Redis 面试指南

在这里收集一些 Redis 常见面试题，也欢迎大家在下方评论区提交更多面试题目。

为什么要使用 Redis？使用 Redis 有哪些好处？

基于内存速度快、丰富的数据类型、多语言支持、多功能支持，参考 todo://

Redis 与 Memcache 区别？

数据持久化、数据类型、Value 大小、网络 I/O 模型、数据一致性，参考 todo://

为什么 Redis 只适合用于缓存而不能当作数据库来使用？

这个问题需要从性能、成本、灵活性、数据可靠性等多方面来权衡考虑：

• 性能上考虑，Redis 是一个基于内存的数据库，通常用来做计数器、Session 存储、缓存设计等从性能上来说还是很不错的。
• 从成本考虑，假设百万条数据，仅 1% 是热点数据其余都为冷数据，这种情况下全部一股脑的放在 Redis 里，显然是资源的浪费，从缓存设计角度来讲，所保存的也仅是热点数据。
• 灵活性考虑，Redis 的数据结构是挺丰富的，支持 String、HashTable、List、Set、Zset 还有最新衍生的 BitMaps、GEO 等，如果有很复杂的查询语句、关联查询等，是不是 SQL 可能会更合适些呢？
• 数据可靠性考虑，第一种方式 Redis + RDB 的方式，如果发生断电，自上次持久化至最近一次故障之间的这些数据还是会丢失的。第二种方式 Redis + AOF，AOF 有三种策略将数据持久化到磁盘，其中 everysec 是相对折中的一种方案，everysec 这种方案也会存在 1 秒钟丢失数据的可能，所以也要看这种情况当前的业务场景能否接受？

综合考虑还是要根据具体的业务场景来选择，Redis + MySQL/MongoDB 等都是不错的方案。

Redis 中的数据如何持久化？

Redis 提供了 RDB 和 AOF 两种方式来对数据进行持久化操作：

RDB： RDB 是将当前内存中的数据集快照写入磁盘。恢复时将快照文件直接读到内存里（保存的是二进制数据）。提供了两种机制 save 和 bgsave，save 会造成客户端阻塞，因此生产不建议使用，使用 bgsave Redis 会 fork 一个子进程来负责生成 RDB 文件，阻塞发生在 fork 子进程过程中，遵循 Copy-On-Write（写入时复制） 策略，使用 bgsave 的 fork 是一个重量级操作，避免频繁调用。另外 RDB 的形式在一定时间可能会造成数据丢失。

AOF： 以写日志的方式执行 redis 命令之后，将数据写入到 AOF 日志文件。注意，这里需要设置 fsync 策略，通常 fsync 设置为每秒一次就能获得比较高的性能，也是 Redis 官方所默认的。AOF 这种形式一直写入会使得日志文件越来越庞大，对于重放会很慢，所以还需要进行 AOF 重写，对日志瘦身。

Redis 的持久化详细实践可参考

Redis 中如何选择合适的持久化？

以下从多个角度进行比较说明：

• 重放优先级： 系统重启时优先重放 AOF 备份的数据，随后是 RDB，因为从数据备份的完整性考虑，AOF 相比 RDB 可靠性更高些
• 恢复速度快：RDB 采用二进制方式存储占用体积小，AOF 是以日志形式存储，体积相比 RDB 要大，相比较来看，RDB 的数据恢复速度要高于 AOF
• 数据安全性：RDB 采用快照的形式，在一定时间内会丢失数据，AOF 相对更安全些主要有三种策略，也要看怎么选择

如果我们定时按照天、小时等单位来备份数据，RDB 快照这种形式还是可以的，对于 RDB 的操作不建议频繁，因为 RDB bgsave fork 也是一个很重的操作。对于 RDB 的快照文件可以保存在 Redis 当前服务器之外的其它服务器之上（鸡蛋不要放到同一个篮子里）。

一般来说， 如果想达到足以媲美 PostgreSQL 的数据安全性，应该同时使用两种持久化功能。如果你非常关心你的数据，但仍然可以承受数分钟以内的数据丢失，那么你可以只使用 RDB 持久化。有很多用户都只使用 AOF 持久化，但并不推荐这种方式：因为定时生成 RDB 快照（snapshot）非常便于进行数据库备份， 并且 RDB 恢复数据集的速度也要比 AOF 恢复的速度要快，除此之外， 使用 RDB 还可以避免罕见的 AOF 程序 bug。

Redis 主从复制原理？实现？

所谓主从复制就是一个 Redis 主节点拥有多个从节点，由主节点的数据单向的复制到从节点，为主节点提供了数据副本，如果主节点发生故障，从节点可以升级为主节点，使服务不受影响。

以上为主从复制实现，主要用到一个 psync 命令，详细可参考文章 todo://，包含了主从复制的实践

Redis Sentinel 解决了什么问题？

在 Redis 主从复制中，假设主节点发生故障之后，这个时间的数据将会丢失，因为从节点仅是主节点的一个备份节点，这个时候就需要故障转移，手动的去选一个 slave 做为主节点去工作，显然这样不是很好的。因此我们就需要一种机制自动的提升从节点，Redis 提供的 Sentinel 就可实现这一点，Redis Sentinel 是一个分布式系统，类似于 Consul 集群，一般由 3 ～ 5 个节点组成，使用 Raft 算法实现领导者选举因为故障转移工作只需要一个 Sentinel 节点来完成，如下图所示，我们客户端部分直接和 Sentinel 集群交互，关于 Redis 主从节点的状态维护交由 Sentinel 去管理。

