Redis常见面试问题汇总

一、Redis 基础知识

1. Redis 概述

Redis 是什么？主要特点有哪些？

• Redis（Remote Dictionary Server）是一个开源的、基于内存的键值存储系统
• 主要特点：
  • 高性能：数据存储在内存中，读写速度极快（10万+ QPS）
  • 支持多种数据结构：String、Hash、List、Set、ZSet等
  • 持久化：支持RDB和AOF两种持久化方式
  • 高可用：支持主从复制、哨兵、集群模式
  • 原子操作：支持事务和Lua脚本保证原子性

Redis 和 Memcached 的区别是什么？

特性	Redis	Memcached
数据类型	支持多种数据结构	仅支持简单的key-value
持久化	支持RDB和AOF持久化	不支持持久化
集群模式	原生支持Cluster模式	需要客户端实现分布式
线程模型	单线程（6.0+支持多线程I/O）	多线程
内存管理	支持内存淘汰策略	固定大小内存，LRU淘汰
适用场景	缓存、消息队列、计数器等复杂场景	简单的键值缓存场景

Redis 是单线程还是多线程？为什么单线程还能高效？

• Redis 核心网络模型是单线程的（6.0之前是完全单线程）
• 高效的原因：
  1. 基于内存操作，没有磁盘I/O瓶颈
  2. 单线程避免了多线程的上下文切换和竞争条件
  3. 非阻塞I/O多路复用（epoll/kqueue）
  4. 精心优化的数据结构（如跳表、哈希表）

Redis 6.0 之后的多线程模型是怎样的？

• Redis 6.0 引入了多线程I/O（默认关闭，需配置）
• 模型特点：
  • 主线程仍处理命令执行（保持单线程特性）
  • 新增I/O线程（默认4个）负责：
    • 网络读：解析客户端请求
    • 网络写：返回结果给客户端
  • 配置参数：

    io-threads 4      # 启用4个I/O线程
    io-threads-do-reads yes  # 启用读多线程
    

• 注意：
  • 实际命令执行仍是单线程
  • 性能提升主要在超高并发网络I/O场景

2. Redis 数据类型

Redis 支持的数据类型及使用场景

String（字符串）

• 存储结构：二进制安全的字符串，最大512MB
• 典型场景：
  • 缓存对象（JSON序列化存储）
  • 计数器（INCR/DECR命令）
  • 分布式锁（SETNX实现）
  • 会话管理（Session存储）
• 特殊操作：

  SETEX key seconds value  # 带过期时间设置GETSET key new_value     # 设置新值返回旧值MSET/MGET               # 批量操作

Hash（哈希）

• 存储结构：field-value映射表
• 典型场景：
  • 存储对象属性（用户资料）
  • 购物车数据（用户ID+商品ID）
  • 配置信息集合
• 优势：
  • 比String更节省空间（避免重复key）
  • 支持部分字段操作

List（列表）

• 存储结构：双向链表
• 典型场景：
  • 消息队列（LPUSH+BRPOP）
  • 最新消息排行（朋友圈）
  • 数据分页（LRANGE）
• 特点：

  LPUSH/RPUSH  # 左右插入BLPOP/BRPOP  # 阻塞式弹出

Set（集合）

• 存储结构：无序唯一集合
• 典型场景：
  • 好友关系（共同好友SINTER）
  • 抽奖活动（SRANDMEMBER）
  • 标签系统
• 核心命令：

  SADD/SREM       # 增删元素SISMEMBER       # 判断存在SUNION/SDIFF    # 并集/差集

ZSet（有序集合）

• 存储结构：跳表+哈希表
• 典型场景：
  • 排行榜（ZREVRANGE）
  • 延迟队列（时间戳作为score）
  • 优先级任务
• 特点：

  ZADD key score member  # 带分数插入ZRANGEBYSCORE         # 按分数范围查询

Bitmap（位图）

• 存储结构：String的位操作
• 典型场景：
  • 用户签到（SETBIT）
  • 活跃用户统计
  • 布隆过滤器实现
• 示例：

  SETBIT sign:2023:user1 1 1  # 第1天签到BITCOUNT sign:2023:user1     # 签到总数

HyperLogLog（基数统计）

• 存储结构：概率算法
• 典型场景：
  • UV统计（去重计数）
  • 大规模数据去重
• 特点：
  • 固定12KB存储空间
  • 误差率约0.81%
    PFADD/PFCOUNT # 添加/计数

