做医疗网站颜色选择google chrome download

前 言
🍉 作者简介：半旧518，长跑型选手，立志坚持写10年博客，专注于java后端
☕专栏简介：纯手打总结面试题，自用备用
🌰 文章简介：Redis最基础、重要的11道面试题

1.redis的五种数据类型及其使用场景

哈希(hash，键值对形式)
链表(list，元素有序可以重复)
集合(set,元素无序且不可重复，可以进行交、并、差运算)
有序集合(zset，元素有序的集合)
字符串(String,可以存储字符串、数字、二进制数等)

2.Redis在项目中是如何应用的

用它进行排序、排名、点赞数统计等

3.缓存穿透、缓存击穿、缓存雪崩的区别和解决场景

一般我们获取数据，会先访问缓存，如果缓存中存在则直接返回。如果缓存不存在则从数据库中获取，如果数据库中存在，会将获取的数据放入缓存、返回。如果数据库中也获取不到数据，就会直接返回失败。

在一些场景，如用户伪造不存在的数据进行查询，就需要每次都访问数据库。这时，缓存就不起作用了，因此我们称这种情况为缓存穿透。如果穿透了缓存，服务器请求数非常大，数据库可能因为扛不住压力挂掉。可以使用布隆过滤器(其底层是使用哈希算法的map缓存已经存在的数据)解决，但是可能因为哈希冲突导致误判，也可能存在数据更新问题。另外一种解决思路是缓存控制，即使某个用户id(key)的数据在数据库中找不到，也可以把id缓存到redis缓存中，这样该用户获取数据时就不会有缓存穿透问题。

在诸如秒杀活动的场景，同一时刻大量请求访问服务器，而此时缓存失效了，就会导致缓存击穿。缓存击穿的原因是同一时刻的访问量过大，因此可以通过加锁方式解决。也可以从缓存失效的角度出发，可以进行自动续期，防止缓存失效。

缓存雪崩是缓存击穿的plus版本，多个热门key都失效了。问题很严重，我们称为缓存雪崩。可以通过设置过期时间加随机数避免缓存在同一时间失效。另一个角度是从架构角度设计高可用的架构，比如如果使用的是redis做为缓存，可以使用哨兵模式(主机挂掉自动选举新主机)或者集群模式。也可以设置服务降级方案(如直接在配置中读默认数据)进行兜底。

区别：缓存穿透没数据、缓存击穿在缓存中没有数据，缓存雪崩是plus版本的缓存击穿

4.主从机制

将master上的数据及时有效的复制到slave上。一个master对应多个slave，但是一个slave只对应一个master。

主从复制的步骤是：建立连接、数据同步、命令传播(解决主机状态在同步过程中发生改变，主从状态不一致问题)。

在命令传播阶段，二者采用心跳机制保持连接确认。

主从复制可能出现的问题:
频繁的全量复制:因为主从复制过程中主机重启导致，可以记住主机runid解决。
从机数据不一致：可能是因为网络延迟导致，可以将主从部署在同一机房环境。

主从复制的好处有：(负载性能、数据安全、服务安全三个方面)
读写分离(主结点写，从结点读)，提高负载能力。
数据冗余备份。
故障恢复(主机当掉有从机顶)
负载均衡
高可用的基石

4.Redis的性能为什么很好

Redis是纯内存的数据库，使用非阻塞式IO，全程使用hash数据结构，读取数据速度很快。

6.Redis的持久化机制

RDB:使用单独的线程进行数据IO，主线程不进行任何的IO，这种方式可以保证性能，但是可能会有数据丢失的情况
AOF:将数据持久化到特定的日志文件中，定时为1s持久化一次。其效率比RDB低。但是其安全性较高。
建议两者同时使用。如果可以容忍数分钟的数据丢失，可以使用RDB方式。

7.Redis为什么是单线程的？

程序清晰简单，不用考虑线程安全问题，但是可能会浪费多核cpu资源，可以同时开启多个redis服务器解决。

8.什么是哨兵机制

哨兵(集群:防止把网络的问题误判为主机的问题)用于监视主机的状态变化(发ping消息)，当主机当掉，可以进行主从服务器的切换(由集群的leader执行)，并通过「发布者/订阅者机制」通知给客户端，保证系统的高可用。

9.redis的集群

在特定场景下，如写并发，海量数据的存储压力，需要使用redis集群。Redis的集群采用分布式存储，每台服务器上存储不同的数据内容。其数据分布的策略是使用哈希槽来分配数据，默认一个cluster分配16384个槽，数据存储位置就是哈希值%16384。

10.一致性哈希

在海量数据的情形下，可能需要扩充服务器。常规的哈希算法需要重新计算所以服务实例的哈希值。一致性hash的出现解决了这种问题。将服务器结点构成一个环，每个结点分配一个token。在查找时先根据key计算哈希值，然后顺时针找到第一个大于等于该哈希值的token结点。这样删除、插入新结点只影响相邻的两个结点，缺点是插入、删除结点可能导致数据命中问题。

11.知道大key问题吗？

所谓大key问题，就是key对应的value值较大。如某个热门课程的收藏用户可能是一个很庞大的list。因为redis的主线程是单线程机制，因此大key问题会导致线程阻塞，并发量下降，客户端超时等。产生大key的原因可能有：一直往value里塞数据，但没有删除机制；没有做数据分片，将大key转换为小key。

可以使用big-keys命令或可视化工具找到大key。

解决大key问题可以通过：对于可删除的情况，删除非热点大key；压缩(string)和拆分key(list和set)。