【Java面试】二、Redis篇（中）

1、Redis持久化

1.1 RDB

RDB，即Redis Database Backup file，导出数据快照到磁盘。如果Redis实例宕机，也可读取快照文件，恢复数据，一般bgsave，以防文件过大时，阻塞其他请求

也可根据配置触发RDB：redis.conf

RDB的执行原理：bgsave开始时，fork主进程得到一个子进程（类似克隆，把存有映射关系的页表拷贝给了子进程），页表中存了分配给进程的内存（虚拟地址）和物理内存（物理地址） 的映射关系。子进程根据页表去读取数据，并写入RDB文件，主进程则继续回去处理客户端请求。

主进程和子进程之间会使用写时复制（copy-on-write）机制，此时，原内存空间为read-only，主进程如果要进行写操作，会拷贝一份数据，进行写操作，且后面读操作也是基于拷贝的副本去读，因此，basave期间，进行更新的那部分数据，不会同步到快照文件中。

1.2 AOF

Append Only File（追加文件），类似日志文件，记录每一个写命令

相关配置：redis.conf

记录写命令到AOF文件，有不同的策略（即刷盘策略）

everysec策略适用场景最多。此外，多次set同一个key，没必要重复记录，记录最后一次即可，可用bgrewriteaof命令，让AOF重写，降低文件大小。

关于触发重写的阈值配置：

1.3 RDB与AOF的对比

2、数据过期策略（删除策略）

即数据过期后，何时从内存中删除。

• 惰性删除
• 定期删除

2.1 惰性删除

key过期后，不管，直到下次get key，发现过期就删除，否则正常返回

• 优点：不多占用CPU
• 缺点：如果有key过期，但后面没被get过，则这块空间一直得不到释放

2.2 定期删除

每隔一段时间，对一定数量的key进行检查，删除过期的key。有两种模式：

• SLOW模式：定时任务，执行频率默认10hz，即每个执行周期100ms，每次不超过25ms，可在redis.conf调整
• FAST模式：频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms

Redis的过期策略是惰性删除 + 定期删除配合。

3、数据淘汰策略

如果缓存过多，内存沾满了，如何处理 ⇒ 根据配置的策略删除一定的数据 ⇒ 数据淘汰策略

• noeviction：不淘汰，内存满了就不允许写，抛错，是默认的策略
• volatile-ttl：TTL越小，越先被淘汰
• allkeys-randon：全体key，随机淘汰
• volatile-random：设置了TTL的key，随机淘汰
• allkeys-lru：全体key，按LRU算法淘汰
• volatile-lru：设置了TTL的key，按LRU淘汰
• allkeys-lfu：全体key，按LFU算法淘汰
• volatile-lfu：设置了TTL的key，按LFU淘汰

数据库有 1000 万数据 ,Redis 只能缓存 20w 数据，如何保证 Redis 中的数据都是热点数据？

⇒ allkeys-lru策略，挑选最近没怎么使用的数据淘汰，留下热点数据。且如果有指定的需求，可以用volatile-lru + 置顶数据不设置过期时间，以保证这些数据永不被删除

4、主从复制

Redis的三种模式：

• 单机模式
• 集群模式
• 哨兵模式
  

单节点的Redis并发能力有上限，切为Redis主从集群，实现读写分离，提高并发能力（如下，一台服务器又查又写，并为一台写两台查，查的并发上限翻倍）：

读写分离后，数据的同步方案：

4.1 主从全量同步

• Replication Id：即replid，数据集的标记，该ID相同则说明对应的数据集是同一个，每个master有唯一的replid，slave会继承master的replid。

• offset：偏移量，repl_baklog文件记录的数据越多，offset越大

全量同步时，如果master和slave的replid不相等，则master执行basave生成快照给slave去同步。根据前面的写时复制机制，basave期间，master接收到的写请求不会同步到快照文件中，因此，slave加载完快照文件后，还要执行从master收到的repl_baklog文件，该文件记录了basave期间，master额外收到的写指令。

如果replid相等，但master的offset为80，slave的offset为50，则slave把repl_baklog文件50-80的这一段命令再执行一下

4.2 增量同步

常用于slave节点重启后。slave发送自己的replid和offset到master，如果replid不一致，则是第一次同步，后续同全量。

如果replid一致，则不是第一次同步。根据offset发送对应片段的repl_baklog的命令到slave

5、哨兵模式

上面的主从集群，并不能实现高可用，master一挂，丧失写的能力 ⇒ 引入哨兵机制实现主从集群自动故障恢复。哨兵做为Redis集群的一个节点，其作用：

• 节点状态监控：不断检查master、各个slave的健康状况
• 自动故障恢复：如果master故障，则从slave中提升一个出来当master，即使后面master再恢复，也以新的master为主节点
• 通知：集群故障转移后，将新的master、slave信息推到Redis客户端
  

5.1 服务状态监控

哨兵Sentinel基于心跳机制监测节点状态，每1秒向集群每个节点发送ping命令：

• 主观下线：某一个Sentienl发现某节点在规定时间未响应回pong到Sentinel，认为该节点主观下线
• 客观下线：指定数量（常设为Sentienl数量的一半）的Sentintl都认为这个节点主观下线，则该节点客观下线