GEO（地理空间）

• 存储结构：ZSet扩展
• 典型场景：
  • 附近的人
  • 位置搜索
  • 距离计算
• 核心命令：

  GEOADD key 经度 纬度 memberGEORADIUS  # 半径查询

Stream（消息流）

• 存储结构：持久化消息队列
• 典型场景：
  • 消息队列（替代List）
  • 事件溯源
  • 日志收集
• 特点：

  XADD/XREAD        # 生产/消费Consumer Groups   # 消费者组支持

底层实现原理

ZSet实现（跳表+哈希表）

• 跳表结构：
  • 多层链表，查询复杂度O(logN)
  • 支持范围查询
• 哈希表：
  • 存储member到score的映射
  • O(1)时间复杂度查询单个元素
• 内存优化：
  • 元素小于128字节且数量<512时使用ziplist

Hash实现（压缩列表或哈希表）

• ziplist条件：
  • 所有field/value长度<64字节
  • field数量<512
• hashtable：
  • 字典结构（数组+链表）
  • 渐进式rehash策略
• 转换阈值：

  hash-max-ziplist-entries 512hash-max-ziplist-value 64

3. Redis 持久化

Redis 的持久化机制

Redis 提供两种持久化方式：

1. RDB（Redis Database）：定时生成内存快照
2. AOF（Append Only File）：记录所有写操作命令

RDB 和 AOF 的区别与优缺点

特性	RDB	AOF
持久化方式	二进制快照	命令追加日志
文件大小	较小（压缩存储）	较大（持续增长）
恢复速度	快	慢（需重放命令）
数据安全性	可能丢失最后一次快照后的数据	可配置不同刷盘策略保证数据安全
性能影响	保存时影响性能	写入性能影响较小
恢复优先级	低	高（默认优先使用AOF恢复）

RDB 触发方式

1. 手动触发：

   SAVE    # 同步保存，阻塞主线程BGSAVE  # 后台异步保存（fork子进程）

2. 自动触发（redis.conf配置）：

   save 900 1     # 900秒内至少1个key变化save 300 10    # 300秒内至少10个key变化save 60 10000  # 60秒内至少10000个key变化

AOF 重写机制

1. 作用：

   • 压缩AOF文件体积（去除冗余命令）
   • 重建更优的持久化命令序列

2. 触发方式：

   • 手动触发：BGREWRITEAOF
   • 自动触发（需配置）：

auto-aof-rewrite-percentage 100
auto-aof-rewrite-min-size 64mb

3. 优化策略：
   • 使用AOF重写缓冲区
   • 配置合理的重写触发阈值
   • 开启AOF-RDB混合模式（4.0+）

生产环境配置建议

1. 选择策略：

   • 数据安全性要求高：AOF（appendfsync always）
   • 快速恢复优先：RDB
   • 折中方案：同时开启RDB+AOF

2. 推荐配置：

   appendonly yes                  # 开启AOFappendfsync everysec            # 折中刷盘策略aof-use-rdb-preamble yes        # 开启混合持久化（4.0+）save 900 1                      # 保留RDB触发条件

3. 注意事项：
   • 同时开启时重启优先加载AOF文件
   • 混合模式结合两者优势（4.0+版本）
   • 监控持久化文件大小和性能影响

二、Redis 高可用与集群

1. 主从复制

Redis 主从复制原理

1. 全量同步过程：

   • 从节点发送SYNC命令
   • 主节点执行BGSAVE生成RDB文件
   • 主节点将RDB文件发送给从节点
   • 从节点清空数据后加载RDB
   • 主节点将缓冲区的写命令发送给从节点

2. 增量同步过程：

   • 主节点维护复制积压缓冲区（repl_backlog）
   • 从节点断线重连后发送PSYNC命令
   • 主节点发送缓冲区中缺失的命令

3. 关键参数：

   repl-backlog-size 1mb    # 复制积压缓冲区大小repl-backlog-ttl 3600    # 缓冲区保留时间(秒)

