面试官:Redis 这些我必问

百度面试官:Redis 这些我必问 年前公司java岗位面了30+候选人,面试下来发现几类几乎过不了的情况,真的不能再真实了。。。 1.新技术倒是掌握得挺多,基础的却一塌糊涂。 2.工作多年,从未学习过工作之外的技术栈,也没有对技术有任何的兴趣,遇到问题就百度去csdn看解决方案。 3.业务单一化和技术栈老化,技术简单,工作七八年,所有的项目都是spring+mybatis/hibernate+mysql。 这些情况一般面试就没啥希望了,毕竟对于大部分程序员来说:最重要的肯定是建立一个系统的知识支撑体系,使自... 阅读详情

分布式缓存

缓存好处:高性能 高并发

高性能(常用)

数据库查询耗费了800ms,其他用户对同一个数据再次查询 ,假设该数据在10分钟以内没有变化过,并且 10 分钟之内有 1000 个用户 都查询了同一数据,10 分钟之内,那 1000 个用户,每个人查询这个数据都感觉很慢 800ms比如 :某个商品信息,在 一天之内都不会改变,但是这个商品每次查询一次都要耗费2s,一天之内被浏览 100W次mysql 单机也就 2000qps,缓存单机轻松几万几十万qps,单机 承载并发量是 mysql 单机的几十倍。

高并发

在中午高峰期,有 100W 个用户访问系统 A,每秒有 4000 个请求去查询数据库,数据库承载每秒 4000 个请求会宕机,加上缓存后,可以 3000 个请求走缓存 ,1000 个请求走数据库。缓存是走内存的,内存天然可以支撑4w/s的请求,数据库(基于磁盘)一般建议并发请求不要超过 2000/s

缓存不良后果

  1. 缓存与数据库双写不一致
  2. 缓存雪崩
  3. 缓存穿透
  4. 缓存并发竞争

Redis 线程模型

redis 单线程 ,memcached 多线程redis 是单线程 nio 异步线程模型

Redis 和 Memcached 区别

  1. Redis 支持服务器端的数据操作:Redis比Memcached来说,拥有更多的数据结构和并支持更丰富的数据操作,通常在Memcached里,你需要将数据拿到客户端来进行类似的修改再set回去。这大大增加了网络 IO 的次数和数据体积。在Redis中,这些复杂的操作通常和一般的GET/SET一样高效。所以,如果需要缓存能支持更复杂的结构和操作,那么Redis会是不错的选择
  2. 集群模式:memcached 没有原生的集群模式,需要依靠客户端来实现往集群中分片写入数据,但是 Redis 目前是原生支持 cluster模式的

Redis 单线程模型

一个线程 一个队列

redis 基于 reactor 模式开发了网络事件处理器,这个处理器叫做文件事件处理器,file event handler,这个文件事件处理器是单线程的,所以redis 是单线程的模型,采用 io多路复用机制同时监听多个 socket,根据socket上的事件来选择对应的事件处理器来处理这个事件。文件事件处理器包含:多个 socket,io多路复用程序,文件事件分派器,事件处理器(命令请求处理器、命令回复处理器、连接应答处理器)文件事件处理器是单线程的,通过 io 多路复用机制监听多个 socket,实现高性能和线程模型简单性被监听的 socket 准备好执行 accept,read,write,close等操作的时候,会产生对应的文件事件,调用之前关联好的时间处理器处理多个 socket并发操作,产生不同的文件事件,i/o多路复用会监听多个socket,将这些 socket放入一个队列中排队。事件分派器从队列中取出socket给对应事件处理器。一个socket时间处理完后,事件分派器才能从队列中拿到下一个socket,给对应事件处理器来处理。

文件事件:AE_READABLE 对应 socket变得可读(客户端对redis执行 write操作)AE_WRITABLE 对应 socket 变得可写(客户端对 redis执行 read操作)I/O 多路复用可以同时监听AEREABLE和 AEWRITABLE ,如果同时达到则优先处理 AE_REABLE 时间文件事件处理器:连接应答处理器 对应 客户端要连接 redis命令请求处理器 对应 客户端写数据到 redis命令回复处理器 对应 客户端从 redis 读数据

流程:

  1. redis 初始化时,会将连接应答处理器跟 AE_READABLE事件关联
  2. 客户端对 redis 发起连接,产生一个 AE_READABLE 事件
  3. 连接应答处理器处理客户端 AEREADABLE 事件,创建客户端对应的 socket,同时将这个 socket的 AEREADABLE 事件和命令请求处理器关联
  4. 客户端对 redis 发起读请求,会在 socket上产生一个 AE_READABLE 事件
  5. 绑定 AEREADABLE 事件的命令请求处理器会从 socket 中读取请求相关数据,执行对应操作,当执行完毕后,将 socket的 AEWRITABLE 事件跟命令回复处理器关联
  6. 当客户端这边准备好读取响应时,会在 socket上产生一个AE_WRITABLE事件
  7. 绑定 AE_WRITABLE 事件的命令回复处理器将准备好的响应数据写入 socket,供客户端来读取
  8. 命令回复处理器写完后,删掉 socket的 AE_WRITABLE 事件和命令回复处理器的绑定关系

