本文圍繞以下幾點進行闡述

1、為什麽使用redis
2、使用redis有什麽缺點
3、單線程的redis為什麽這麽快
4、redis的數據類型，以及每種數據類型的使用場景
5、redis的過期策略以及內存淘汰機制
6、redis和數據庫雙寫一致性問題
7、如何應對緩存穿透和緩存雪崩問題
8、如何解決redis的並發競爭問題

正文

1、為什麽使用redis

分析:博主覺得在項目中使用redis，主要是從兩個角度去考慮:性能和並發。當然，redis還具備可以做分布式鎖等其他功能，但是如果只是為了分布式鎖這些其他功能，完全還有其他中間件(如zookpeer等)代替，並不是非要使用redis。因此，這個問題主要從性能和並發兩個角度去答。

回答:如下所示，分為兩點

（一）性能

如下圖所示，我們在碰到需要執行耗時特別久，且結果不頻繁變動的SQL，就特別適合將運行結果放入緩存。這樣，後面的請求就去緩存中讀取，使得請求能夠迅速響應。

題外話：忽然想聊一下這個迅速響應的標準。其實根據交互效果的不同，這個響應時間沒有固定標準。不過曾經有人這麽告訴我:”在理想狀態下，我們的頁面跳轉需要在瞬間解決，對於頁內操作則需要在剎那間解決。另外，超過一彈指的耗時操作要有進度提示，並且可以隨時中止或取消，這樣才能給用戶最好的體驗。”

那麽瞬間、剎那、一彈指具體是多少時間呢？

根據《摩訶僧祗律》記載

一剎那者為一念，二十念為一瞬，二十瞬為一彈指，二十彈指為一羅預，二十羅預為一須臾，一日一夜有三十須臾。

那麽，經過周密的計算，一瞬間為0.36 秒,一剎那有 0.018 秒.一彈指長達 7.2 秒。

（二）並發

如下圖所示，在大並發的情況下，所有的請求直接訪問數據庫，數據庫會出現連接異常。這個時候，就需要使用redis做一個緩沖操作，讓請求先訪問到redis，而不是直接訪問數據庫。

2、使用redis有什麽缺點

分析:大家用redis這麽久，這個問題是必須要了解的，基本上使用redis都會碰到一些問題，常見的也就幾個。

回答:主要是四個問題

(一)緩存和數據庫雙寫一致性問題

(二)緩存雪崩問題

(三)緩存擊穿問題

(四)緩存的並發競爭問題

這四個問題，我個人是覺得在項目中，比較常遇見的，具體解決方案，後文給出。

3、單線程的redis為什麽這麽快

分析:這個問題其實是對redis內部機制的一個考察。其實根據博主的面試經驗，很多人其實都不知道redis是單線程工作模型。所以，這個問題還是應該要復習一下的。

回答:主要是以下三點

(一)純內存操作
(二)單線程操作，避免了頻繁的上下文切換
(三)采用了非阻塞I/O多路復用機制

題外話：我們現在要仔細的說一說I/O多路復用機制，因為這個說法實在是太通俗了，通俗到一般人都不懂是什麽意思。博主打一個比方：小曲在S城開了一家快遞店，負責同城快送服務。小曲因為資金限制，雇傭了一批快遞員，然後小曲發現資金不夠了，只夠買一輛車送快遞。

經營方式一

客戶每送來一份快遞，小曲就讓一個快遞員盯著，然後快遞員開車去送快遞。慢慢的小曲就發現了這種經營方式存在下述問題

• 幾十個快遞員基本上時間都花在了搶車上了，大部分快遞員都處在閑置狀態，誰搶到了車，誰就能去送快遞

• 隨著快遞的增多，快遞員也越來越多，小曲發現快遞店裏越來越擠，沒辦法雇傭新的快遞員了

• 快遞員之間的協調很花時間

綜合上述缺點，小曲痛定思痛，提出了下面的經營方式

經營方式二

小曲只雇傭一個快遞員。然後呢，客戶送來的快遞，小曲按送達地點標註好，然後依次放在一個地方。最後，那個快遞員依次的去取快遞，一次拿一個，然後開著車去送快遞，送好了就回來拿下一個快遞。

對比

上述兩種經營方式對比，是不是明顯覺得第二種，效率更高，更好呢。在上述比喻中:

• 每個快遞員——————>每個線程

• 每個快遞——————–>每個socket(I/O流)