上图展示了一个由 Sentinel 完成的节点故障自动转移。详细可参考文章 todo://，包含了 Redis Sentinel 的实践

什么情况下会导致整个 Redis Cluster 不可用？

Redis Cluster 的主从复制是为了保证在部分节点失败或无法通信时，整个集群仍可用，因此建议主节点要有至少 1 个从节点，假设集群中的一个主节点挂掉，集群会选举其从节点晋升为主节点，假设集群中的一个主节点失败了其从节点也没正常完成晋升，就会导致整个集群因为找不到槽而不可用。

Redis 哈希槽是什么？

Redis 没有使用一致性 HASH 算法而是引入哈希槽的概念，Redis 集群采用的虚拟哈希槽方式，共有 16384 个哈希槽，每个节点会划分一部分的槽位（16384 / 主节点数），当 Redis 集群客户端查询某个 Key 的信息时，首先会计算这个 Key 的 hash 值（CRC16 算法），通过对 16384 取余得到槽位，从而得到对应的信息。

HASH_SLOT = crc16(key) % 16384

每一个哈希槽中的 key 是如何存储的？

一个 Redis 集群会划分为 16384 个哈希槽，每个哈希槽可看成一个分区表，在插入数据时根据上面的 “槽位定位算法” 来决定你的 key 存储于哪个分区表。如果是单节点可以理解为所有的 key 都存在一个表里。

Redis Cluster 模式下如何选择数据库？

Redis 集群模式下不支持选择数据库，默认为 db0。另外，Redis 单实例默认为 16 个 db，从 db0 - db15。

Redis Cluster 模式会存在数据丢失吗？

Redis 并不能保证数据的强一致性. 这意味这在实际中集群在特定的条件下可能会丢失写操作.

异步复制

第一个原因是因为集群是用了异步复制. 写操作过程:

客户端向主节点B写入一条命令. 主节点B向客户端回复命令状态. 主节点将写操作复制给他得从节点 B1, B2 和 B3. 主节点对命令的复制工作发生在返回命令回复之后， 因为如果每次处理命令请求都需要等待复制操作完成的话， 那么主节点处理命令请求的速度将极大地降低 —— 我们必须在性能和一致性之间做出权衡。注意：Redis 集群可能会在将来提供同步写的方法。

网络分区

Redis 集群另外一种可能会丢失命令的情况是集群出现了网络分区， 并且一个客户端与至少包括一个主节点在内的少数实例被孤立。

举个例子 假设集群包含 A 、 B 、 C 、 A1 、 B1 、 C1 六个节点， 其中 A 、B 、C 为主节点， A1 、B1 、C1 为A，B，C的从节点， 还有一个客户端 Z1 假设集群中发生网络分区，那么集群可能会分为两方，大部分的一方包含节点 A 、C 、A1 、B1 和 C1 ，小部分的一方则包含节点 B 和客户端 Z1 .

Z1仍然能够向主节点B中写入, 如果网络分区发生时间较短,那么集群将会继续正常运作,如果分区的时间足够让大部分的一方将B1选举为新的master，那么Z1写入B中得数据便丢失了.

注意， 在网络分裂出现期间， 客户端 Z1 可以向主节点 B 发送写命令的最大时间是有限制的， 这一时间限制称为节点超时时间（node timeout）， 是 Redis 集群的一个重要的配置选项

Redis 分布式锁如何实现？

Redis 字典和跳跃表原理？

Redis 过期键删除策略？

Redis 采用惰性删除、定时删除两种策略实现对过期 Key 进行内存回收。

• 惰性删除：当客户端操作带有设置过期键的 Key 时，如果 Key 已过期执行删除，返回空，另一种情况如果该 Key 一直没有访问就会造成无法及时删除，存在内存泄漏的风险，下面定时任务删除正是对 惰性删除 的补充。

• 定时删除：Redis 内部会维护一个定时任务检查、删除过期的键，默认情况下设置为每秒 10 次，通过配置文件中的 hz 参数控制。

Redis 内存溢出有哪几种数据淘汰策略？

当触发 Redis 内存的 maxmemory 最大设置之后会触发内存溢出数据淘汰策略，共支持 6 种策略，默认值为 maxmemory-policy noeviction，6 种策略如下所示：

1. noeviction：默认淘汰机制，不会删除任何数据，会拒绝所有的写入命令，读取是正常的
2. volatile-lru：使用 LRU 算法删除设置了 Expire 属性且最少使用的键，直到新添加的数据能够有空间可以存放，否则退回 noeviction 规则
3. allkeys-lru：使用 LRU 算法删除键，不论有没有设置 Expire 属性，直到新添加数据能够有空间存放
4. volatile-random：随机删除设置了 Expire 属性的键，直到腾出空间
5. allkeys-random：随机删除所有键，直到腾出空间
6. volatile-ttl：根据键值对象的 ttl 属性优先回收存活时间短的键，否则退回 noeviction 规则