5.2 哨兵选主规则

• 排除不在线的、响应慢的
• 排除与主节点断开时间长的（断开时间长，读写分离下，数据不全）
• 根据优先级、offset。若slave-prority一样，offset越大，优先级越高
• 看运行ID，越小优先级越高

5.3 哨兵模式下，Redis集群的脑裂

下面是一个正常的哨兵模式架构：

如下，假如Sentinel、master、slave处于不同的网络环境，当Sentinel因网络原因连不上master时，其会去重新选举出一个master。但原来的master客户端是可以连接通的，此时就出现了两个master，即发生了脑裂。

再到后来，网络恢复，原来的master会被降为slave（前面提到的，恢复后，以新master为主节点），并从新的master去同步数据。即清空自己的数据，导入新master的快照文件，如此，脑裂期间，客户端写到master的数据就会丢失。

关于集群脑裂问题的解决，可配置这两个参数：

//最少的slave节点为1个
min-replicas-to-write 1
//数据复制和同步的延迟不能超过5秒
min-replicas-max-lag 5

如此，脑裂时，往旧的master写数据，因其slave数量为0，就会写入失败。且网络恢复后，数据同步也会因延迟过大而报错。

6、分片集群

主从（主写从读）集群和哨兵，解决了高可用、高并发读的问题，但存在两个问题：

• 海量数据的存储问题
• 高并发写的问题

由此 ⇒ Redis分片集群，特点：

• 集群中有多个master，每个master保存不同的数据，由此，每加一个master，并发写的能力就加一段（如从2n到3n）⇒ 解决高并发写
• 每个master有多个slave ⇒ 解决高并发读
• master之间互相ping，以检测健康状态，起到了哨兵的作用。如果多个master都认为某个master挂了，那这个master客观下线 ⇒ 类似哨兵
• 客户端可请求访问集群的任意节点，最终都会被转发到正确的节点上去查写

至于客户端的请求会被转发到正确的节点上去，是通过哈希槽实现。Redis集群引入哈希槽的概念，整个集群有16384个哈希槽。

set或者get某个key ⇒ 这个key通过CRC16校验后，对16384取模来决定放哪个槽 ⇒ 集群每个master负责一定范围的槽

除了key去决定放哪个槽，也可以在key前加个{有效部分}，如上面{aaa}，如此，这些key就都可以被分到同一个master节点

7、Redis快的原因（IO多路复用 + Redis网络模型）

Redis是单线程的，但为什么还那么快？

• 纯内存操作，执行速度快
• 单线程下，避免了上下文切换，以及线程安全问题的考虑和实现
• 使用了I/O多路复用模型，是非阻塞IO

7.1 用户空间和内核空间

Linux系统中一个进程使用的内存有两部分：

• 用户空间：权限低，不能直接调用系统资源（只能通过内核提供的接口来调用）
• 内核空间：可调用一切系统资源

关于以上空间的理解：用户A打开微信给其好友B，发生了一条消息message1。启动微信，即开了一个进程，编辑信息message1，相当于在服务器的用户空间，想发送message1，就要过网卡然后发给用户B。

而用户空间不能直接调用系统资源（硬件网卡），因此整个流程为：把用户缓冲区数据拷贝到内核缓冲区 ⇒ 写入硬件设备。用户B给A回复后，读数据则是：从网卡设备读到内核缓冲区，再拷贝到用户缓冲区。

以上，影响性能的有两个点：

• 用户空间读数据时，要等待内核空间给它，内核空间数据未就绪，就一直空等
• 数据来回拷贝

7.2 阻塞IO模型

用户进程在以下两个阶段都被阻塞：

• 阶段1：等待内核从系统硬件资源中去准备数据
• 阶段2：数据从内核空间拷贝到用户空间

7.3 非阻塞IO模型

用户进程，在阶段一不会被阻塞，如果内核空间没数据，会返回一个异常给用户进程，用户进程可以过会儿再去读。但阶段二，从内核空间拷贝到用户空间的时候，依然阻塞

7.4 IO多路复用

单个线程去监听多个Socket，监听的过程，用户线程是阻塞的，但只要出现一个Socket可读或可写，用户线程就会收到通知去干活儿

IO多路复用，监听Socket有多种实现：

• select
• poll
• epoll

以点餐为例，select和poll就像：吧台有一盏灯，底下一群顾客，人手一个按钮，想好吃什么时，按下按钮，吧台灯亮。但此时吧台显示不出具体是哪个顾客要点餐，只是知道有人要点餐了。服务员就得挨个去问，是不是你要点餐？

epoll则是：顾客的按钮不再控制吧台的灯，而是控制吧台的计算机屏幕，顾客按一下，屏幕显示顾客桌号

select 和 poll 只会通知用户进程有 Socket 就绪，但不确定具体是哪个Socket ，需要用户进程逐个遍历 Socket 来确认

epoll 则会在通知用户进程 Socket 就绪的同时，把已就绪的 Socket 写入用户空间

最后，Redis的网络模型，有IO多路复用，用来监听客户端的连接Socket，但每个Socket下做的事可能不一样，有读请求、写请求，因此，Redis再用事件派发机制，转发到对应的处理器

8、面试