01-Redis 面试题-mk

1.redis数据结构

Redis 提供了丰富的数据结构，每种结构都有其特定的用途和优势。以下是 Redis 支持的主要数据结构：

1.1.字符串（String）

• 特点：最基本的数据类型，二进制安全，最大512MB
• 常用命令：
  • SET key value / GET key
  • INCR key / DECR key (原子计数器)
  • APPEND key value
  • STRLEN key
• 应用场景：
  • 缓存简单数据
  • 计数器
  • 分布式锁

1.2. 哈希（Hash）

• 特点：键值对集合，适合存储对象
• 常用命令：
  • HSET key field value
  • HGET key field
  • HGETALL key
  • HDEL key field
• 应用场景：
  • 存储用户信息等对象数据
  • 商品属性存储

1.3. 列表（List）

• 特点：有序、可重复的字符串集合，双向链表实现
• 常用命令：
  • LPUSH key value / RPUSH key value
  • LPOP key / RPOP key
  • LRANGE key start stop
  • LLEN key
• 应用场景：
  • 消息队列
  • 最新消息排行
  • 记录日志

1.4. 集合（Set）

• 特点：无序、唯一的字符串集合
• 常用命令：
  • SADD key member
  • SMEMBERS key
  • SISMEMBER key member
  • SINTER key1 key2 (交集)
• 应用场景：
  • 标签系统
  • 共同好友
  • 去重操作

1.5. 有序集合（Sorted Set / ZSet）

• 特点：有序、唯一的字符串集合，每个元素关联一个分数(score)
• 常用命令：
  • ZADD key score member
  • ZRANGE key start stop [WITHSCORES]
  • ZREVRANGE key start stop (逆序)
  • ZRANK key member (获取排名)
• 应用场景：
  • 排行榜
  • 带权重的消息队列
  • 范围查询

1.6. 位图（Bitmap）

• 特点：通过字符串实现的位操作
• 常用命令：
  • SETBIT key offset value
  • GETBIT key offset
  • BITCOUNT key
  • BITOP operation destkey key [key ...]
• 应用场景：
  • 用户签到
  • 活跃用户统计
  • 布隆过滤器实现

1.7. HyperLogLog

• 特点：用于基数统计的算法，误差率约0.81%
• 常用命令：
  • PFADD key element [element ...]
  • PFCOUNT key [key ...]
  • PFMERGE destkey sourcekey [sourcekey ...]
• 应用场景：
  • UV统计
  • 大规模去重计数

1.8. 地理空间（Geospatial）

• 特点：存储地理位置信息
• 常用命令：
  • GEOADD key longitude latitude member
  • GEODIST key member1 member2 [unit]
  • GEORADIUS key longitude latitude radius unit
• 应用场景：
  • 附近的人
  • 地理位置计算

1.9. 流（Stream）

• 特点：Redis 5.0引入，类似日志的数据结构
• 常用命令：
  • XADD key ID field value [field value ...]
  • XREAD [COUNT count] [BLOCK milliseconds] STREAMS key [key ...] ID [ID ...]
  • XGROUP CREATE key groupname ID
• 应用场景：
  • 消息队列
  • 事件溯源

选择数据结构的原则

1. 根据数据特征选择：是否需要排序、去重等
2. 考虑操作复杂度：不同数据结构操作的时间复杂度不同
3. 内存效率：不同结构的内存使用效率不同
4. 扩展性：未来可能的查询需求变化

Redis 的强大之处在于这些数据结构的高效实现和丰富的操作命令，合理选择数据结构可以极大提升系统性能和开发效率。

2.redis使用的场景有哪些？

redis 使用场景：

• 缓存（穿透、击穿、雪崩，双写一直，持久化，数据过期，淘汰策略）
• 分布式锁（setnx，redisson）
• 计数器（incr 命令实现）
• 保存token（string）
• 消息队列（list）
• 延迟队列（zset）

其它：

• 集群（主从、哨兵、集群）
• 事务
• redis 为什么这么快？

我看你做的项目中，都用到了redis，你在最近的项目中哪些场景使用了redis呢？

** 结合项目 **

• 一是验证你的项目场景的真实性，二是为了作为深入发问的切入点（根据自己简历上的业务进行回答）
• 缓存 （缓存三兄弟（穿透、击穿、雪崩）、双写一致、持久化、数据过期策略、数据淘汰策略）
• 分布式锁 （setnx、redisson）
• 消息队列、延迟队列 （何种数据类型）

