Redis缓存何以一枝独秀?以及热门面试题中Redis的核心特性

Redis缓存何以一枝独秀?——从百变应用场景与热门面试题中感受下Redis的核心特性与使用注意点 在前面的文章中,我们一起领略了Guava Cache、Caffeine、Ehcache等优秀的本地JVM级别本地缓存框架的特性、原理与具体的使用方法。除却本地缓存之外,在当前分布式、微服务等架构盛行的时代,明显无法满足大型系统中的各种缓存诉求,比如前面文章中反复提及的问题、以及单机缓存无法逾越的瓶颈。作为应对之法, 阅读详情

Redis的各种数据类型

作为缓存组件,Redis的数据结构整体而言就是key-value类型的键值对,但是Redis对于value类型的支持还是比较丰富的,提供了5种不同的数据结构,可以满足大部分场景的使用诉求。

对几种类型的结构特点与使用注意点梳理汇总如下:

类型

说明

支持功能

string

普通字符串

字符串的基础增删改查能力,如果是整数或者浮点数,还支持自增自减能力。

list

链表内容,每个元素都是一个独立的字符串,内容可以相同

基础增删改查能力,从链表两端插入或者弹出元素,按照下标获取指定元素列表等等

set

无序集合,每个元素都是一个独立字符串,元素之间不允许重复

基础增删改查能力,判断元素是否存在,随机获取元素等等

hash

无序的key-value键值对集合

基础增删改查能力,获取所有的键值对

zset

可以理解为一种比较特殊的hash结构,含有member和score两个概念,对应到hash类型上分别是key与value的关系,其区别点在在于score是固定的double类型的value

基础增删改查能力,支持根据score排序并获取指定的排序个数的元素列表

实际的使用中,也会根据各自类型不同的特点,用来实现不同的业务诉求。

举个例子:

一个系统内的通知公告查看功能,可以将公告ID作为key,然后这边通知公告的阅读量作为score,在redis中存储为zset类型,然后每次读取详情操作的都累加更新下对应的score值,这样的话,就可以根据score进行降序排列,拉取到热门新闻公告的排行榜。

Redis的百变应用场景

基于Redis提供的基础能力,在项目中不同场景都有被广泛的使用,下面列举几个常见的使用场景。

  • 分布式锁

在分布式系统里面经常会需要用到分布式锁,实现分布式锁的方式有很多种,其中使用的比较广泛的一种策略,就是基于Redis来实现的。之所以采用Redis来作为分布式锁,可以有几方面理由:

  1. redis足够的快
  2. redis提供了setnx + expire的机制,完全契合分布式锁的实现要点
  3. Redisson客户端的流行,使得基于redis的分布式锁更加简单
  • 数据库扛压层

借助redis超高的处理性能,经常会被放置在数据库的前面,用于数据扛压场景使用。比如各种秒杀场景,可以将数据库中的库存信息缓存到redis中,然后利用redis来抗住秒杀期间洪水般的大并发量请求。

  • 登录验证码存储

这个场景也很常见,比如用户发送的短信验证码,一般都会要求5分钟内有效。这种情况下,可以将验证码信息存储在redis中并设定5分钟后自动过期。这样的话就可以实现超时失效的功能,而无需业务层面去维护过期信息。

  • 全局ID生成&全局限流

在分布式系统中,Redis作为一个可以被所有节点访问的集中节点,加上其具备的incrby原子命令,使得在多个场景下发挥价值:

  1. 将其用作全局唯一ID的生成,以保证各个节点之间生成的唯一ID不会冲突。
  2. incrby可以实现全局请求量的统计计数,结合expire一起可以实现定时重置计数器,进而实现限流能力。
  • bitmap方式存储每日签到数据

其实,Redis还支持位图(Bitmap)格式进行数据存储。前面我们说Redis支持五种数据结构里面并没有看到Bitmap类型的身影,其实Redis的bitmap数据最终存储的是string类型,但是Redis为Bitmap操作提供了配套的操作接口,比如setbit命令。