主从复制常见问题

1. 数据延迟：

   • 原因：网络延迟、主节点写入量过大
   • 监控：INFO replication查看slave_repl_offset

2. 主从切换问题：

   • 故障转移时可能丢失部分数据
   • 新主节点选举期间服务不可用

3. 其他问题：

   • 全量同步导致主节点内存峰值
   • 从节点过期key处理不及时
   • 网络闪断导致频繁全量同步

主从复制性能优化

1. 网络优化：
   • 主从节点同机房部署
   • 增大复制缓冲区大小：

repl-backlog-size 256mb

2. 配置优化：

   • 关闭从节点AOF（除非需要）
   • 设置合理的主节点保存间隔：
     save 300 100

3. 其他优化：

   • 使用SSD磁盘提高RDB传输速度
   • 适当增大TCP缓冲区大小
   • 监控复制延迟（redis-cli --latency）

4. 特殊场景优化：

   • 级联复制减轻主节点压力
   • 读写分离时控制从节点数量

2. Redis Sentinel（哨兵）

Redis Sentinel 的作用

1. 核心功能：

   • 监控：持续检查主从节点运行状态
   • 通知：通过API向管理员发送故障报警
   • 自动故障转移：主节点故障时提升从节点为新主节点
   • 配置中心：客户端自动获取最新主节点地址

2. 故障转移流程：

   • 检测主节点失效（主观下线→客观下线）
   • 选举领头Sentinel
   • 领头Sentinel执行故障转移：
     1. 选择最优从节点
     2. 将其提升为主节点
     3. 配置其他从节点复制新主节点
     4. 通知客户端配置变更

故障检测机制

1. 主观下线（SDOWN）：

   • 单个Sentinel实例检测到主节点无响应
   • 判定条件（可配置）：
     down-after-milliseconds 5000 # 5秒无响应

2. 客观下线（ODOWN）：

   • 多个Sentinel达成共识认为主节点不可用
   • 判定条件：
     quorum 2 # 需要至少2个Sentinel同意

Sentinel 选举机制

1. 选举触发条件：

   • 主节点被判定为客观下线
   • 需要执行故障转移操作

2. 选举规则：

   • 基于Raft算法实现
   • 每个发现主节点下线的Sentinel都会要求其他Sentinel选举自己为leader
   • 先到先得原则（先发送选举请求的优先）
   • 获得多数票（>N/2+1）的Sentinel成为leader

3. 选举相关配置：
   sentinel monitor mymaster 127.0.0.1 6379 2 # 监控的主节点名称、IP、端口、quorum数
   sentinel failover-timeout mymaster 180000 # 故障转移超时时间（毫秒）

4. 选举失败处理：

   • 若选举超时（failover-timeout）仍未选出leader
   • 等待一段时间后重新发起选举

3. Redis Cluster（集群）

Redis Cluster 数据分片

1. 哈希槽分配：

   • 整个集群被划分为16384个哈希槽（slot）
   • 每个key通过CRC16算法计算后取模：slot = CRC16(key) % 16384
   • 每个节点负责一部分哈希槽范围

2. 槽分配示例：

   • 节点A：0-5460
   • 节点B：5461-10922
   • 节点C：10923-16383

3. 数据分布特性：

   • 支持key哈希标签：{user1000}.profile和{user1000}.account会被分配到相同slot
   • 迁移过程中允许部分key访问

节点通信机制

1. Gossip协议：

   • 节点间通过PING/PONG消息保持通信
   • 每个节点随机选择部分节点进行通信（默认每秒10次）
   • 传播的信息包括：
     • 节点状态
     • 哈希槽分配
     • 集群配置epoch

2. 通信优化：
   cluster-node-timeout 15000 # 节点超时时间（毫秒）
   cluster-require-full-coverage yes # 是否需要所有槽被覆盖

集群扩缩容

1. 扩容流程：

   # 添加新节点
redis-cli --cluster add-node new_host:new_port existing_host:existing_port  # 重新分配槽
redis-cli --cluster reshard existing_host:existing_port# 输入要迁移的槽数量# 选择接收这些槽的目标节点ID# 选择从哪些源节点迁移槽

2. 缩容流程：

   # 迁移待删除节点的槽到其他节点redis-cli --cluster reshard del_node_host:del_node_port# 删除空节点redis-cli --cluster del-node del_node_host:del_node_port node_id

