeys-lru                         # 挑选最近最少使用的数据淘汰
allkeys-lfu                         # 挑选最近使用次数最少的数据淘汰
allkeys-random                      # 任意选择数据淘汰，相当于随机

volatile 标明是设置了过期时间的数据

allkeys 标明是没有设置过期时间的数据

LRU（Least Recently Used）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（Least Frequently Used）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。

注意：

1、不带allkeys字样的淘汰策略是随机从Redis中选择指定的数量的key然后按照对应的淘汰策略进行删除，带allkeys是对所有的key按照对应的淘汰策略进行删除。

2、缓存淘汰策略常见配置项

maxmemory-policy noeviction          # 配置淘汰策略
maxmemory ?mb                       # 最大可使用内存，即占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上。
maxmemory-samples count             # 设置redis需要检查key的个数

使用建议：

优先使用 allkeys-lru 策略。充分利用 LRU 算法的优势，把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分，建议使用。
如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用 allkeys-random，随机选择淘汰。
如果业务中有置顶的需求，可以使用 volatile-lru 策略，同时置顶数据不设置过期时间，这些数据就一直不被删除，会淘汰其他设置过期时间的数据。
如果业务中有短时高频访问的数据，可以使用 allkeys-lfu 或 volatile-lfu 策略。

6.3 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 ?

难易程度：☆☆☆

出现频率：☆☆☆

使用 allkeys-lru 淘汰策略

6.4 Redis的内存用完了会发生什么？

难易程度：☆☆☆

出现频率：☆☆☆

主要看数据淘汰策略是什么？如果是默认的配置，则直接报错

6.5 你们用过Redis的事务吗 ? 事务的命令有哪些 ?

难易程度：☆☆☆☆

出现频率：☆☆

事务是一个原子操作：事务中的命令要么全部被执行，要么全部都不执行。

Redis中的事务：Redis事务的本质是一组命令的集合。事务支持一次执行多个命令，一个事务中所有命令都会被序列化。在事务执行过程，会按照顺序串行化执行队列中的命令，其他客户端提交的命令请求不会插入到事务执行命令序列中。

总结说：Redis事务就是一次性、顺序性、排他性的执行一个队列中的一系列命令。Reids中，单条命令式原子性执行的，但事务不保证原子性，且没有回滚。

事务相关的命令：

1、MULTI：用来组装一个事务

2、EXEC：执行一个事物

3、DISCARD：取消一个事务

4、WATCH：用来监视一些key，一旦这些key在事务执行之前被改变，则取消事务的执行

5、UNWATCH：取消 WATCH 命令对所有key的监视

如下所示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SdMUXeyp-1663995699276)(Redis相关面试题.assets/image-20220225132328333.png)]

6.6 Redis是单线的，但是为什么还那么快？

难易程度：☆☆☆

出现频率：☆☆☆☆

Redis总体快的原因：

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、数据简单，数据操作也相对简单

4、使用多路I/O复用模型，非阻塞IO

bgsave 在后台执行rdb的保存，不影响主线程的正常使用，不会产生阻塞

bgrewriteaof 在后台执行aof文件的保存，不影响主线程的正常使用，不会产生阻塞

s的事务吗 ? 事务的命令有哪些 ?

难易程度：☆☆☆☆

出现频率：☆☆

事务是一个原子操作：事务中的命令要么全部被执行，要么全部都不执行。

事务相关的命令：

1、MULTI：用来组装一个事务

2、EXEC：执行一个事物

3、DISCARD：取消一个事务

4、WATCH：用来监视一些key，一旦这些key在事务执行之前被改变，则取消事务的执行

5、UNWATCH：取消 WATCH 命令对所有key的监视

如下所示：

[外链图片转存中…(img-SdMUXeyp-1663995699276)]

6.6 Redis是单线的，但是为什么还那么快？

难易程度：☆☆☆

出现频率：☆☆☆☆

Redis总体快的原因：

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、数据简单，数据操作也相对简单

4、使用多路I/O复用模型，非阻塞IO

bgsave 在后台执行rdb的保存，不影响主线程的正常使用，不会产生阻塞

bgrewriteaof 在后台执行aof文件的保存，不影响主线程的正常使用，不会产生阻塞