位图的存在就是为了服务于海量数据的存储场景的,比如系统里面有10亿用户,现在需要记录每个人每天的签到情况,每天10亿数据量,如果用普通String类型存储,每天10亿条数据量,时间一久任何的Redis也扛不住。而基于bitmap的方式存储,则可以极大的降低整体数据量。关于redis的bitmap操作与使用,后面文章会展开阐述。

  • 热门榜单生成

基于Redis的zset数据结构,可以将热门值作为score进行存储,这样可以根据需要,按照score进行排序并拉取榜单数据。

后端面试中的常客

这篇文章中,我们改变下以往的文章行文叙事风格。我们先不直接切入到Redis的具体特性或功能点的实现原理与使用层面,而是先从面试场景作为切入口,通过几个面试问题,来感受下Redis整体的“魅力”、引出Redis所具备的核心特性与常见使用注意事项。

因为Redis在项目中的广泛使用,也让其成为了后端面试中的热门嘉宾。很多小伙伴应该在面试中都被问过与Redis有关的问题吧?当然有很多的八股文背诵一下就可以应付很多简单的面试场景,但笔者作为面试官一般不太会直接去问八股文问题,经常会将问题稍作包装之后再去问。

下面举几个例子。

Q1. 很多人都说Redis处理快是因为它是单线程的,Redis进程中真的只有一个线程吗?为什么常规项目中为了提升并发量都会采用线程池等方式来多线程处理,而Redis却反其道而行之呢?

很多的面试八股文中都会提到说Redis是单线程的,这个说法其实不够严谨,因为Redis中并非是只有一个线程,整个进程中还有一些额外的线程负责做一些辅助的其他事务,比如管理与客户端的连接,比如队列中消息的维护等等。

Redis整体基于一种多路复用的机制来实现请求的接收与分配处理。整体简化后的处理逻辑如下图所示。

所以说,其实Redis仅仅是采用单线程来负责执行命令请求处理,而非整个Redis就是一个单线程的。回到最初的问题,为什么Redis选择采用单线程的方式来执行命令。在多线程编程的时候面临问题主要有:

  • 并发线程安全问题, 需要保证操作的先后顺序,需要保证同一时刻只能有1个线程对某个对象进行写操作 —— 需要构建完备的同步保护机制,会对整体性能造成影响。
  • 多线程维护的系统额外开销 —— CPU需要不停的在多个线程之间进行切换,由此会带来一系列的额外开销。

而由于Redis是一种key-value模型的数据结构模式,比如很多查询操作都是O(1)的时间复杂度,其操作执行速度非常快,所以这种情况下,结合I/O多路复用模型一起,使用单线程的方式执行命令,反而可以达到比多线程更加优异的表现。

问题可以进一步引申,可以继续聊一些其他问题。比如:

  • 既然Redis是单线程的,那使用的时候有什么需要注意的事项吗? 不能执行耗时操作,会阻塞其余请求命令的执行。
  • I/O多路复用是个什么概念?它和BIO、NIO之间有什么异同? 诸如此类的问题,都可以进一步的去展开考察。
  • 当前计算机一般都是多核CPU,用单线程去执行的话,相当于其它几个核就浪费了,那有什么方式可以将其余的几个核也利用起来么? 答案其实也不难,在一台机器上同时去部署多个Redis进程,组成个集群,就可以啦。

Q2. 如果我想要查询一下生产环境的Redis中有多少以“User_”开头的记录数量,可以怎么做?