3. 自动平衡：

   redis-cli --cluster rebalance --use-empty-masters

请求重定向机制

1. MOVED重定向：

   • 当客户端访问错误的节点时
   • 节点返回：MOVED 1234 10.0.0.2:6379
   • 表示key属于槽1234，应由10.0.0.2:6379处理
   • 客户端应更新本地slot缓存

2. ASK重定向：

   • 发生在集群迁移过程中
   • 返回格式：ASK 1234 10.0.0.2:6379
   • 表示key正在迁移，临时访问目标节点
   • 客户端需先发送ASKING命令

3. 智能客户端处理：

   • 维护slot与节点的映射关系
   • 自动处理重定向请求
   • 定期更新集群拓扑信息

三、Redis 缓存问题

1. 缓存穿透、缓存雪崩、缓存击穿

缓存穿透

问题定义：大量请求查询不存在的数据，绕过缓存直接访问数据库

解决方案：

1. 布隆过滤器（Bloom Filter）：

   • 前置过滤器拦截不存在key的请求
   • 优点：内存占用极小
   • 缺点：存在误判率（可配置）

2. 空值缓存：

   • 对查询结果为null的key也进行缓存
   • 设置较短过期时间：SET key_null "" EX 300

3. 其他方案：

   • 接口层增加参数校验
   • 用户权限校验前置

缓存雪崩

问题定义：大量缓存同时失效，导致请求直接冲击数据库

解决方案：

1. 过期时间随机化：

   • 基础时间 + 随机偏移量
     SET key value EX ${1800 + random(300)}

2. 多级缓存架构：

   • 本地缓存（Caffeine） + Redis集群
   • 不同层级设置不同过期策略

3. 其他方案：

   • 热点数据永不过期（后台异步更新）
   • 熔断降级机制（Hystrix/Sentinel）

缓存击穿

问题定义：热点key突然失效，大量并发请求直接访问数据库

解决方案：

1. 互斥锁（分布式锁）：
   • 使用SETNX实现锁机制

if (redis.setnx("lock_key", 1, "EX", 10)) {try {// 查询数据库// 更新缓存} finally {redis.del("lock_key")}
}

2. 热点数据永不过期：

   • 不设置过期时间
   • 后台定时任务异步更新

3. 其他方案：

   • 逻辑过期时间（value中存储过期时间戳）
   • 请求合并（将多个并发查询合并为单个查询）

2. 缓存一致性

如何保证缓存与数据库的数据一致性

先更新数据库再删缓存（推荐方案）

1. 操作流程：

   • 先更新数据库
   • 再删除缓存
   • 后续读取时重新加载缓存

2. 优点：

   • 实现简单
   • 避免大多数并发问题

3. 潜在问题及解决方案：

   • 删除缓存失败 → 加入重试机制（消息队列）
   • 读请求在删除前加载旧数据 → 设置较短过期时间

延迟双删策略

1. 操作流程：

   • 先删除缓存
   • 再更新数据库
   • 延迟一定时间后再次删除缓存

2. 典型实现：

// 第一次删除redis.del(key)// 更新数据库db.update(data) // 延迟删除（如500ms后）Thread.sleep(500)redis.del(key)

3. 适用场景：
   • 对一致性要求高的场景
   • 能容忍短暂延迟

其他保障措施

1. 版本号机制：

   • 在缓存value中加入数据版本号
   • 更新时校验版本号

2. 异步监听binlog：

   • 通过canal监听数据库变更
   • 自动更新/删除缓存

缓存更新策略

Cache Aside（旁路缓存）

• 读流程：

  1. 先查缓存，命中则返回
  2. 未命中则查DB，并写入缓存

• 写流程：

  1. 直接更新DB
  2. 删除对应缓存

Read/Write Through

• 读流程：
  缓存作为主要数据源，自动从DB加载

• 写流程：
  先写缓存，由缓存系统负责同步写入DB

Write Behind

• 写流程：
  先写缓存，异步批量更新DB
• 特点：
  高性能但可能丢失数据

3. 缓存淘汰策略

Redis内存淘汰策略

1. 不淘汰：
   noeviction → 内存满时拒绝写入

2. 全局淘汰：
   allkeys-lru → 最近最少使用
   allkeys-lfu → 最不经常使用
   allkeys-random → 随机淘汰