Redis 单线程模型效率高

一秒钟可以处理几万个请求

  1. 非阻塞 I/O 多路复用机制(不处理事件,只轮询请求压入队列)
  2. 纯内存操作(操作只有几微秒)
  3. 单线程反而 避免了多线程频繁上下文切换的问题

Redis 数据类型

  • string
    普通的 set,get kv缓存
  • hash
    类型 map结构,比如一个对象(没有嵌套对象)缓存到 redis里面,然后读写缓存的时候,可以直接操作hash的字段(比如把 age 改成 21,其他的不变)
    key=150
    value = {
    "id":150,
    "name":"zhangsan",
    "age":20
    }
  • list
    有序列表 ,元素可以重复
    可以通过 list 存储一些列表型数据结构,类似粉丝列表,文章评论列表。
    例如:微信大 V的粉丝,可以以 list 的格式放在 redis 里去缓存
    key=某大 V value=[zhangsan,lisi,wangwu]
    比如 lrange 可以从某个元素开始读取多少个元素,可以基于 list 实现分页查询功能,基于 redis实现高性能分页,类似微博下来不断分页东西。
    可以搞个简单的消息队列,从 list头怼进去(lpush),list尾巴出来 (brpop)
  • set
    无序集合,自动去重
    需要对一些数据快速全局去重,(当然也可以基于 HashSet,但是单机)
    基于 set 玩差集、并集、交集的操作。比如:2 个人的粉丝列表整一个交集,看看 2 个人的共同好友是谁?
    把 2 个大 V 的粉丝都放在 2 个 set中,对 2 个 set做交集(sinter)
  • sorted set
    排序的 set,去重但是可以排序,写进去的时候给一个分数,自动根据分数排序

排行榜:

  1. 将每个用户以及其对应的分数写入进去
    zadd board score username
  2. zrevrange board 0 99 可以获取排名前 100 的用户
  3. zrank board username 可以看到用户在排行榜里的排名
    例如:
    zadd board 85 zhangsan
    zadd board 72 wangwu
    zadd board 96 lis
    zadd board 62 zhaoliu

自动排序为:96 lisi85 zhangsan72 wangwu62 zhaoliu

获取排名前 3 的用户 : zrevrange board 0 396 lisi85 zhangsan72 wangwu

查看zhaoliu的排行 :zrank board zhaoliu 返回 4

Redis 过期策略

内存是宝贵的,磁盘是廉价的给key设置过期时间后,redis对这批key是定期删除 惰性删除定期删除:redis 默认每隔 100ms随机抽取一些设置了过期时间的 key,检查其是否过期了,如果过期就删除。注意:redis是每隔100ms随机抽取一些 key来检查和删除,而不是遍历所有的设置过期时间的key(否则CPU 负载会很高,消耗在检查过期 key 上)惰性删除:获取某个key的时候, redis 会检查一下,这个key如果设置了过期时间那么是否过期,如果过期了则删除。如果定期删除漏掉了许多过期key,然后你也没及时去查,也没走惰性删除,如果大量过期的key堆积在内存里,导致 redis 内存块耗尽,则走内存淘汰机制。

内存淘汰策略:

  1. noeviction:当内存不足以容纳新写入数据时,新写入操作直接报错(没人用)
  2. allkeys-lru: 当内存不足以容纳新写入数据时,在键空间中,移除最近最少使用的key(最常用)
  3. allkeys-random: 当内存不足以容纳新写入数据时,在键空间中,随机移除某个 key,(没人用)
  4. volatile-lru:当内存不足以容纳新写入数据时,在设置了过期时间的键空间中,移除最近最少使用的key(不合适)
  5. volatile-ttl:当内存不足以容纳新写入数据时,在设置了过期时间的键空间中,有更早过期时间的 key 优先移除(不合适)

LRU 算法:

package com.mousycoder.mycode;

import java.util.LinkedHashMap;
import java.util.Map;

/**
 * @version 1.0
 * @author: mousycoder
 * @date: 2019/10/31 17:55
 */
public class LRUCache<K,V> extends LinkedHashMap<K,V> {

    private final int CACHE_SIZE;

    public LRUCache( int cacheSize) {
        super((int)Math.ceil(cacheSize / 0.75)   1 ,0.75f,true);
        this.CACHE_SIZE = cacheSize;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return size() > CACHE_SIZE;
    }

    public static void main(String[] args) {
        LRUCache<Integer,Integer> lruCache = new LRUCache<>(10);
        for (int i = 0; i < 15; i  ) {
            lruCache.put(i,i);
        }

        Integer integer1 = lruCache.get(0);
        for (Integer integer : lruCache.keySet()) {
            System.out.println(integer);
        }

    }
}

Redis 高并发和高可用

缓存架构(多级缓存架构、热点缓存)redis 高并发瓶颈在单机,读写分离,一般是支撑读高并发,写请求少,也就 一秒一两千,大量请求读,一秒钟二十万次。

主从架构

一主多从,主负责写,将数据同步复制到其他 slave节点,从节点负责读,所有读的请求全部走从节点。主要是解决读高并发。、主从架构->读写分离->支撑10W 读QPS架构

Redis Replication

master->slave 复制,是异步的
核心机制:

  1. redis 采用异步方式复制数据到 slave 节点
  2. 一个 master node是可以配置多个 slave node的
  3. slave node也可以连接其他的 slave node
  4. slave node 做复制的时候,是不会 block master node的正常工作
  5. slave node 在做复制的时候,也不会 block对自己的查询操作,它会用旧的数据集来提供服务。但是复制完成时,需要删除旧数据集,加载新的数据集,这个时候就会暂停对外服务了。
  6. slave node 主要用来进行横向扩容,做读写分离,扩容 slave node 可以提高读的吞吐量

master持久化对主从架构的意义:如果开启了主从架构,一定要开启 master node的持久化,不然 master宕机重启数据是空的,一经复制,slave的数据也丢了

主从复制原理:第一次启动或者断开重连情况:

  1. 当启动一个 slave node的时候,它会发送一个 PSYNC 命令给 master node
  2. master 会触发一次 full resynchronization (如果不是第一次连接,master 只会复制给 slave 部分缺少的数据,从backlog里找)
  3. master会启动一个后台线程,开始生成一份 RDB 快照( bgsave,也可以直接在内存中创建),同时将从客户端收到的所有写命令缓存在内存中。RDB 文件生成完毕之后,master会将这个RDB发送给slave,slave会先写入本地磁盘,然后再从本地磁盘加载到内存中。然后 master会将内存中缓存的写命令发送给 slave,slave也会同步这些数据(slave如果跟 master网络故障,断开连接,会自动重连,master如果发现有多个 slave 来重新连接,仅仅只会启动一个 RDB save 操作,用一份数据服务所有 slave node)
    正常情况下:
    master 来一条数据,就异步给 slave

Redis高可用性

全年 99.99%的时间,都是出于可用的状态,那么就可以称为高可用性redis 高可用架构叫故障转移,failover,也可以叫做主备切换,切换的时间不可用,但是整体高可用。sentinal node(哨兵)

Sentinal

作用:

  1. 集群监控,负责监控 redis master 和 slave进程是否正常
  2. 消息通知,如果某个 redis 实例有故障,那么哨兵负责发送消息作为报警通知给管理员
  3. 故障转移,如果 master 挂掉,会自动转移到 slave
  4. 配置中心,如果故障转移了,通知 client 客户端新的 master地址

两节点哨兵集群

quorum = 1 (代表哨兵最低个数可以尝试故障转移,选举执行的哨兵)master 宕机,只有 S2 存活,因为 quorum =1 可以尝试故障转移,但是没达到 majority =2 (最低允许执行故障转移的哨兵存活数)的标准,无法执行故障转移

三节点哨兵集群(经典)

如果 M1 宕机了,S2,S3 认为 master宕机,选举一个执行故障转移,因为 3 个哨兵的 majority = 2,所以可以执行故障转移

Redis 主从 哨兵

丢数据:

  1. master内存中数据异步同步到 slave master 就挂掉了,丢掉了 master 内存中的数据
  2. 脑裂,某个 master 所在机器突然脱离了正常的网络,其他 slave机器不能连接,但是实际上 master还在运行,哨兵认为 master 宕机,选举 slave为master,此时集群里有 2 个 master, client还没来得及切换到新的master,还继续写在旧的 master上,数据丢了,此时旧的 master再次恢复,被被作为一个 slave 挂到新的 master 上,自己的数据被清空 (脑裂,大脑一分为 2,同时指挥同一个人)

解决方案:

  1. min-slaves-max-lag 10 (至少一个 slave同步的延迟不能超过 10s) 减少异步复制的数据丢失,发现slave复制数据和 ack延时过长,拒绝写入,减少同步数据损失。让client做降级写到本地磁盘里和限流,或者先暂存到消息队列,然后重新发回 master
  2. min-slaves-to-write 1 减少脑裂带来的数据丢失,最多损失 10 s数据,假设master 不能继续给 slave发送数据,并且 slave 10s没给自己的 ack消息,直接拒绝客户端写请求,同时 client做降写到本地磁盘、限流,或者先暂存到消息队列,然后重新发回 master

哨兵

sdown 主观宕机,哨兵觉得一个 master 宕机(ping 超过了 is-master-down-after-milliseconds毫秒数)odown 客观宕机,quorum数量的哨兵都觉得 master宕机哨兵互相感知通过 redis的 pub/sub系统,每隔 2 秒往同一个 channel里发消息(自己的 host,ip,runid),其他哨兵可以消费这个消息以及同步交换master的监控信息。哨兵确保其他slave修改master信息为新选举的master当一个 master被认为 odown && marjority哨兵都同意,那么某个哨兵会执行主备切换,选举一个slave成为master(考虑 1. 跟master断开连接的时长 2. slave 优先级 3.复制 offset 4. runid)选举算法:

  1. 如果slave跟master断开连接已经超过 down-after-milliseconds * 10 master宕机时间,则放弃
  2. 按 slave 优先级排序 ,slave-priority 越小越靠前
  3. replica offset ,哪个slave复制越多的数据,越靠前
  4. runid 越小,越靠前

quorum 数量哨兵认为odown->选举一个哨兵切换->获得 majority哨兵的授权(quorum < majority 需要 majority个哨兵授权,quorum >= majority 需要 quorum 哨兵授权)第一个选举出来的哨兵切换失败了,其他哨兵等待 failover-time之后,重新拿confiuration epoch做为新的version 切换,保证拿到最新配置,用于 configuration传播(通过 pu/sub消息机制,其他哨兵对比 version 新旧更新 master配置)