这个问题其实是有一点小陷阱的。查找以指定前缀开头的记录,首先很多同学想到的就是keys命令,但问题中有个约束是在生产环境中执行。所以这个问题看似简单,其实需要结合如下几点来综合考虑:

  1. 通常情况下,生产环境中的数据量是非常大的、且请求并发量会比较高;
  2. Redis的keys命令是一个耗时操作,复杂度O(n),数据量越大执行速度越慢;
  3. Redis的命令执行是单线程执行的。

基于上述几点因素,如果在数据量较大的生产环境去执行keys命令将会导致执行耗时特别长,而由于Redis是单线程执行命令,就会导致其余请求命令被阻塞无法执行,这样在一个高并发集群内,很容易造成集群内请求的大面积阻塞,影响系统的整体稳定性。

那么keys命令不可以用,有什么替代方案呢?可以使用scan命令。

Q3. 假如有一批机器,内存都比较小(单机内存小于整体待缓存数据量),用来搭建个Redis做热点数据缓存扛压以降低数据库的请求压力。如果你来做的话,会有哪些应对思路呢?

这个问题就比较开放,而且答案也不唯一,考核的点也比较综合。

首先来分析下题目,从题干描述中可以捕捉到几个信息,以及对应的关联知识点:

  1. 单机内存小于整体数据量,所以想要将所有数据全量加载到单机内存里面是不可行的;
  2. 使用Redis的用途是扛压来降低数据库访问压力的,也就是允许部分请求穿透Redis打到数据库上的,所以可以考虑将有限内存用来存放热点数据,扛住大部分的流量;
  3. 题目说有一批机器,就是说机器的数量不止一台,所以可以考虑构建集群的方式,扩展Redis集群总内存大小,这样以集群的力量来缓存全部的数据量。

所以说这个题目里面其实涉及到了两个考点:

  1. 热点数据的概念、也即Redis的数据淘汰策略。
  2. Redis集群扩展的相关概念。

更进一步,又可以引申出很多其它细节问题,比如:

  • Redis中的数据淘汰策略有哪些? no-enviction、volatile-lru、volatile-ttl、volatile-random、allkeys-lru、allkeys-random
  • Redis的数据淘汰策略与数据过期有啥区别? 数据过期是达到了设定的过期时间之后使数据不可用,而数据淘汰策略主要是在容量满之后采取的被动应对策略。
  • Redis集群中是如何决定一个记录应该保存在哪个节点上的? 关于一致性Hash相关的内容,以及如何解决数据倾斜问题、节点扩容对缓存命中情况的影响等等。

回头看下,是不是其中蕴含的内容还是蛮多的?

这里我们以面试场景中会被问及的几个问题作为切入点,大概聊了下与Redis有关的一系列内容。当然这里介绍的都比较浅显,甚至只是列了下相关的知识点,主要是先让大家先感受下Redis所包含与涉及的相关知识点。在后续的文章中,我们将逐步逐个地去剖析与介绍。

小结回顾

我们只是简单的聊了下Redis的基础概念以及主要的特性介绍,同时通过几个实际的面试题演示了下Redis整体内容的“博大精深”。而关于Redis的更多细化方向的展开阐述,我们将会在后续文章中逐步介绍。那么你对Redis如何看呢?欢迎评论区一起交流下,期待和各位小伙伴们一起切磋、共同成长。

别再让PyCharm吃光你的C盘!保姆级教程:安全迁移config、plugins和remote sources到D盘 本文提供了一份详细的PyCharm配置与缓存文件迁移指南,帮助开发者将config、plugins和remote sources等占用大量C盘空间的文件安全转移到D盘。通过修改data.properties文件和正确迁移顺序,确保PyCharm功能不受影响,同时释放宝贵的系统盘空间。 阅读详情

相关推荐

【obj To 3DTiles 进阶实战】 从零配置地理坐标系与扩展属性元数据

本文详细解析了如何将OBJ模型转换为3DTiles格式,重点介绍了地理坐标系配置与属性元数据扩展的实战技巧。通过obj23dtiles工具,开发者可以精准定位模型经纬高坐标,并添加结构化属性表,实现城市规划模型在数字孪生平台的高效应用。