3. 有过期时间的key淘汰：
   volatile-lru → 在过期key中LRU
   volatile-lfu→ 在过期key中LFU
   volatile-ttl → 淘汰剩余TTL最短的
   volatile-random → 随机淘汰过期key

策略选择建议

1. 常规场景：
   allkeys-lru（平衡性好）

2. 热点数据明显：
   allkeys-lfu（更精准）

3. 严格保证数据不过期：
   noeviction + 监控

4. 混合使用场景：
   volatile-lru + 合理设置TTL

5. 配置方式：
   maxmemory-policy allkeys-lru
maxmemory 4gb # 设置最大内存

四、Redis 高级特性与优化

1. Redis 事务与 Lua 脚本

Redis 事务（MULTI/EXEC）工作机制

1. 基本流程：
   • 使用MULTI开始事务
   • 将多个命令入队
   • 使用EXEC执行所有命令
   • 示例：

 MULTISET key1 value1INCR key2EXEC

2. ACID特性支持：

   • 原子性（A）：单条命令原子执行，但事务不保证（某条失败不影响其他命令）
   • 一致性（C）：总能保证数据一致性
   • 隔离性（I）：单线程模型天然隔离
   • 持久性（D）：取决于持久化配置

3. 事务特点：

   • 不支持回滚（与关系型数据库不同）
   • 命令执行期间不会被其他客户端打断

WATCH 命令（乐观锁实现）

1. 工作原理：
   • 监视一个或多个key
   • 如果在EXEC前这些key被修改，则事务失败
   • 示例：

 WATCH balanceval = GET balanceMULTISET balance val-100EXEC

2. 典型应用场景：

   • 账户余额修改
   • 库存扣减
   • 需要CAS（Compare-And-Swap）的场景

3. 注意事项：

   • 需要配合重试机制使用
   • 不适用于高竞争场景（可能导致大量重试）

Lua 脚本优势及原子性保证

1. 推荐使用原因：

   • 减少网络开销（多个操作合并）
   • 避免竞态条件（脚本整体原子执行）
   • 复杂操作封装（如分布式锁实现）
   • 执行效率高（脚本会被缓存）

2. 原子性保证机制：

   • Redis单线程执行Lua脚本
   • 脚本执行期间不会处理其他命令
   • 示例原子操作：

 local current = redis.call('GET', KEYS[1])if current == ARGV[1] thenreturn redis.call('SET', KEYS[1], ARGV[2])end

3. 最佳实践：
   • 控制脚本复杂度（避免长时间阻塞）
   • 使用SCRIPT LOAD预加载脚本
   • 避免在脚本中使用随机写操作

2. Redis 性能优化

Redis Pipeline 机制

1. 基本原理：

   • 将多个命令打包一次性发送
   • 减少网络往返时间(RTT)
   • 服务端按顺序执行并批量返回结果

2. 性能提升方式：

   • 典型提升5-10倍吞吐量
   • 适合批量写入/读取场景
   • 示例实现：

Pipeline p = jedis.pipelined();for(int i=0; i<10000; i++){p.set("key"+i, "value"+i);}p.sync();

3. 注意事项：
   • 单次Pipeline不宜包含过多命令
   • 不适用于有命令依赖的场景
   • 需要合理设置超时时间

BigKey 问题处理

1. 排查方法：
   • 使用内置命令：

 redis-cli --bigkeysMEMORY USAGE key

• 扫描分析工具：
  redis-rdb-tools分析RDB文件

2. 优化方案：

   • 大Key拆分：
     将hash拆分为多个小hash
   • 数据压缩：
     使用Snappy等算法压缩value
   • 存储优化：
     改用更适合的数据结构

3. 预防措施：

   • 设置监控告警
   • 避免存储超大value(>10KB)
   • 定期扫描清理

慢查询分析

1. 配置与查看：

   - 设置阈值(微秒)：slowlog-log-slower-than 10000- 保留条数：slowlog-max-len 128- 查看慢日志：SLOWLOG GET 10