Redis 优化方案

高并发:主从架构高容量:Redis集群,支持每秒几十万的读写并发高可用:主从 哨兵

Redis 持久化

持久化的意义在于故障恢复数据备份(到其他服务器) 故障恢复(遇到灾难,机房断电,电缆被切)

  • RDB 对 Redis 中的数据执行周期性的持久化。
  • AOF 机制,每条写命令作为日志,以 append-only模式写入一个日志文件总,在 redis重启的时候,可以通过回放AOF日志中的写入指令来重新构建整个数据集
    AOF 只有一个,Redis 中的数据是有一定限量的,内存大小是一定的,AOF 是存放写命令的,当大到一定的时候,AOF 做 rewrite 操作,就会基于当时 redis 内存中的数据,来重新构造一个更小的 AOF 文件,然后将旧的膨胀很大的文件给删掉,AOF 文件一直会被限制在和Redis内存中一样的数据。AOF同步间隔比 RDB 小,数据更完整

RDB

优点:

  • RDB 会生成多个数据文件,每个数据文件都代表了某一个时刻中 redis 的数据,这种多个数据文件的方式,非常适合做冷备,可以将这种完整的数据文件发送到一些远程的安全存储上去,RDB 做冷备,生成多个文件,每个文件都代表某一个时刻的完整的数据快照,AOF 也可以做冷备,只有一个文件,每隔一定时间去 copy一份这个文件出来。 RDB 做冷备,由Redis控制固定时长去生成快照文件,比较方便。AOF,需要自己写脚本定时控制。
  • RDB 对 redis对外提供的读写服务,影响非常小,可以让 redis 保持高性能,因为 redis 主进程只需要 fork一个子进程,让子进程执行磁盘 IO 操作来进行 RDB 持久化
  • 相对于 AOF 持久化机制来说,直接基于 RDB 数据文件来重启和恢复 redis 进程,更加快速
    缺点:
  • 如果想要在 redis故障时,尽可能少丢数据,那么 RDB 没有 AOF 好,一般 RDB 数据快照,都是间隔 5 分钟,或者更长的时候生成一次,这个时候就得接受一旦 redis 进程宕机,那么会丢失最近 5 分钟数据
  • RDB 每次在 fork子进程来执行 RDB 快早数据文件生成的时候,如果数据文件特别大,可能会导致对客户端提供的服务暂停数毫秒,甚至数秒(RDB 生成间隔不要太长)
    AOF 存放的指令日志,数据恢复的时候,需要回放执行所有指令日志,RDB 就是一份数据文件,直接加载到内存中。

AOF

优点:

  1. 更好保护数据不丢失,后台线程 fsync 操作,最多丢失一秒钟数据,保证 os cache中的数据写入磁盘中
  2. AOF 用 append-only 模式,没有磁盘寻址开销,写入性能非常高,文件不容易损坏。
  3. AOF 日志过大的时候,后台 rewrite log时候,老的日志文件照常写入,新的merge后的日志文件 ready的时候,再交换新老日志文件
  4. 适合灾难性恢复,某人不小心 flushall清空所有数据,只要后台 rewrite还没发生,那么可以立刻拷贝 AOF 文件,将最后一条 flushall命令给删了,然后再将该 AOF 文件放回去,可以通过恢复机制,自动恢复所有数据

缺点:

  1. AOF 日志文件比 RDB 数据快照文件大
  2. 降低 Redis的写 QPS
  3. AOF 复杂,Bug多
  4. 数据恢复比较慢

最佳方案

AOF 来保证数据不丢失,RDB 做不同时间的冷备

Redis Cluster

支持 N 个 Redis master node,每个 master node挂载多个 slave node多master 读写分离 高可用

数据量很少,高并发 -> replication sentinal 集群海量数据 高并发 高可用 -> redis cluster

分布式算法

hash算法->一致性 hash 算法-> redis cluster->hash slot算法

redis cluster :自动对数据进行分片,每个 master 上放一部分数据,提供内置的高可用支持,部分master不可用时,还是可以继续工作cluster bus 通过 16379进行通信,故障检测,配置更新,故障转移授权,另外一种二进制协议,主要用于节点间进行高效数据交换,占用更少的网络带宽和处理时间

hash算法

key进行hash,然后对节点数量取模,最大问题只有任意一个 master 宕机,大量数据就要根据新的节点数取模,会导致大量缓存失效。

一致性 hash 算法

key进行hash,对应圆环上一个点,顺时针寻找距离最近的一个点。保证任何一个 master 宕机,只受 master 宕机那台影响,其他节点不受影响,此时会瞬间去查数据库。缓存热点问题:可能集中在某个 hash区间内的值特别多,那么会导致大量的数据都涌入同一个 master 内,造成 master的热点问题,性能出现瓶颈。解决方法:给每个 master 都做了均匀分布的虚拟节点,这样每个区间内大量数据都会均匀的分布到不同节点内,而不是顺时针全部涌入到同一个节点中。

Hash Slot算法

redis cluster 有固定 16384 个 hash slot,对每个key计算 CRC16 值,然后对16384取模,可以获取 key对应的 hash slotredis cluster 中每个 master 都会持有部分 slot ,当一台 master 宕机时候,会最快速度迁移 hash slot到可用的机器上(只会短暂的访问不到)走同一个 hash slot 通过 hash tag实现

