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 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

• 缓存与数据库双写不一致
  

• 缓存雪崩

• 缓存穿透

• 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

• 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。

• 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AE_REABLE和 AE_WRITABLE ，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 AE_READABLE 事件，创建客户端对应的 socket，同时将这个 socket的 AE_READABLE 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 AE_READABLE 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 AE_WRITABLE 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 lisi
85 zhangsan
72 wangwu
62 zhaoliu

获取排名前 3 的用户 ： zrevrange board 0 3
96 lisi
85 zhangsan
72 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

1. 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）

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

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

Redis 优化方案

Redis 持久化

• 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

RDB

• 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

• 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

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

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

Redis Cluster

分布式算法

hash算法

一致性 hash 算法

Hash Slot算法

Redis Cluster 核心

1. 基础通信

1. 10000 端口

1. 交换的信息

1. gossip协议

1. ping消息

1. JRedis原理

• 请求重定向

• hash slot

• smart jedis

• hashslot迁移和ask重定向

• 高可用性和主备切换原理

缓存雪崩

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

缓存与数据库双写一致性

1. cache aside pattern

1. 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

1. 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）

Redis 并发竞争问题

Redis 集群部署架构

来源：

https://segmentfault.com/a/1190000021054339#item-22

·END·
PHP开源社区
进阶·提升·涨薪