weixin_27215337的博客 368

每天认识一个组件:Redis

Redis 是一个以内存为主要数据存储介质的数据结构服务器。它既可以用作缓存,也可以承担计数器、排行榜、会话存储、分布式协调、消息传递和实时数据处理等职责。

weixin_47983718的博客 374

以太网传输硬件设计大全

1.网线的介绍RJ45由插头和插做组成,也就是我们常说的网口和网线。RJ45 网线插头又称水晶头,共有八芯做成。RJ45网络传输线分为直通线、交叉线和全反线。直通线用于异种网络设备之间的互连,例如,计算机与交换机。交叉线用于同种网络设备之间的互连,例如,计算机与计算机。全反线用于超级终端与网络设备的控制物理接口之间的连接。下面将介绍一下各线的作用和区别。1.直通线:又叫正线或标准线,两端采用568B做线标准,注意两端都是同样的线序且一一对应。直通线是应用最广泛,现在最常用的线。

weixin_45365488的博客 6751

Redis 主从复制详解:配置实操 + 原理机制

本文详解Redis主从复制的配置与原理,涵盖建立/断开复制、安全性设置、只读模式及传输延迟优化。通过slaveof命令实现主从关系,支持全量与部分复制(psync),利用复制ID和偏移量实现高效数据同步。主从部署提升可用性与性能,适用于高并发、故障容灾场景。

2303_77004089的博客 380

详解岭回归与L2正则化

最小二乘法存在不可逆和病态问题,导致解析解不可计算或不稳定,岭回归是一种有效的解决方法,以损失无偏性来换取稳定解, 本文介绍详细介绍了岭回归的基本原理,并从L2正则化角度来进行了解释。

Luoyingfeng的博客 1万+

微动探测原理及仪器介绍

微动探测原理及仪器介绍 1、微动探测原理 1.1 基本理论 微动是由体波和面波组成,其中微动能量的百分之七十以上都来自于面波,并且它与体波的主要区别是在不均匀的介质中传播时面波会发生频散,而体波不存在频散现象,因此面波是微动探测的主要对象。 对于介质的弹性参数(如横波速度、层薄厚、压缩波速度、密度等),面波传播速度相对比较敏感,特别是对横波的敏感性很高,因此可以利用面波来反演横波速度。 在时间和空间上,微动信号具有以下特性:高度变化、无规律性、无重复性等,有研究发现全世界各处记录的微动信号都有相似

zw461450141的博客 1万+

Docker多阶段构建实现基于Alpine的Redis的编译安装

【代码】Docker多阶段构建实现基于Alpine的Redis的编译安装。

一直在努力学习的菜鸟 328

日前日内多阶段多时间尺度源荷储协调调度(matlab代码)

多阶段多时间尺度的协调调度的优势是考虑新能源出力的波 动性与随机性,需求响应负荷的不确定性会对电网制定的日前调度计划准确性造成影响,也就是能够更加精准的进行调度和分析,优化结果的可用性更强。在这方面论文里面,金力的《考虑特性分布的储能电站接入的电网多时间尺度源储荷协调调度策略》就考虑了日前日内实时三个阶段调度,每个阶段考虑了不同负荷需求响应策略,同时考虑了负荷波动性的影响,具有很强的参考意义。 目录 一、模型 二、程序运行 三、程序链接 一、模型 负荷需求响应考虑电价型和激励型两种,电.

zhangxd212489的博客 7915

Redis笔记--基础命令

这一节了解一下Redis中基础命令,Redis是一个开源的、基于内存的高性能键值对NoSQL数据库,它把数据主要放在内存里读写,所以速度很快...

ljt2724960661的博客 193

用RK3588+FPGA搞定Cameralink高速相机?这份保姆级硬件选型与接口配置指南请收好

本文详细介绍了如何利用RK3588与FPGA构建Cameralink高速相机系统,涵盖硬件选型、接口配置及性能优化等关键步骤。通过异构计算架构和精准的带宽分配,实现工业视觉检测和科研成像领域的高效解决方案,特别适合需要实时处理的复杂应用场景。

weixin_30493401的博客 643

蓝桥杯 stm32 PWM 测量频率

参考 数据手册:比赛 的板子 上面有两个信号发生器,如下图。通过 扭动 可变电阻 (R40, R39), 来实现 PWM 频率的改变。PA15PB4。PA15,PB4分别使用TIM2_CH1TIM3_CH1来对频率进行捕获。