标易行项目redis内存中放哪些数据
redis 内存中放哪些数据？

3.什么是缓存穿透？

例：
一个get请求：api/news/getById/1

**缓存穿透：**查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库（导致数据库并发并不高，请求到达一定量会击垮数据库）

**解决方案一：**缓存空数据，如果mysql查询的数据结果为空，仍把这个空结果进行缓存（如查询key为1的null 数据，则在redis中缓存{key:1, value:null}）
**优点：**简单
**缺点：**消耗内存，可能会发生数据不一致的问题

为什么会发生数据不一致问题？

比如一开始数据库中没有key=1的数据，redis缓存空数据（key:1,value:null），后面往数据库中添加key=1的数据时，用户过来查询还是查到了redis 的空数据，由此产生redis和数据库数据不一致的问题。

例：
一个get请求：api/news/getById/1

注意：一些热点数据添加到缓存数据库同时(缓存预热)，也要添加到布隆过滤器中

**解决方案二：**布隆过滤器

**优点：**没有多余key，所以内存占用较少
**缺点：**实现复杂，存在误判

布隆过滤器

**bitmap（位图）：**相当于是一个以（bit）位为单位的数组，数组中每个单元只能存储二进制数0或1
**布隆过滤器作用：**布隆过滤器可以用于检索一个元素是否在一个集合中。

基本概念
1.bit(位，又名“比特”)：bit的缩写是b，是计算机中的最小教据单位(属于二进制的范畴，其实就是0或者1)
2.Bvte(字节)：Byte的缩写是B，是计算机文件大小的基本计算单位，比如一个字符就是 1Byte 如果是汉字，则是2 Byte，1B(字节)=8b(位)

为什么存在误判？

假设id=1的数据，通过多个hash函数，获取多个hash值，假如这个值分别为1、3、7，需要把对应数组上由0改为1，假设id=2的数据按照上面方法也获取多个hash值，分别为9、12、14，也把对应的数组上的0改为1。现在查询id=3，通过多个hash函数计算，值为3、9、12，虽然数组中没有id=3的数据，但还是返回查询成功，这个就是误判**。降低误判需要增大数组，增大数组的长度会增大内存的消耗，一般项目内设置5%的误判率，不至于高并发压倒数据库。**

什么是缓存穿透，怎么解决

• 缓存穿透：查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库
• 解决方案一：缓存空数据
• 解决方案二：布隆过滤器

面试参考回答：

**缓存穿透：**查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库

• 解决方案一：缓存空数据
  • 优点：简单
  • 缺点：消耗内存，可能会发生数据不一致的问题
• 解决方案二：布隆过滤器
  • 优点：内存占用较少，没有多余key
  • 缺点：实现复杂，存在误判

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（如mysql）查不到数据则不写入缓存，这将导致这个不存在的数据请求每次都要到 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，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。

4.什么是缓存击穿？

缓存击穿：给某一个key设置了过期时间，当key过期的时候，恰好这时间点，这个key有大量的并发请求过来，这些并发的请求可能会瞬间把DB压垮

缓存重建：当key过期，redis查询不到，去查DB，DB查询到结果，写入redis。

如果缓存重建的过程中花费50毫秒，为什么需要花费50毫秒？
有的时候存入缓存中的数据需要涉及多张表，多张表需要先分别统计后汇总结果，这样花费时间会更久

解决方案一：互斥锁
解决方案二：逻辑过期

什么是互斥锁？

缺点：只能有一个线程获取锁，然后查询数据库重建缓存，其它线程只能等待，性能相对来说比较差
优点：强一致性（和钱相关的需要保持强一致）

什么是逻辑过期？

热点key不在缓存中设置过期时间，如何判断当前数据是否过期？新增数据到缓存的时候，新增一个过期的时间字段

优点：高可用、性能优（注重用户体验，互联网一般选择高可用）
缺点：不能保证数据的绝对一致


缓存击穿

缓存击穿：给某一个key设置了过期时间，当key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。

• 解决方案一：互斥锁，强一致，性能差
• 解决方案二：逻辑过期，高可用，性能优，不能保证数据绝对一致

面试官：什么是缓存击穿 ? 怎么解决 ?

候选人：嗯！！缓存击穿的意思是给某一个key设置了过期时间，当key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（获取缓存）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的逻辑过期，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。

5.什么是缓存雪崩？

缓存雪崩：是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

解决方案：

1. 给不同的Key的TTL（过期时间）添加随机值（在原有过期时间上添加随机值1-5