Redis Cluster 核心

  1. 基础通信
    通过 gossip 协议通信(小道留言,所有节点都持有一份元数据,不同的节点如果出现了元数据的变更,就不断将元数据发送给其他节点,让其他节点也进行元数据的变更)

    集群元数据:包括 hashslot->node之间的映射表关系,master->slave之间的关系,故障的信息
    集群元数据集中式存储(storm),底层基于zookeeper(分布式协调中间件)集群所有元数据的维护。好处:元数据的更新和读取,时效性好,一旦变更,其他节点立刻可以感知。缺点:所有元数据的更新压力全部集中在一个地方,可能会导致元数据的存储有压力。
    goosip: 好处:元数据的更新比较分散,有一定的延时,降低了压力。缺点:更新有延时,集群的一些操作会滞后。(reshared操作时configuration error)
  2. 10000 端口
    自己提供服务的端口号 10000 ,每隔一段时间就会往另外几个节点发送ping消息,同时其他几点接收到ping之后返回pong
  3. 交换的信息
    故障信息,节点的增加和移除, hash slot 信息
  4. gossip协议
    meet:某个节点发送 meet给新加入的节点,让新节点加入集群中,然后新节点就会开始于其他节点进行通信
    ping:每个节点都会频繁给其他节点发送ping,其中包含自己的状态还有自己维护的集群元数据,互相通过ping交换元数据
    ping:返回ping和meet,包含自己的状态和其他信息
    fail:某个节点判断另一个节点fail之后,就发送 fail 给其他节点,通知其他节点,指定的节点宕机了
  5. ping消息
    ping 很频繁,且携带元数据,会加重网络负担
    每个节点每秒会执行 10 次 ping,每次选择 5 个最久没有通信的其他节点
    当如果发现某个节点通信延迟达到了 clusternodetimeout /2 ,那么立即发送 ping, 避免数据交换延迟过长,落后时间太长(2 个节点之间 10 分钟没有交换数据,整个集群处于严重的元数据不一致的情况)。
    每次ping,一个是带上自己的节点信息,还有就是带上1/10其他节点的信息,发送出去,进行数据交换
    至少包含 3 个其他节点信息,最多包含总节点-2 个其他节点的信息
  6. JRedis原理
  • 请求重定向
    客户端发送到任意一个redis实例发送命令,每个redis实例接受到命令后,都会计算key对应的hash slot,如果在本地就本地处理,否则返回moved给客户端,让客户端进行重定向 (redis-cli -c)
  • hash slot
    通过tag指定key对应的slot,同一个 tag 下的 key,都会在一个 hash slot中,比如 set key1:{100} 和 set key2:{100}
  • smart jedis
    本地维护一份hashslot->node的映射表。
    JedisCluster 初始化的时候,随机选择一个 node,初始化 hashslot->node 映射表,同时为每个节点创建一个JedisPool连接池,每次基于JedisCluster执行操作,首先JedisCluster都会在本地计算key的hashslot,然后再本地映射表中找到对应的节点,如果发现对应的节点返回moved,那么利用该节点的元数据,更新 hashslot->node映射表(重试超过 5 次报错)
  • hashslot迁移和ask重定向
    hash slot正在迁移,那么会返回ask 重定向给jedis,jedis 接受到ask重定向之后,,会重定向到目标节点去执行
  • 高可用性和主备切换原理
    判断节点宕机:
    如果一个节点认为另外一个节点宕机了, 就是pfail,主观宕机
    如果多个节点都认为另外一个节点宕机了,那么就是fail,客观宕机(跟哨兵原理一样)
    在cluster-node-timeout内,某个节点一直没有返回 pong,那么就被认为是 pfail
    如果一个节点认为某个节点pfail了,那么会在gossip消息中,ping给其他节点,如果超过半数的节点认为pfail了,那么就会变成fail。
    从节点过滤:
    对宕机的 mster node ,从其所有的 slave node中,选择一个切换成 master node
    检查每个 slave node与master node断开连接的时间,如果超过了cluster-node-timeout * cluster-slave-validity-factor,那么就没资格切换成 master(和哨兵一致)
    从节点选举:
    每个从节点,根据自己对 master 复制数据的 offset,设置一个选举时间,offset越大(复制数据越多)的从节点,选举时间越靠前,所有的 master node 开始投票,给要进行选举的 slave进行投票,如果大部分 master node(N/2 1) 都投票给某个从节点,那么选举通过,从节点执行主备切换,从节点切换成主节点
    总结:和哨兵很像,直接集成了 replication 和 sentinal

缓存雪崩

方案:事前:保证 redis 集群高可用性 (主从 哨兵或 redis cluster),避免全盘崩溃事中:本地 ehcache 缓存 hystrix 限流(保护数据库) & 降级,避免 MySQL被打死事后: redis持久化,快速恢复缓存数据,继续分流高并发请求

限制组件每秒就 2000 个请求通过限流组件进入数据库,剩余的 3000 个请求走降级,返回一些默认 的值,或者友情提示好处 :

  1. 数据库绝对不会死,确保了每秒只会过去 2000 个请求
  2. 只要数据库不死,对于用户来说 2/5的请求可以被处理
  3. 系统没死,用户多点几次可能就刷出来了