2. 常见优化方向：

   • 避免O(N)命令操作大数据集
   • 优化复杂Lua脚本
   • 合理使用索引

3. 分析工具：

   • redis-faina分析监控日志
   • 可视化工具展示慢查询趋势

连接数优化

1. 连接池配置：

   • 最大连接数：
     maxTotal 50
   • 最大空闲连接：
     maxIdle 10
   • 最小空闲连接：
     minIdle 5

2. 优化建议：

   • 合理设置超时时间：
     timeout 3000
   • 使用连接池复用连接
   • 避免短连接操作

3. 问题排查：

   • 查看当前连接：
     CLIENT LIST
   • 分析连接来源：
     INFO clients
   • 紧急断开连接：
     CLIENT KILL

3. Redis 网络与安全

Redis 通信协议 (RESP)

1. 协议特点：

   • 二进制安全的文本协议
   • 简单易实现
   • 支持多种数据类型编码

2. 协议格式：

   • 简单字符串: “+OK\r\n”
   • 错误: “-Error message\r\n”
   • 整数: “:1000\r\n”
   • 批量字符串: “$6\r\nfoobar\r\n”
   • 数组: “*2\r\n$3\r\nfoo\r\n$3\r\nbar\r\n”

3. 工作方式：

   • 客户端-服务端基于TCP通信
   • 默认端口6379
   • 支持管道和批量操作

安全认证配置

1. 密码认证设置：
   redis.conf配置
   requirepass your_strong_password

   客户端认证
   AUTH your_strong_password

2. 防护措施：

   • 修改默认端口
   • 绑定指定IP：
     bind 127.0.0.1
   • 禁用危险命令：
     rename-command FLUSHALL ""
   • 启用保护模式：
     protected-mode yes

3. 网络安全：

   • 使用SSL隧道
   • 配置防火墙规则
   • 启用ACL（Redis 6.0+）

SCAN vs KEYS 命令

1. SCAN命令特点：

   • 增量式迭代
   • 不阻塞服务器
   • 可能返回重复key
   • 语法：
     SCAN cursor [MATCH pattern] [COUNT count]

2. KEYS命令风险：

   • 一次性返回所有匹配key
   • 大数据量时会阻塞服务
   • 导致性能骤降

3. 生产环境建议：

   • 永远禁用KEYS *
   • 使用SCAN替代大数据量查询
   • 监控脚本示例：

 local cursor = "0"repeatlocal reply = redis.call("SCAN", cursor, "MATCH", "user:*")cursor = reply[1]-- 处理返回的keysuntil cursor == "0"

五、Redis 应用场景

1. 常见业务场景

分布式锁实现

核心方案：

1. 基础实现：
   SET lock_key unique_value NX EX 10

   • NX: 仅当key不存在时设置
   • EX: 设置过期时间(秒)
   • unique_value: 唯一标识(通常使用UUID)

2. 优化版(Lua脚本保证原子性)：

 if redis.call("SETNX", KEYS[1], ARGV[1]) == 1 thenreturn redis.call("EXPIRE", KEYS[1], ARGV[2])elsereturn 0end

3. 注意事项：
   • 必须设置过期时间
   • 解锁需验证value值
   • 考虑锁续期问题

限流方案

INCR计数器方案：

1. 固定窗口：

 local counter = redis.call("INCR", KEYS[1])if counter == 1 thenredis.call("EXPIRE", KEYS[1], ARGV[1])endreturn counter <= tonumber(ARGV[2])

2. 令牌桶算法：
   • 使用Hash存储：last_time, tokens
   • Lua脚本计算当前可用令牌数
   • 补充速率控制

参数示例：

• KEYS[1]: rate_limiter:user1
• ARGV[1]: 时间窗口(如60秒)
• ARGV[2]: 最大请求数(如100)

排行榜实现

ZSet核心操作：

1. 更新分数：
   ZADD leaderboard 100 "user1"

2. 获取排名：
   ZREVRANGE leaderboard 0 9 WITHSCORES

3. 用户排名：
   ZREVRANK leaderboard "user1"

优化技巧：

• 定期持久化到数据库
• 分片存储超大排行榜
• 使用ZUNIONSTORE合并多个榜单

消息队列方案

List基础方案：

1. 生产者：
   LPUSH orders "order_data"