• 快遞的送達地點————–>socket的不同狀態

• 客戶送快遞請求————–>來自客戶端的請求

• 小曲的經營方式————–>服務端運行的代碼

• 一輛車———————->CPU的核數

於是我們有如下結論

1、經營方式一就是傳統的並發模型，每個I/O流(快遞)都有一個新的線程(快遞員)管理。

2、經營方式二就是I/O多路復用。只有單個線程(一個快遞員)，通過跟蹤每個I/O流的狀態(每個快遞的送達地點)，來管理多個I/O流。

下面類比到真實的redis線程模型，如圖所示

參照上圖，簡單來說，就是。我們的redis-client在操作的時候，會產生具有不同事件類型的socket。在服務端，有一段I/0多路復用程序，將其置入隊列之中。然後，文件事件分派器，依次去隊列中取，轉發到不同的事件處理器中。

需要說明的是，這個I/O多路復用機制，redis還提供了select、epoll、evport、kqueue等多路復用函數庫，大家可以自行去了解。

4、redis的數據類型，以及每種數據類型的使用場景

分析：是不是覺得這個問題很基礎，其實我也這麽覺得。然而根據面試經驗發現，至少百分八十的人答不上這個問題。建議，在項目中用到後，再類比記憶，體會更深，不要硬記。基本上，一個合格的程序員，五種類型都會用到。

回答：一共五種

(一)String

這個其實沒啥好說的，最常規的set/get操作，value可以是String也可以是數字。一般做一些復雜的計數功能的緩存。

(二)hash

這裏value存放的是結構化的對象，比較方便的就是操作其中的某個字段。博主在做單點登錄的時候，就是用這種數據結構存儲用戶信息，以cookieId作為key，設置30分鐘為緩存過期時間，能很好的模擬出類似session的效果。

(三)list

使用List的數據結構，可以做簡單的消息隊列的功能。另外還有一個就是，可以利用lrange命令，做基於redis的分頁功能，性能極佳，用戶體驗好。本人還用一個場景，很合適---取行情信息。就也是個生產者和消費者的場景。LIST可以很好的完成排隊，先進先出的原則。

(四)set

因為set堆放的是一堆不重復值的集合。所以可以做全局去重的功能。為什麽不用JVM自帶的Set進行去重？因為我們的系統一般都是集群部署，使用JVM自帶的Set，比較麻煩，難道為了一個做一個全局去重，再起一個公共服務，太麻煩了。

另外，就是利用交集、並集、差集等操作，可以計算共同喜好，全部的喜好，自己獨有的喜好等功能。

(五)sorted set

sorted set多了一個權重參數score,集合中的元素能夠按score進行排列。可以做排行榜應用，取TOP N操作。

5、redis的過期策略以及內存淘汰機制

分析:這個問題其實相當重要，到底redis有沒用到家，這個問題就可以看出來。比如你redis只能存5G數據，可是你寫了10G，那會刪5G的數據。怎麽刪的，這個問題思考過麽？還有，你的數據已經設置了過期時間，但是時間到了，內存占用率還是比較高，有思考過原因麽?

回答:

redis采用的是定期刪除+惰性刪除策略。

為什麽不用定時刪除策略?

定時刪除,用一個定時器來負責監視key,過期則自動刪除。雖然內存及時釋放，但是十分消耗CPU資源。在大並發請求下，CPU要將時間應用在處理請求，而不是刪除key,因此沒有采用這一策略.

定期刪除+惰性刪除是如何工作的呢?

定期刪除，redis默認每個100ms檢查，是否有過期的key,有過期key則刪除。需要說明的是，redis不是每個100ms將所有的key檢查一次，而是隨機抽取進行檢查(如果每隔100ms,全部key進行檢查，redis豈不是卡死)。因此，如果只采用定期刪除策略，會導致很多key到時間沒有刪除。

於是，惰性刪除派上用場。也就是說在你獲取某個key的時候，redis會檢查一下，這個key如果設置了過期時間那麽是否過期了？如果過期了此時就會刪除。

采用定期刪除+惰性刪除就沒其他問題了麽?

不是的，如果定期刪除沒刪除key。然後你也沒即時去請求key，也就是說惰性刪除也沒生效。這樣，redis的內存會越來越高。那麽就應該采用內存淘汰機制。

在redis.conf中有一行配置

# maxmemory-policy volatile-lru

該配置就是配內存淘汰策略的(什麽，你沒配過？好好反省一下自己)

1）noeviction：當內存不足以容納新寫入數據時，新寫入操作會報錯。應該沒人用吧。

2）allkeys-lru：當內存不足以容納新寫入數據時，在鍵空間中，移除最近最少使用的key。推薦使用，目前項目在用這種。

3）allkeys-random：當內存不足以容納新寫入數據時，在鍵空間中，隨機移除某個key。應該也沒人用吧，你不刪最少使用Key,去隨機刪。

4）volatile-lru：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，移除最近最少使用的key。這種情況一般是把redis既當緩存，又做持久化存儲的時候才用。不推薦

