Redis的这八个问题，验证你是否精通

心已赠人 2023-05-31 02:48 11阅读 0赞

## 1、为什么使用Redis ##

1.  性能  
    如下图所示，我们在碰到需要执行耗时特别久，且结果不频繁变动的SQL，就特别适合将运行结果放入缓存。这样，后面的请求就去缓存中读取，使得请求能够迅速响应。  
    ![请求缓存][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ppbmc5NTY4OTk0NDk_size_16_color_FFFFFF_t_70]
2.  并发  
    如下图所示，在大并发的情况下，所有的请求直接访问数据库，数据库会出现连接异常。这个时候，就需要使用redis做一个缓冲操作，让请求先访问到redis，而不是直接访问数据库。  
    ![并发请求][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ppbmc5NTY4OTk0NDk_size_16_color_FFFFFF_t_70 1]

## 2、使用Redis有什么缺点 ##

1.  缓存和数据库双写一致性问题
2.  缓存雪崩问题
3.  缓存击穿问题
4.  缓存的并发竞争问题  
    可以参考：《[缓存雪崩、缓存穿透、缓存预热、缓存更新、缓存降级等问题！][Link 1]》

## 3、单线程的Redis为什么这么快 ##

1.  纯内存操作
2.  单线程操作，避免了频繁的上下文切换
3.  采用了非阻塞I/O多路复用机制  
    可以参考：《[为什么说Redis是单线程的？][Redis]》

## 4、Redis的数据类型，以及每种数据类型的使用场景 ##

1.  String
2.  hash
3.  list
4.  set
5.  sorted set  
    可以参考：《[Redis常见的5种不同的数据类型详解][Redis_5]》

## 5、Redis的过期策略以及内存淘汰机制 ##

redis采用的是定期删除+惰性删除策略。

*  为什么不用定时删除策略?  
    定时删除,用一个定时器来负责监视key,过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源。在大并发请求下，CPU要将时间应用在处理请求，而不是删除key,因此没有采用这一策略.
 *  定期删除+惰性删除是如何工作的呢?  
    定期删除，redis默认每个100ms检查，是否有过期的key,有过期key则删除。需要说明的是，redis不是每个100ms将所有的key检查一次，而是随机抽取进行检查(如果每隔100ms,全部key进行检查，redis岂不是卡死)。因此，如果只采用定期删除策略，会导致很多key到时间没有删除。  
    于是，惰性删除派上用场。也就是说在你获取某个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了？如果过期了此时就会删除。

采用定期删除+惰性删除就没其他问题了么?

不是的，如果定期删除没删除key。然后你也没即时去请求key，也就是说惰性删除也没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制。

在redis.conf中有一行配置

# maxmemory-policy volatile-lru #

该配置就是配内存淘汰策略的

1）noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。应该没人用吧。  
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。推荐使用，目前项目在用这种。  
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。应该也没人用吧，你不删最少使用Key,去随机删。  
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。这种情况一般是把redis既当缓存，又做持久化存储的时候才用。不推荐  
5）volatile-random：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，随机移除某个key。依然不推荐  
6）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。不推荐  
ps：如果没有设置 expire 的key, 不满足先决条件(prerequisites); 那么 volatile-lru, volatile-random 和 volatile-ttl 策略的行为, 和 noeviction(不删除) 基本上一致。  
可以参考：《[关于缓存命中率的几个关键问题][Link 2]》

## 6、Redis和数据库双写一致性问题 ##

分析:一致性问题是分布式常见问题，还可以再分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。答这个问题，先明白一个前提。就是如果对数据有强一致性要求，不能放缓存。我们所做的一切，只能保证最终一致性。另外，我们所做的方案其实从根本上来说，只能说降低不一致发生的概率，无法完全避免。因此，有强一致性要求的数据，不能放缓存。  
回答:《分布式之数据库和缓存双写一致性方案解析》给出了详细的分析，在这里简单的说一说。首先，采取正确更新策略，先更新数据库，再删缓存。其次，因为可  
可以参考：《[分布式之数据库和缓存双写一致性方案解析！][Link 3]》

## 7、如何应对缓存穿透和缓存雪崩问题 ##

1.  缓存穿透  
    即黑客故意去请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常  
    解决方案:  
    (一)利用互斥锁，缓存失效的时候，先去获得锁，得到锁了，再去请求数据库。没得到锁，则休眠一段时间重试  
    (二)采用异步更新策略，无论key是否取到值，都直接返回。value值中维护一个缓存失效时间，缓存如果过期，异步起一个线程去读数据库，更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作。  
    (三)提供一个能迅速判断请求是否有效的拦截机制，比如，利用布隆过滤器，内部维护一系列合法有效的key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。
2.  缓存雪崩  
    缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而导致数据库连接异常  
    (一)给缓存的失效时间，加上一个随机值，避免集体失效。  
    (二)使用互斥锁，但是该方案吞吐量明显下降了。  
    (三)双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。然后细分以下几个小点  
    I 从缓存A读数据库，有则直接返回  
    II A没有数据，直接从B读数据，直接返回，并且异步启动一个更新线程。  
    III 更新线程同时更新缓存A和缓存B。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ppbmc5NTY4OTk0NDk_size_16_color_FFFFFF_t_70]: /images/20230531/a815f72c81b24a24aca5fe0663138603.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ppbmc5NTY4OTk0NDk_size_16_color_FFFFFF_t_70 1]: /images/20230531/249a477247f240039dd5c7da45943402.png
[Link 1]: https://mp.weixin.qq.com/s/JCFx-GNjueLLOEjWMKbLRQ
[Redis]: https://mp.weixin.qq.com/s/hCNUqpQAQI4Vu3HRi9ZKnA
[Redis_5]: https://mp.weixin.qq.com/s/V81hP9QI_boMjnpryxRDhA
[Link 2]: https://mp.weixin.qq.com/s/4AwY0-nT0bBgFBxrCvGwEg
[Link 3]: https://mp.weixin.qq.com/s/-fk-cEIo3iDCUSwT_l8d2w