2. 消费者：
   BRPOP orders 30

**Stream方案(Redis 5.0+)：

1. 生产消息：
   XADD mystream * field1 value1 field2 value2

2. 消费消息：
   XREAD BLOCK 0 STREAMS mystream $

3. 消费者组：
   XGROUP CREATE mystream mygroup $

Session共享

实现方案：

1. 存储结构：
   SETEX session:sessionid 3600 "user_data"

2. Spring集成配置：
   spring.session.store-type=redis
server.servlet.session.timeout=3600

3. 集群方案：

   • 相同TTL配置
   • 合理设置序列化方式

秒杀系统实现

库存扣减方案：

1. Lua脚本保证原子性：

local stock = tonumber(redis.call("GET", KEYS[1]))if stock > 0 thenredis.call("DECR", KEYS[1])return 1endreturn 0

2. 优化措施：
   • 库存预热
   • 分段锁减少竞争
   • 异步扣减+结果通知

参数示例：

• KEYS[1]: seckill:stock:123
• ARGV[1]: 无(可扩展传用户ID)

2. 高级应用

布隆过滤器实现

1. RedisBloom模块：

   • 加载模块：
     redis-server --loadmodule /path/to/redisbloom.so
   • 基本命令：
     BF.ADD myfilter item1
BF.EXISTS myfilter item1
   • 参数配置：
     BF.RESERVE myfilter 0.01 100000

2. 原生实现方案：

   • 使用Bitmap+多个哈希函数
   • 示例SETBIT操作：
     SETBIT bloom:filter hash1(item) 1
SETBIT bloom:filter hash2(item) 1

HyperLogLog统计UV

1. 基础命令：

   • 添加访问记录：
     PFADD uv:20230515 user1 user2 user3
   • 获取统计结果：
     PFCOUNT uv:20230515
   • 合并多日数据：
     PFMERGE uv:week uv:day1 uv:day2

2. 精度说明：

   • 标准误差0.81%
   • 固定使用12KB内存
   • 适合大数据量去重

GEO地理位置

1. 核心命令：

   • 添加位置：
     GEOADD locations 116.404 39.915 "user1"
   • 查询附近的人：
     GEORADIUS locations 116.404 39.915 10 km WITHDIST
   • 计算距离：
     GEODIST locations user1 user2 km

2. 实现原理：

   • 基于ZSet存储
   • 使用Geohash编码
   • 有效距离范围：-180到180经度

BitMap签到功能

1. 每日签到：

   • 用户签到：
     SETBIT sign:user1:202305 15 1
   • 查询签到：
     GETBIT sign:user1:202305 15
   • 统计签到：
     BITCOUNT sign:user1:202305

2. 连续签到计算：

   • 获取位图数据：
     GET sign:user1:202305
   • 客户端解析连续天数
   • 支持多维度统计：
     BITOP AND result sign:user1:202305 sign:user1:202306

六、Redis 与其他技术结合

Spring Boot 集成 Redis

1. 基础配置：

spring.redis.host=127.0.0.1
spring.redis.port=6379
spring.redis.password=yourpassword
spring.redis.lettuce.pool.max-active=8

2. 核心组件：

• RedisTemplate: 提供各种数据结构操作
• StringRedisTemplate: 字符串专用模板
• LettuceConnectionFactory: 默认连接池(优于Jedis)

3. 典型用法：

@Autowired
private RedisTemplate<String, Object> redisTemplate;// 操作示例
redisTemplate.opsForValue().set("key", "value");
redisTemplate.opsForHash().put("user", "id", 1001);

Redis + MySQL 配合方案

1. 缓存策略：

• Cache Aside Pattern:
  1. 读: 先查缓存→未命中查DB→回填缓存
  2. 写: 更新DB→删除缓存

2. 双写一致性方案：

• 延迟双删:
  1. 删除缓存
  2. 更新数据库
  3. 延迟500ms再次删除
• 监听binlog变更(通过canal)

Redis 和本地缓存（Caffeine、Guava Cache）如何选择？

选择依据对比

特性	Redis	Caffeine/Guava Cache
数据范围	全集群共享	仅单机有效
性能	微秒级（网络IO影响）	纳秒级（内存访问）
容量	支持GB/TB级别	通常MB级别（受JVM堆限制）
数据结构	支持丰富的数据结构	简单KV结构
持久化	支持	不支持
适用场景	分布式缓存、共享数据	高频热点数据、临时数据