5）volatile-random：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，隨機移除某個key。依然不推薦

6）volatile-ttl：當內存不足以容納新寫入數據時，在設置了過期時間的鍵空間中，有更早過期時間的key優先移除。不推薦

ps：如果沒有設置 expire 的key, 不滿足先決條件(prerequisites); 那麽 volatile-lru, volatile-random 和 volatile-ttl 策略的行為, 和 noeviction(不刪除) 基本上一致。

6、redis和數據庫雙寫一致性問題

分析:一致性問題是分布式常見問題，還可以再分為最終一致性和強一致性。數據庫和緩存雙寫，就必然會存在不一致的問題。答這個問題，先明白一個前提。就是如果對數據有強一致性要求，不能放緩存。我們所做的一切，只能保證最終一致性。另外，我們所做的方案其實從根本上來說，只能說降低不一致發生的概率，無法完全避免。因此，有強一致性要求的數據，不能放緩存。

首先，采取正確更新策略，先更新數據庫，再刪緩存。其次，因為可能存在刪除緩存失敗的問題，提供一個補償措施即可，例如利用消息隊列。

7、如何應對緩存穿透和緩存雪崩問題

分析:這兩個問題，說句實在話，一般中小型傳統軟件企業，很難碰到這個問題。如果有大並發的項目，流量有幾百萬左右。這兩個問題一定要深刻考慮。

回答:如下所示

緩存穿透，即黑客故意去請求緩存中不存在的數據，導致所有的請求都懟到數據庫上，從而數據庫連接異常。

解決方案:

(一)利用互斥鎖，緩存失效的時候，先去獲得鎖，得到鎖了，再去請求數據庫。沒得到鎖，則休眠一段時間重試

(二)采用異步更新策略，無論key是否取到值，都直接返回。value值中維護一個緩存失效時間，緩存如果過期，異步起一個線程去讀數據庫，更新緩存。需要做緩存預熱(項目啟動前，先加載緩存)操作。

(三)提供一個能迅速判斷請求是否有效的攔截機制，比如，利用布隆過濾器，內部維護一系列合法有效的key。迅速判斷出，請求所攜帶的Key是否合法有效。如果不合法，則直接返回。

緩存雪崩，即緩存同一時間大面積的失效，這個時候又來了一波請求，結果請求都懟到數據庫上，從而導致數據庫連接異常。

解決方案:

(一)給緩存的失效時間，加上一個隨機值，避免集體失效。

(二)使用互斥鎖，但是該方案吞吐量明顯下降了。

(三)雙緩存。我們有兩個緩存，緩存A和緩存B。緩存A的失效時間為20分鐘，緩存B不設失效時間。自己做緩存預熱操作。然後細分以下幾個小點

• I 從緩存A讀數據庫，有則直接返回

• II A沒有數據，直接從B讀數據，直接返回，並且異步啟動一個更新線程。

• III 更新線程同時更新緩存A和緩存B。

8、如何解決redis的並發競爭key問題

分析:這個問題大致就是，同時有多個子系統去set一個key。這個時候要註意什麽呢？大家思考過麽。需要說明一下，博主提前百度了一下，發現答案基本都是推薦用redis事務機制。博主不推薦使用redis的事務機制。因為我們的生產環境，基本都是redis集群環境，做了數據分片操作。你一個事務中有涉及到多個key操作的時候，這多個key不一定都存儲在同一個redis-server上。因此，redis的事務機制，十分雞肋。

回答:如下所示

(1)如果對這個key操作，不要求順序

這種情況下，準備一個分布式鎖，大家去搶鎖，搶到鎖就做set操作即可，比較簡單。

(2)如果對這個key操作，要求順序

假設有一個key1,系統A需要將key1設置為valueA,系統B需要將key1設置為valueB,系統C需要將key1設置為valueC.

期望按照key1的value值按照 valueA–>valueB–>valueC的順序變化。這種時候我們在數據寫入數據庫的時候，需要保存一個時間戳。假設時間戳如下

系統A key 1 {valueA 3:00}

系統B key 1 {valueB 3:05}

系統C key 1 {valueC 3:10}

那麽，假設這會系統B先搶到鎖，將key1設置為{valueB 3:05}。接下來系統A搶到鎖，發現自己的valueA的時間戳早於緩存中的時間戳，那就不做set操作了。以此類推。

其他方法，比如利用隊列，將set方法變成串行訪問也可以。總之，靈活變通

Redis 總結精講