wuyiyu_的博客 2931

redis

AOF 文件体积更大,恢复慢,因为恢复的时候要逐条重放命令。AOF 还有重写机制,用来消除冗余,比如同一个 key 连续 set a、set b、set c、set d,重写之后就只保留一条 set key d,精简文件。消息会被分发到每一个实例的队列,所有实例监听自己的队列,收到消息之后,各自删除本机 Caffeine 里面对应的本地缓存,实现一处修改、全部实例本地缓存失效。HyperLogLog 不存原始数据,基于概率算法估算独立数量,内存极小,支持海量 UV 统计,缺点是结果有微小误差,拿不到明细。

2401_84390420的博客 177

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

RabbitMQ 消费端幂等:唯一索引、条件更新、Redis 去重三种方案的真实代价

MQ 只承诺至少投递一次,重复消息只能消费端自己吃掉。这篇对比唯一索引、条件更新、Redis 短路三种去重方案在 AI 任务场景下的实际代价,附三个踩过的坑。

zhangpan 263

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Redis:全景使用场景梳理

Redis三大核心特性:快(内存存储,亚毫秒读写)、共享(多实例统一访问)、可过期(TTL自动淘汰)。其定位为高速缓存与分布式协调层,非业务主库。适用于分布式会话、热点数据缓存、临时状态、并发控制、计数统计、排行榜、轻量消息队列等场景,依托原子命令与内置数据结构实现高效协同。不适用于强事务、复杂查询、资金账务、海量消息持久化等需高可靠、强一致的场景。项目落地需规避缓存穿透、击穿、雪崩、脏数据、大key、租户隔离等问题,遵循“读得频、活得短、要共享、要过期”原则,合理搭配MySQL与专业MQ。

snow的博客 839

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Redis Lua 原子限流:Lua 脚本、竞态条件与并发控制

Lua是轻量级可嵌入脚本语言,Redis内置Lua5.1解释器,支持通过EVAL或SCRIPTLOAD执行脚本,实现多命令原子操作。利用redis.call()调用Redis命令,结合KEYS和ARGV传参,可将读取、判断、更新等操作封装为原子逻辑,有效避免限流中的竞态条件。固定窗口限流通过Lua脚本实现计数与过期控制,保证操作连续性。但脚本不可回滚,需避免复杂逻辑;执行时间过长会阻塞Redis,且需满足Cluster哈希槽约束。实际应用中还需考虑故障降级策略。

Joy T的博客 159

【计算基础|Redis07】持久化(上):RDB 快照

Redis RDB 持久化通过 BGSAVE 创建内存快照,实现数据备份、迁移与灾难恢复。其核心依赖 fork + 写时复制(COW),确保快照一致性。虽加载快、文件小,但存在两次快照间数据丢失风险,且大内存实例 fork 时可能阻塞。生产中建议搭配 AOF 并禁用高危命令,避免误操作导致数据不可逆丢失。

花间相见的博客 218

【计算基础|Redis06】底层数据结构

本文详解Redis 7.4底层数据结构设计:以SDS替代C字符串实现O(1)长度查询与二进制安全;ZSet采用跳表+哈希表组合,兼顾排序与快速查找;小对象用listpack取代ziplist,根除连锁更新问题;List通过quicklist融合紧凑与链表优势;哈希表采用渐进式rehash避免阻塞;整数集合使用intset节省内存。结合OBJECT ENCODING实测,直观展示数据从紧凑编码(int/embstr/listpack)自动切换至通用编码(raw/hashtable)的过程,体现“小则省、大则快