电商分层缓存实战示例

场景：商品详情页缓存

1. 架构设计：
   用户请求 → Nginx → 本地缓存（Caffeine）→ Redis集群 → MySQL

2. 代码实现：

// 初始化多级缓存@Beanpublic Cache<String, Product> productCache() {return Caffeine.newBuilder().maximumSize(10_000)  // 本地缓存1万个商品.expireAfterWrite(5, TimeUnit.MINUTES).build();}// 查询逻辑public Product getProduct(Long id) {String key = "product:" + id;// 先查本地缓存Product product = productCache.getIfPresent(key);if (product != null) return product;// 再查Redisproduct = redisTemplate.opsForValue().get(key);if (product == null) {product = productMapper.selectById(id);  // 查数据库// 异步回填缓存executor.execute(() -> {redisTemplate.opsForValue().set(key, product, 1, TimeUnit.HOURS);productCache.put(key, product); });} else {productCache.put(key, product);  // 回填本地缓存}return product;}

3. 优势分析：

   • 本地缓存：扛住90%以上的商品查询请求
   • Redis层：保证集群各节点的数据一致性
   • 数据库：最终数据源，流量削峰达99%

4. 关键配置：

   • 本地缓存TTL（5分钟）< Redis TTL（1小时）
   • 本地缓存最大条目数根据内存调整
   • 使用异步线程回填避免阻塞主流程

选型建议

必须使用Redis的场景

• 需要跨服务共享的数据（如库存）
• 需要持久化的关键数据
• 复杂数据结构需求（如排行榜）

优先本地缓存的场景

• 极端性能要求（秒杀系统）
• 不要求强一致性的数据（商品描述）
• 单机高频访问数据（用户基础信息）

七、Redis 底层实现

Redis 的 SDS（Simple Dynamic String）和 C 字符串区别

特性	SDS	C 字符串
长度获取	O(1) 直接读取len属性	O(n) 需要遍历计算
缓冲区安全	自动扩容，不会缓冲区溢出	容易缓冲区溢出
二进制安全	可以存储任意二进制数据	只能存储文本，遇’\0’终止
内存分配	预分配+惰性释放策略	每次修改需重新分配
兼容性	末尾保留’\0’兼容C函数	-

Redis 字典（Hash 表）实现

1. 核心结构：

   • 哈希表数组 + 链表解决冲突
   • 包含两个哈希表（ht[0]和ht[1]）用于rehash

2. 渐进式rehash过程：

   • 扩容时机：负载因子 > 1 且允许rehash，或负载因子 > 5 强制rehash
   • 步骤：
     1. 分配ht[1]空间（大小为第一个大于等于ht[0].used*2的2^n）
     2. 维护rehashidx计数器（初始为0）
     3. 每次CRUD操作时迁移ht[0][rehashidx]的键值对
     4. 全部迁移完成后用ht[1]替换ht[0]

3. 优化特性：

   • 单次迁移一个桶（链表）
   • 期间查询会同时查两个表
   • 定时任务辅助迁移

Redis 跳跃表（Skip List）工作原理

1. 结构特点：

   • 多层有序链表（默认最大32层）
   • 每个节点包含：
     • 成员对象（ele）
     • 分值（score）
     • 后退指针（BW）
     • 层数组（level[]包含前进指针和跨度）

2. 查找过程：

   • 从最高层开始遍历
   • 当前节点分值 < 目标分值 → 继续前进
   • 当前节点分值 ≥ 目标分值 → 下降一层
   • 时间复杂度：O(logN)

3. 插入流程：

   • 随机确定节点层数（幂次定律）
   • 逐层更新前后节点指针
   • 更新跨度信息

Redis 过期键删除策略

1. 惰性删除：

   • 触发时机：访问键时检查过期时间
   • 优点：CPU友好
   • 缺点：内存不及时释放

2. 定期删除：

   • 工作流程：
     1. 随机抽取20个键检查
     2. 删除其中已过期的键
     3. 如果超过25%键过期则重复过程
   • 配置参数：
     hz 10 # 每秒执行次数

3. 内存淘汰触发删除：

   • 当内存不足时，按策略淘汰键
   • 相关配置：
     maxmemory-policy volatile-lru