缓存穿透

4000 个请求黑客攻击请求数据库里没有的数据解决方案:把黑客查数据库中不存在的数据的值,写到缓存中,比如: set -999 UNKNOWN

缓存与数据库双写一致性

  1. cache aside pattern

    读的时候,先读缓存,缓存没有,就读数据库,然后取出数据后放入缓存,同时返回响应
    更新的时候,删除缓存,更新数据库
    为什么不更新缓存:
    更新缓存代价太高(更新 20 次,只读 1 次),lazy思想,需要的时候再计算,不需要的时候不计算
  2. 修改数据库成功,删除缓存失败,导致数据库是新的数据,缓存中是旧的数据
    方案:先删除缓存,再修改数据库

  3. 修改数据库还没修改完,同时又有查询请求,把旧的数据放到缓存中(高并发,每秒并发读几万,每秒只要有数据更新请求,就可能出现数据库 缓存不一致情况)
    方案:写,读路由到相同的一个内存队列(唯一标识,hash,取模)里,更新和读操作进行串行化(后台线程异步执行队列串行化操作),(队列里只放一个更新查询操作即可,多余的过滤掉,内存队列里没有该数据更新操作,直接返回 )有该数据更新操作则轮询取缓存值,超时取不到缓存值,直接取一次数据库的旧值

    TP 99 意思是99%的请求可以在200ms内返回
    注意点:多个商品的更新操作都积压在一个队列里面(太多操作积压只能增加机器),导致读请求发生大量的超时,导致大量的读请求走数据库
    一秒 500 写操作,每200ms,100 个写操作,20 个内存队列,每个队列积压 5 个写操作,一般在20ms完成

Redis 并发竞争问题

方案:分布式锁 时间戳比较

Redis 集群部署架构

10台机器,5 主 5 从,每个节点QPS 5W ,一共 25W QPS(Redis cluster 32G 8 核 ,Redis 进程不超过 10G)总内存 50g,每条数据10kb,10W 条数据1g,200W 条数据 20G,占用总内存不到50%,目前高峰期 3500 QPS

本文由博客一文多发平台 OpenWrite 发布!

java面试必问21:Redis缓存穿透、击穿、雪崩:从原理到实战,面试官都佩服你 缓存穿透:查询一个根本不存在的数据,缓存层和存储层都不会命中。每次请求都会穿透缓存直达数据库,如果恶意攻击或大量请求,会导致数据库压力剧增甚至崩溃。缓存击穿:某个热点 key(如秒杀商品、爆款新闻)在缓存过期的瞬间,有大量并发请求同时访问该 key,由于缓存失效,所有请求都落到数据库上,导致数据库瞬间压力过大。缓存雪崩:由于大量缓存 key 在同一时间段过期,或者缓存服务宕机,导致所有请求直接打到数据库,造成数据库压力骤增甚至崩溃。穿透:最根本的防护是布隆过滤器,可拦截绝大多数无效 key。 阅读详情

相关推荐

面试官问“你了解Redis吗“时,到底在挖什么?|从0到1拆解Redis面试底层逻辑

当面试官问"你了解Redis吗",大部分候选人能流畅背出"Redis是内存数据库""支持多种数据结构",但一旦追问"为什么用跳表实现Zset?""主从同步延迟怎么排查?",回答就开始卡壳。

🚩 Flag:今年绝不写屎山代码(去年也是这么说的) 955

redis线程模型

Reactor模型都是 利用IO多路复用接收客户端请求。不同点在于接受请求后的处理。

meser88的博客 4982

【面试官问】Redis 持久化

Redis 4.0 之后新增的方式,混合持久化是结合了 RDB 和 AOF 的优点,在写入的时候,先把当前的数据以 RDB 的形式写入文件的开头,再将后续的操作命令以 AOF 的格式存入文件,这样既能保证 Redis 重启时的速度,又能减低数据丢失的风险。混合持久化结合了 RDB 和 AOF 持久化的优点,开头为 RDB 的格式,使得 Redis 可以更快的启动,同时结合 AOF 的优点,有减低了大量数据丢失的风险。混合持久化结合了 RDB 和 AOF 的优点,Redis 5.0 默认是开启的。

qq_43238568的博客 1610

Redis源码剖析——线程模型

Redis线程模型相关内容

weixin_44479862的博客 3558

JW01二氧化碳传感器实战:5分钟搞定Arduino环境监测系统(附完整代码)

本文详细介绍了如何使用JW01二氧化碳传感器与Arduino快速搭建环境监测系统。通过简单的硬件连接和完整的代码示例,读者可以在5分钟内实现CO2浓度实时监测,并了解数据解析、常见问题解决及进阶应用扩展。JW01传感器的高精度和易用性使其成为创客和嵌入式开发者的理想选择。

kite3的博客 383

Arcmap计算土方量教程

1. 创建现状TIN 结果数据: 2. 创建设计TIN 结果数据: 注意:现状TIN和设计TIN构建时候的坐标系不同,设置坐标系见最后的注意事项第1点,就是import(导入)那步骤,现状TIN构建时选择高程点数据或者等高线数据,设计TIN构建时候选择洱海面数据 3. TIN转栅格 改成你要存的数据库,注意中间不要有汉字 结果数据(设计TIN转栅格的同理) 4. 裁剪现状TIN转成的栅格 结果数据: 5. 计算土方量 结果数据: ...

