Redis面试题

Redis支持的数据类型？

Redis 支持五种主要的数据类型，分别是 String（字符串）、Hash（哈希）、List（列表）、Set（集合）和 Sorted Set（有序集）

Redis的持久化策略？

Redis 提供了两种持久化策略：RDB 和 AOF。

RDB 是一种 Snapshot 快照持久化方法，它会在满足一定条件的情况下，将内存中的所有数据以文件形式保存到硬盘上。RDB 文件占用空间小，恢复速度快。

AOF 是 Append Only File 持久化方法，它会将 Redis 执行的所有写命令追加到文件中，并在 Redis 重启时回放这些命令来恢复数据。AOF 持久化相比 RDB 更加安全，因为它可以保留更多的历史记录。

Redis 默认采用 RDB 持久化，也可以同时使用 RDB 和 AOF 持久化。在配置文件中可以指定相应的参数来控制这两种持久化方法的行为。

如何保证redis的⾼可⽤?

• Redis⽀持持久化，同时开启rdb 和 aof ，以保证数据的安全性（还是存在数据丢失⻛险的）
• Redis⽀持主从配置，我们可通配置哨兵，实现主备配置，保证可⽤性
• Redis也⽀持集群，通过集群配置可以保证redis的⾼并发

在项⽬中redis的使⽤场景?

• 缓存系统：存储经常访问且很少修改的数据，以减少对主数据库的访问和减少访问延迟。

• 会话存储：用于存储用户会话信息,如用户的登录状态、个人设置等。

• 排行榜/计数器：Redis的Sorted Set数据类型非常适合于实现排行榜,同时Redis的原子操作也可以用于实现各种计数器。比如：文章的阅读数，白天都是存储在redis中，只有在晚上12或者其他某个时刻，才把数据写入mysql等数据库，以及微博热搜的排行等都可用redis实现。这些场景对数据的实时性要求很高

• 任务队列：Redis的List数据类型可以用于实现各种任务队列，如FIFO队列等。

  在电子商务应用中，一旦客户下订单，就需要处理一系列后台任务，例如库存检查，支付处理，订单确认，通知等。这些任务可能需要较长的时间来处理，如果同步执行这些任务，可能会导致用户在提交订单后需要等待较长时间才能得到反馈，这会严重影响用户体验。在这种情况下，我们可以使用Redis作为任务队列，将订单处理任务异步执行。当然这种场景，有性能更优秀的中间件——消息队列-kafka、mq等

• 实时分析：Redis的速度和数据结构使它成为实时分析的理想选择，例如可以用于统计网站访问者或者收集实时交易信息等。

redis中的数据可以设置过期时间，当数据过期之后有些key并没有及时清除，请问如何处理？

这是因为它使用了惰性删除策略。

惰性删除：放任键的过期不管，但是每次从键空间中获取键时，都检查取得的键是否过期，如果过期的话，就删除该键；如果没有过期，就返回该键。（使用的时候删除）

Redis的删除策略有哪些？

• 定期删除策略：每隔一段时间，Redis 会对数据库进行一次随机采样，检查其中的键是否已过期，如果发现有过期键则删除。
• 惰性删除策略：当某个键被访问时，如果发现该键已经过期，则立即删除该键。
• 内存使用达最大限制才删除：当 Redis 内存使用达到最大限制时，还可以使用淘汰策略来腾出内存空间。

Redis 使用的是惰性删除和定期删除相结合的方式来处理过期键。当某个键被访问时，如果发现该键已经过期，则立即删除该键；每隔一段时间，Redis 会对数据库进行一次随机采样，检查其中的键是否已过期，如果发现有过期键则删除。

需要注意的是，Redis 并不能保证所有的过期键都能得到及时处理，因为它是异步处理过期键的（有的是再次访问发现过期时，才删除），有可能会出现一些过期键未被清除的情况。

Redis提供的淘汰策略有哪些?

Redis提供了8种淘汰策略：

# volatile-lru -> 从设置了过期时间的数据中淘汰最久未使⽤的数据.
# allkeys-lru -> 从所有数据中淘汰最久未使⽤的数据.
# volatile-lfu -> 从设置了过期时间的数据中淘汰使⽤最少的数据.
# allkeys-lfu -> 从所有数据中淘汰使⽤最少的数据.
# volatile-random -> 从设置了过期时间的数据中随机淘汰⼀批数据.
# allkeys-random -> 从所有数据中随机淘汰⼀批数据.
# volatile-ttl -> 淘汰过期时间最短的数据.
# noeviction -> 不淘汰任何数据，当内存不够时直接抛出异常.

其中默认的淘汰策略为：noeviction

# The default is:
#
# maxmemory-policy noeviction

LRU：最近最少使用淘汰算法（Least Recently Used）。LRU是淘汰最长时间没有被使用的数据

LFU：最不经常使用淘汰算法（Least Frequently Used）。LFU是淘汰一段时间内，使用次数最少的数据

指定淘汰策略

在配置文件中进行如下配置：

maxmemory-policy volatile-lru

在redis集群，请问如何解决redis集群的脑裂问题？

Redis 集群中的脑裂问题是由于网络分区导致部分 Redis 实例与其他实例断开连接，形成多个不完整的集群，每个实例都认为自己是最新的状态，从而造成数据冲突或者一致性问题。

出现集群脑裂后，如果客户端还在基于原来的master节点继续写入数据，那么新的master节点将无法同步这些数据，当网络问题解决之后，sentinel集群将原先的master节点降为slave节点，此时再从新的master中同步数据，将会造成大量的数据丢失。

解决方案

由于脑裂是由网络等原因造成的，除了提高网络、硬件等方法外，主要通过增加以下配置，改善出现脑裂而引发的数据丢失问题。

min-slaves-to-write 1 // 要求至少有1个slave

min-slaves-max-lag 10 //数据复制和同步的延迟不能超过10秒

如果一个master出现了脑裂，跟其他slave丢了连接，那么上面两个配置可以确保说，如果不能继续给指定数量的slave发送数据，而且slave超过10秒没有给自己ack消息，那么就直接拒绝客户端的写请求。这样脑裂后的旧master就不会接受client的新数据，最多就丢失10秒的数据，也就避免了大量长时间的数据丢失。