为什么要用缓存

• 使用缓存的目的是提高读写性能，在实际业务场景下，更多是为了提高读的性能，带来更高的并发量，Redis的读写性能比Mysql好很多，这个时候可以把Mysql的热点数据同步到Redis中来。

Redis有哪些好处

• 读取速度快，响应快
• 支持多种数据结构：字符串、列表、集合、有序集合、哈希等。
• 支持事务，且操作遵守原子性
• 其他丰富的功能：队列、主从复制、集群、数据持久化等。
• 持久化存储，Redis提供RDB和AOP两种持久化存储方案，解决Redis挂掉数据丢失问题。
• 缺点：
• 内存数据库，受单台物理机器内存的大小，虽然Redis有过期策略，但还是需要提前预估和节约内存。
• 修改配置文件，进行重启，时间比较久，这端时间不能提供服务。

为什么 使用 Redis 而不是用 Memcache 呢

• Redis和Memcache都是将数据存放到内存中，都是内存数据库，不过Memcache还可以用于图片、视频等缓存。
• Memcache仅支持key-value数据结构、Redis不仅支持key-value数据结构，还支持list、set、hash等
• Redis当物理内存用完的时候，还可以将很久没用的value持久化到磁盘。
• 存储数据安全，Memcache挂掉后数据不存在了，Redis定期持久化到磁盘。
• Memcache单个value最大1M,Redis单个最大512M
• Redis原生支持集群，Memcache没用原生支持集群，需要在客户端自己实现。

为什么Redis单线程模型效率也非常高

• C语言开发、效率高
• 纯内存操作
• 基于非阻塞的IO多路复用
• 单线程能够避免多线程上下文切换带来的额外开销

说说Redis的线程模型

• Redis内部使用 文件事件处理器。因为这个文件事件是单线程的，所以Redis也叫做单线程的模型，它采用IO多路复用同事监听多个Soket，根据Soket上的事件来选择对应的事件处理器：
• 文件事件处理器包含4个部分：
• 多个Soket
• IO多路复用程序
• 文件事件分派器
• 事件处理器
• 多个Soket可能会并发产生不同的操作，每个操作对应不同的文件事件，但是IO多路复用会监听多个Soket，会将Soket产生的事件放入队列中进行排队，事件分派器每次从队列中取出一个事件，把该事件交给对应的事件处理器处理。

为什么Redis要把所有数据放在内存中

• Redis将数据放在内存中有一个好处，那就是实现最快的速度对数据进行存取，如果数据存储在硬盘中，磁盘IO会严重影响Redis性能，而且Redis提供了持久化功能，不用担心服务器重启对内存中数据的影响，其次硬件越来越便宜的情况下，Redis也越来越受欢迎。

Redis缓存刷新策略有哪些

• maxmemory-policy volatile-lru
• LRU（最久没有被访问的数据最闲被淘汰）
• LFU（最近没有被访问到的数据最先被淘汰）
• FIFO（最先进入的数据最闲被淘汰）
• 超时剔除

Redis持久化方式方式有哪些，以及有什么区别

• RDB AOF 两种持久化方式
• RDB持久化：快照的方式半持久化，记录所有的键值对，在某个节点将数据写入一个临时文件，持久化结束后，用和这个文件替换上次的文件，达到数据恢复。
• 优点：
• 只有一个dump.rdb文件，方便持久化或者数据恢复
• 性能最大化，采用fork一个子进程来操作，让主进程继续处理命令，让子进程进行处理，保证了Redis的性能
• 缺点：
• 数据安全性低，RDB是间隔一段时间进行持久化，如果持久化时发生故障，会发生数据丢失，这种方式适合数据要求不严谨的时候。
• AOF持久化：所有命令按指定的协议持久化存储，保存为AOF文件
• 优点：
• 数据安全，可以通过配置每次都可以进行记录
• AOF机制的rewrite模式，可以对AOF命令合并重写，当误操作时，也可以删除某些命令进行恢复
• 缺点：
• AOF比RDB文件要大，且恢复速度慢
• 数据集大的时候，比RDB启动效率低

Redis持久化方式如何选择

• 不仅仅使用RDB这样回照成很多数据丢失
• 也不仅仅使用AOF，AOF恢复速度慢，AOF每次都会记录命令，恢复难度可能增大
• Redis支持同事开启两种方式持久化方式，我们可以综合这两种机制，用AOF来保证数据不丢失，做为数据恢复的第一选择，用RDB来做不同程度的冷备，在AOF丢失或者损坏的时候，采用RDB进行恢复
• 如果两种都开启，在Redis重启的时候，会采用AOF来加载数据，因为AOF数据更加完整

Redis事务的理解

• Redis事务是一组组合命令，是Redis的最小执行单位，它可以保证一次执行多条命令，每个事务是一个单独的隔离操作，事务中所有的命令都会序列化，按顺序执行。
• Redis事务不支持回滚，回滚需要增加很多工作，Redis保持简单、快速的特性。