欢迎关注,共同进步! 5017

关于Redis的线程模型

文章摘要:Redis 6.0引入了多线程I/O模型,在保持核心命令单线程执行的同时,通过多线程处理网络I/O以提高性能。传统单线程模型避免了锁竞争但存在网络I/O瓶颈,而新模型利用I/O多路复用和非阻塞套接字技术,显著提升了高并发场景下的吞吐量。配置时需根据CPU核心数合理设置I/O线程数(通常2-4个),平衡性能与资源开销。这种混合模型既保留了数据操作的安全性,又提升了网络处理效率,特别适合大数据量、高并发的应用场景。

weixin_50055999的博客 2359

麒麟OS(Kylin OS)操作系统minikube+docker安装使用及遇到的问题

一 ,安装minikube及操作工具kubectl 1,安装kubectl 使用以下命令下载最新版本: curl -LO "https://dl.k8s.io/release/$(curl -L -s https://dl.k8s.io/release/stable.txt)/bin/linux/amd64/kubectl" 要下载指定版本(例如v1.22.0版本) ,请键入: curl -LO https://dl.k8s.io/release/v1.22.0/bin/linux/amd..

qq_23396017的博客 2644

1、深入理解Redis线程模型

以上介绍的各种机制,其实都是Redis改变指令执行顺序的方式。在这几种工具中,Lua脚本通常会是项目中用得最多的方式。在很多追求极致性能的高并发场景,Lua脚本都会担任很重要的角色。但是其他的各种方式你也需要有了解,这样面临真实业务场景,你才有更多的方案可以选择。Redis的线程模型整体还是多线程的,只是后台执行指令的核心线程是单线程的。整个线程模型可以理解为还是以单线程为主。基于这种单线程为主的线程模型,不同客户端的各种指令都需要依次排队执行。

输入知识,消化知识,输出知识,分享知识,教人让我学习更好,业精于勤荒于嬉,行成于思毁于随 2061

数字后端CTS实战:从时钟信号原理到Innovus时钟树综合优化

在数字集成电路设计中,时钟信号是驱动所有时序逻辑的基准,其质量直接决定芯片能否稳定工作。理想时钟被视为完美方波,而真实芯片中的时钟因物理传播延迟会产生偏斜(clock skew)与延迟(latency),这是后端设计必须解决的核心矛盾。时钟树综合(CTS)作为布局与布线之间的关键步骤,通过插入缓冲器、反相器构建平衡的时钟分配网络,从而改善时序收敛并降低信号完整性风险。掌握时钟单元选型、SDC约束设置、useful skew应用以及Innovus工具的操作要点,是物理实现工程师提升设计成功率的重要能力。本文从

weixin_34150830的博客 462

深入详细分析Skyworks 78113 PAMiD射频方案图

是一种高集成度的射频前端模块,它结合了功率放大器(PA)、双工器(Duplexer)、滤波器和开关等多个组件,主要用于4G LTE移动通信系统中的射频前端链路。是一款典型的PAMiD模块,通过将多个频段的发射(TX)和接收(RX)路径集成在一个模块中,大大减少了传统射频设计中的分立器件,同时提高了信号链路的效率和可靠性。模块化设计的优势PCB空间优化:高集成度设计大幅减小了射频电路的尺寸,适用于紧凑型移动设备。减少设计复杂度:模块化设计减少了器件间的匹配与调试工作,加速产品开发周期。性能稳定性。

weixin_43199439的博客 1483

京东面试官:Redis 这些我必问

分布式缓存 缓存好处:高性能 + 高并发 高性能(常用) 数据库查询耗费了800ms,其他用户对同一个数据再次查询 ,假设该数据在10分钟以内没有变化过,并且 10 分钟之内有 1000 个用户 都查询了同一数据,10 分钟之内,那 1000 每个用户,每个人查询这个数据都感觉很慢 800ms 比如 :某个商品信息,在 一天之内都不会改变,但是这个商品每次查询一次都要耗费2s,一天之内被浏览 100W次 mysql 单机也就 2000qps,缓存单机轻松几万几十万qps,单机 承载...

m0_67322837的博客 287

流体动力学仿真软件:SU2_(3).SU2的网格生成技术

设置网格的大小、密度等参数。

kkchenjj的博客 1033

面试官必问:谈谈 Redis 的过期策略?

在日常开发中,我们使用 Redis 存储 key 时通常会设置一个过期时间,但是 Redis 是怎么删除过期的 key,而且 Redis 是单线程的,删除 key 会不会造成阻塞。要搞清楚这些,就要了解 Redis 的过期策略和内存淘汰机制。Redis采用的是定期删除 + 懒惰删除策略。

Java后端架构V 418

【麒麟系统】Rsync文件复制与同步工具

本文摘要: Rsync是一款Linux/Unix系统标配的高效文件同步工具,支持增量传输、SSH加密、断点续传等核心功能,相比SCP具有显著优势。文章详细解析了Rsync的五种标准语法格式和常用参数组合,重点介绍了本地同步、远程SSH同步(推送/拉取)的实操方法,并提供了密钥免密登录配置方案。针对企业运维场景,还讲解了文件过滤、镜像同步(--delete)、迁移同步(--remove-source-files)、空运行预校验(--dry-run)等高级功能,以及带宽限速等优化技巧,帮助用户安全高效地完成各类