花间相见的博客 348

Redis vs Memcached 在日志监控中的选型陷

在日志监控系统中,缓存作为关键一环,常常被用来提升系统的响应速度与处理能力。Redis 与 Memcached 作为两个主流的内存缓存技术,虽都适用于缓存场景,但在实际使用中存在显著差异。对于刚入行的初级程序员来说,在面对日志监控这类高并发、高频写入的场景时,往往难以判断应选择哪一种。本文将从日志监控的实际业务需求出发,结合 Redis 和 Memcached 的特性对比,分析在该场景下的选型陷阱与技巧,并给出一份可直接参考的技术方案对比表。

后台模板 178

Redis 缓存机制:缓存一致性、穿透、击穿与雪崩

Redis缓存通过CacheAside模式减少数据库压力,提升读取性能。核心问题包括缓存一致性、穿透、击穿与雪崩。更新数据库后删除缓存可缓解不一致,但存在竞态风险;缓存穿透可通过空值缓存或布隆过滤器防御;击穿可用互斥锁或逻辑过期应对;雪崩则需随机TTL、高可用部署及限流降级。命中率、延迟等指标需持续监控,关键业务应避免依赖缓存强一致性。

Joy T的博客 179

多存储协同架构:JPA + MyBatis + Elasticsearch + Redis 的职责分工与通用实现

本文阐述了在高并发订单系统中,通过JPA、MyBatis、Elasticsearch与Redis的多存储协同架构实现职责分离:JPA负责事务性写操作与简单查询;MyBatis处理复杂联查与报表统计;Elasticsearch承载海量数据下的多维检索与聚合;Redis用于缓存、防回滚暂存及分布式锁。各存储分工明确,通过异步同步机制联动,兼顾一致性、性能与扩展性,构建高效稳定的系统架构。

BADAO_LIUMANG_QIZHI的博客 276

Redis常见问题汇总

穿透:本质是“不存在的数据没法被缓存” → 布隆过滤器挡住 + 空值短缓存兜底 + 入口校验限流;雪崩:两个根因——同刻失效(TTL 加随机打散)和Redis 整挂(哨兵/集群 + 应用侧限流降级兜底);实际事故里八成是组合拳:批量过期叠加大促流量。上线前 Review 每个批量写入的 TTL 写法(有没有统一 EX),比事后救火便宜得多。

qq_38636133的博客 342

Ubuntu apt安装jdk1.8,nginx,mysql8.0,redis

装 MySQL 8.0 + 验证。先写配置,再装 MySQL。解决远程不能登录的问题。

qq_42729058的博客 197

开源实战:基于 Spring Boot 3 + Vue 3 + Redis 的高校选修课管理系统(志愿填报 + 统一抽签)

基于 Spring Boot 3 + Vue 3 + Redis 的高校选修课管理系统,选课采用「志愿填报 + 统一抽签」:填报期无锁提交,截止后一次性批算名额,公开 seed 可独立复算,逐志愿留有中签原因与投档顺位,R1 可退选、R2 锁定最终结果。附完整 GIF 与按角色分类的截图。

欢迎点赞 + 关注,开源项目见下方栏目 277

Redis 入门详解:核心特性、重要文件与全局命令实战

本文系统介绍了Redis的核心特性、重要文件及全局命令。Redis凭借内存存储、C语言实现和单线程设计,具备极高的读写性能;支持持久化(RDB/AOF)、主从复制与集群架构,适用于缓存、排行榜、计数器等场景,但不适合存储海量冷数据。文中还解析了常见面试题,如为何快速、单线程原理、持久化机制、KEYS *禁用原因及过期键处理策略,强调其在高并发场景下的优势与局限。

2303_77004089的博客 207

集群:把 Redis 换成 RedisCluster

这个系列没有讲安装,没有抄命令表,也没有追源码。把每个命令跑出来的结果摊开,让你看一眼就知道它在干什么。从EXISTS返回的是个数而不是布尔,到SETNX第二次返回 0、BLPOP返回两行、把分数相加——这些都不是背下来的,是输出里直接写着的。

wbs_scy的博客 371
上一篇: IDEA 2022.3 发布,终于支持 redis 了
下一篇: Java并发编程——多线程间的同步控制和通信
Java佳佳
博客等级 码龄4年 216粉丝 286原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值