Redis 面试思路

分布式redis面试思路俩点 高性能 高并发

高性能

1.存储在内存 所以速度快
2. 线程模型 io多路复用 监控多个客户端socket 放入队列里面 只是文件分发机制是单线程的 处理队列中的数据 根据不同类型 分发给不同处理器 后面处理的过程 也是多线程的
3. 内存回收机制 ==定期+懒惰 ==
4. 持久化 rdb快照+aof 增量同步 配置 开启 appendfsync rewrite 压缩aof文件
5.常用数据结构 编码模式

高并发 单机-集群 主从同步

全量复制 初始化阶段 从节点 主动拉取 主节点的 快照 待参数 runid offset 发现 runid没有 全量
增量复制 维护 offset 复制偏移量
加入 哨兵集群 来监控master节点 防止一个误判 多个的话 判断 master节点挂掉 就内部选举出一个领导者 然后进行主从切换
使用log日志记录操作

集群里面如何存数据

1. solt 槽位 16384个 平均分配 比如6个redis 3主3从 3个主 就会分配这16384个
   写的数据 根据 2.hash 算法 3.取模 对16348 然后判断出 在哪个槽位 然后就到哪个 主
   虽然数据只存在 相应槽位的 主 和对应的从
   但是 服务集群俩俩通信 集群里面任何一个服务器 其他的也都可以查出来

问题： 双写 不一致 穿透雪崩 并发竞争

双写不一致 弱一致性（最终一致性） 强一致性 （性能不好有锁 违背使用redis）
1：先删缓存在删数据库 那就 延迟双删 数据库操作完在删除一次缓存 至多一次
2： 先删数据库在删缓存
存在删除缓存失败的情况 通过MQ重试发送

1.缓存击穿 1 热门数据 过期永不过期 2 或者 互斥锁 拿到数据 刷新缓存
2.缓存雪崩 大面积失效 1 过期随机 2 或者 互斥锁 3 多级缓存 4 集群
3.缓存穿透 恶意没有的数据请求 1.第一次请求后 设置空缓存 2. 参数校验拦截 3 布隆过滤器

redis分布式锁 分段 CAP

Redis分布式锁核心原理与分段优化
​基础实现原理

​原子加锁：通过 SET key unique_value NX PX timeout 命令实现原子性加锁，其中 NX 表示键不存在时设置，PX设置过期时间。
​唯一标识：unique_value（如UUID）用于区分不同客户端，防止其他线程误删锁。
​锁续期：通过“看门狗”机制（守护线程定期续期）解决业务执行时间超过锁超时的问题。
​示例代码（Redisson）​：

​分段锁优化

​问题背景：高并发场景下（如秒杀），单一锁导致性能瓶颈。
​解决方案：
​分段加锁：将资源（如库存）拆分为多个段（如100段），每个段独立加锁。
​路由算法：通过用户ID哈希取模确定操作的分段（如 hash(user_id) % 100）。
​优势：锁粒度细化后，冲突减少，吞吐量提升10-100倍。

​RedLock算法

​适用场景：Redis集群环境下避免单点故障导致的锁失效。
​核心流程：
向多个独立Redis节点（N≥5）依次申请锁；
计算耗时，若超过半数节点加锁成功且总耗时<锁超时时间，则认为成功。
​缺点：实现复杂，性能低于单节点锁。

二、CAP原则在分布式锁中的权衡
​CAP理论解读

​一致性（C）​：所有节点数据实时一致；
​可用性（A）​：服务始终响应；
​分区容错性（P）​：容忍网络分区故障。
​Redis分布式锁的CAP选择

​偏向AP：Redis集群默认异步复制，主节点故障时可能丢失锁（但通过RedLock可提升一致性）。
​对比Zookeeper：Zookeeper偏向CP（同步提交保证一致性，但牺牲可用性）。
​

实际应用建议

业务容忍度：若允许短暂不一致（如非金融场景），优先Redis锁；
​强一致性需求：使用Zookeeper或数据库锁