为什么Redis设计成单线程

• 多线程的话会设计到锁的操作，并且多线程会有线程切换上下文开销，而且CPU目前不是Redis的瓶颈，Redis的瓶颈最有可能是机器内存和网络开销。

什么是 bigkey？会存在什么影响

• bigkey是指占用内存比较大的key，比如一个字符串可以占用300M
• 网络阻塞：获取key时，传输数据量比较大，增加带宽压力
• 超时阻塞：因为bigkey占用的空间比较大，所以操作起来效率会比较低，导致出现阻塞的可能性增加。

Redis集群模式

• Redis Sentinel：体量较小时，选择单机部署
• Redis Cluster：官方提供的集群解决方案，体量较大时，使用Redis Cluster，通过分片，使用更多内存。

Redis Cluster集群模式原理

• 所有节点相互相连
• 集群节点挂掉会自动转移

Redis Cluster 集群方案什么情况下会导致整个集群不可用

• Redis没有使用哈希一致性算法，使用的是哈希槽，Redis中哈希槽一共有16384个，假设有三个集群节点，挂掉一个节点时，在某段时间这段哈希槽是不可用的，也就是集群不可用。

Redis集群有哪几种

• 单节点单机模式
• 也支持一主多从结构
• 带有哨兵的集群部署

Redis常见性能问题有哪些

• Master最好不要做持久化工作，入RDB快照，AOF日志文件
• 如果数据比较重要，可以在slave开启AOF日志按秒进行配置持久化
• 为了主从复制的安全性和稳定性，最好部署在同一局域网内
• 主从复制不要用图状结构，用单向链表结构更为稳定，即 Master -> Slave1 -> Slave2 -> Slave3 。如果master挂掉，Salve1立即启用做为master。

假设Redis有1亿个key，其中10w个key是以固定的title，如何将他们快速查找出来

• 我们可以使用 keys 和 scan 命令
• 使用 keys 命令 ：可以使用keys进行全数据查询，当然Redis是单线程，数据量过大会进行阻塞，而且keys没有分页功能。
• 使用 scan 命令：scan命令和keys命令一样具有匹配功能，但是scan命令不会阻塞线程，并且查找的数据可能存在重复，需要客户端自己去重，因为scan是通过游标进行查询的，所以不会导致Redis出现假死，scan在检索过程中，被删除的元素是不会被查询出来的，相对来说scan命令耗费的时间更长，但是不影响Redis正常使用。

什么情况下会导致Redis阻塞

• Redis主机负载过高，也会导致系统崩溃
• 数据持久化占用过多的资源
• 对Redis的API使用不当，导致Redis出现问题
• 外部服务器问题（cpu、内存、网络）

缓存和数据库哪个先更新呢

• 为了解决数据不至于问题，其中一种解决方案是使用读写串行化，可以通过队列来实现，但是可能存在读请求的挤压，读请求并发高。
• 如果写入数据库和更新到缓存的值是一致的时候，这个时候可以同步更新缓存和数据库，如果对于写比较频繁，而读不频繁的时候，我们需要对对缓存进行删除，等读的时候再去获取
• 如果写数据的值和缓存的值不一致的时候，写入缓存的数据需要通过几个表进行计算，那就没必要马上更新缓存，需要要删除缓存即可，等获取需要的时候再去进行计算
• 一般的解决方案是先删除缓存数据，再更新数据库。
• 常见的三种方式：
• 先更新数据库库、再更新缓存
• 先删除缓存，再更新数据库
• 先更新数据库，再删除缓存。
• 首先我们放入缓存的数据本来就不应该是实时性要求过高，比如用户余额，所以缓存的过期时间保证最终一致性是比较靠谱的。
• 我们不应该过度设计增加系统的复杂度
• 遇到实时性、一致性要求较高的，就应该查询数据库，即使可能性能不高。

怎么提高缓存命中率

• 提前加载业务数据到缓存中
• 增加缓存存储空间，提高能够缓存的数据
• 提高缓存的更新频率

Redis 如何解决 key 冲突

• Redis中，如果key相同，后面一个会覆盖前面一个，如果要解决key冲突，就要有一套key命名规则，比如 按 业务 + 系统 + 子模块 等自定义命名规则。

Redis 报内存不足怎么处理

• 修改配置文件 maxmemory 参数，曾大内存
• 设置缓存淘汰策略，提高内存的使用率
• 使用Redis集群，提高存储量

缓存雪崩、缓存穿透、缓存预热、缓存更新、缓存降级等问题

• 缓存雪崩：系统设置的缓存在同一时间大面积过期，这时业务都去查询DB，给DB造成很大的压力，可能导致服务器岩机。
• 解决办法：讲缓存失效时间分散。
• 缓存穿透：指用户查询的时候缓存里面没有，数据库里面也没有，这两就会导致查询2次无用的操作，这样就绕过缓存直接查询数据库。
• 解决办法：1.布隆过滤器：将所有可能存在的数据存在一个bitmap中，一个一定不存在的数据会被拦截掉，从而避免了对底层系统的压力。2.简单的方法：查询为空，继续缓存这个空的value，过期时间相对设置短一些。
• 缓存预热：系统上线后，将相关系统的缓存直接存入缓存系统中，避免短时间内大量查询数据库。
• 解决方法：1.直接写个缓存刷新页面，上线时统一刷新。2.数据量不大时可以初始化加载。