信创运维工程师 · 银河麒麟 & 容器实战 | 金融生产环境迁移·等保加固 | 142篇原创·17万+阅读 1000

Python航空航天设计神器!从入门到实操,小白也能搞定飞机优化

AeroSandbox的核心价值的是:​降低航空工程优化的门槛,用Python实现高效、简洁的工程设计​。无论是科研、学习还是实际项目,它都能帮你节省大量时间,不用再手动推导导数、编写复杂的优化逻辑。对于新手来说,建议先从案例1(Rosenbrock函数)入手,熟悉优化流程,再尝试案例2(翼型优化),逐步掌握核心用法;对于有航空相关需求的小伙伴,可以深入研究内置的物理模型,结合自己的项目进行定制化开发。最后,互动时间到!👉 你是用AeroSandbox做科研、练手还是实际项目?

源代码杀手的博客 127

Redis缓存那点破事 , 绝杀面试官 25 问

大家好,我是Tom哥~为了便于大家查找问题,了解全貌,整理个目录,我们可以快速全局了解关于Redis 缓存,面试官一般喜欢问哪些问题?接下来,我们逐条来看看每个问题及答案Redis 有哪些特性?答案:性能高, 读的速度是100000次/s,写的速度是80000次/s数据持久化,支持RDB 、AOF支持事务。通过MULTI和EXEC指令包起来。多种数据结构类型主从复制其他特性:发布/订阅、通知、key过期等Redis 为什么这么快?答案:完全基于内存,没有磁盘IO上的开销,异步持久化除外单线程,避免多个线程切

公众号:微观技术 1万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Redis夺命十二问,差点没抗住

Redis 是面试中绕不过的槛,只要在简历中写了用过 Redis,肯定逃不过。今天我们就来模拟一下面试官在 Redis 这个话题上是如何一步一步深入,全面考察候选人对于 Redis 的掌握情况。小二:面试官,你好。我是来参加面试的。面试官:你好,小二。我看了你的简历,熟练掌握 Redis,那么我就随便问你几个 Redis 相关的问题吧。首先我的问题是,Redis 是单线程还是多线程呢 ?小二:Redis 不同版本之间采用的线程模型是不一样的,在 Redis4.0 版本之前使用的是单线程模型,在 4.0 版本

知识分享官 9083

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

面试官:我们来聊一聊Redis吧,你了解多少就答多少

面试官:我们来聊一聊Redis吧,后面的问题你肯定想不到

真正的大师永远怀着一颗学徒的心 1万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

redis相关原理及面试官由浅到深必问的15大问题(高级)

0.redis是什么?redis是nosql(也是个巨大的map) 单线程,但是可处理1秒10w的并发(数据都在内存中)使用java对redis进行操作类似jdbc接口标准对mysql,有各类实现他的实现类,我们常用的是druid其中对redis,我们通常用Jedis(也为我们提供了连接池JedisPool)在redis中,key就是byte[](stri...

Java进阶架构师 6万+

Redis面试必问的7个核心问题(附超详细解析)

Redis的学问三天三夜都讲不完,但搞定这7个问题绝对能让你在面试中脱颖而出!一定要动手搭集群!用docker起3主3从的Cluster模式,实操一遍增删节点学会用redis-benchmark做压力测试,亲眼看看单线程的威力要是还有其他Redis难题,评论区砸过来,咱们接着唠!

xiaowangabc1的专栏 1243

为什么Java面试必问Redis?

Redis这玩意不用多说,Java后端打工人就没有没接触过的,现在出去面试基本上是必问项;而且在工作中在项目中还能起很大的作用。它不仅能减少数据库的操作、并且你还可以利用redis的一些数据结构如set sorted set 解决一些特定的问题、利用单线程实现分布式锁、一些简单的订阅发布等等。

wdj_yyds的博客 313

互联网公司面试必问的Redis题目

Redis 的复制(replication)功能允许用户根据一个 Redis 服务器来创建任意多个该服务器的复制品,其中被复制的服务器为主服务器(master),而通过复制创建出来的服务器复制品则为从服务器(slave)。只要主从服务器之间的网络连接正常,主从服务器两者会具有相同的数据,主服务器就会一直将发生在自己身上的数据更新同步 给从服务器,从而一直保证主从服务器的数据相同。一般的缓存系统,都是按照key去缓存查询,如果不存在对应的value,就应该去后端系统查找(比如DB)。...

TimeFriends 1373

面试官Redis这些必问

分布式缓存 缓存好处:高性能 + 高并发 高性能(常用) 数据库查询耗费了800ms,其他用户对同一个数据再次查询 ,假设该数据在10分钟以内没有变化过,并且 10 分钟之内有 1000 个用户 都查询了同一数据,10 分钟之内,那 1000 个用户,每个人查询这个数据都感觉很慢 800ms 比如 :某个商品信息,在 一天之内都不会改变,但是这个商品每次查询一次都要耗费2s,...

谢谢你,慌乱了我的年华 315
上一篇: 【JVM 知识体系框架总结】
下一篇: 面试官:Netty这些我必问
mousy_coder
博客等级 码龄12年 2粉丝 22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