Redis

1、redis过期键删除？

　定期删除 + 惰性删除

• 定期删除 ：默认每隔100ms随机抽取一些设置了过期时间的key进行删除
• 惰性删除 ：查询key的时候，懒惰的检查一下

2、内存淘汰机制？

• noeviction : 当内存不足以容纳新写入数据时，新写入数据会报错
• allkeys-lru ：移除最近最少使用的key（最常用）
• allkeys-random : 随机
• volatile-lru : 在设置了过期时间的key中，移除最近最少使用的key
• volatile-random ： 过期key中，随机删除

3、手写LRU算法

public class LRUCache<K,V> extends LinkedHashMap<K,V> {
    
  private int cacheSize;
  
  public LRUCache(int cacheSize) {
      super(16,0.75f,true);
      this.cacheSize = cacheSize;
  }

  /**
   * 判断元素个数是否超过缓存容量
   */
  @Override
  protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
      return size() > cacheSize;
  }
}

4、如何保证Redis的高并发和高可用？Redis的主从复制原理？哨兵原理？

• 高并发：主从架构，一主多从，一般来说很多项目已经足够了，单主用来写入数据，单机几万QPS，多从用来查询数据，可以水平扩展
• 高可用：Sentinel哨兵 + Redis主从，哨兵本身是分布式的，至少需要3个实例
• 异步复制导致数据丢失、脑裂：min-slave-to-writer、min-slave-max-lag

• 哨兵的master选举算法：
  • 跟master断开的时间长度
  • 优先级
  • 复制offset
  • run id 
  • quorum数量的哨兵认为sdown就会转换为odown，然后得到majority数量哨兵的授权，转换为master

5、RDB 和 AOF

•  RDB持久化就是把当前进程数据生成快照保存到磁盘的过程。
•  触发的机制 ：
  • 手动触发: bgsave 和 save 命令
    • save ： 阻塞直至RDB操作完成
    • bgsave ： fork子进程，RDB持久化交给子进程完成
  • 自动触发： 
    • save相关配置 ，比如说save m n 那么就是如果数据集在m秒内改动了n次，就触发
    • shutdown，如果没有开启AOF配置，那么默认执行RDB
    • 从节点进行全量复制的时候
• AOF：
  • 以append-only模式将每次的写命令存在独立的文件中，系统重启通过重放命令达到数据恢复的效果
  • 触发机制：
    • bgrewriteaof
    • 根据auto-aof-rewrite-min-size 和 auto-aof-rewrite-percentage参数
  • 流程：
    • 所有写命令追加到aof_buf缓冲区中
    • AOF缓冲区根据对应的策略像磁盘做同步操作（always ：每条写命令都写磁盘，everysec ：fsync操作每秒执行一次 ，no ：同步硬盘操作由系统完成，通常最长30秒）
    • 随着AOF文件越来越大，需要定期向AOF文件进行重写，达到压缩的目的
      • 内过期数据不再写入文件
      • 将无效命令直接由内存数据生成，如del key，set a 1、set a 2
    • Redis重启重放AOF文件，进行数据恢复

6、缓存穿透和缓存雪崩？

　　 缓存雪崩

• 场景：缓存宕机，大量请求打到数据库直接打死
• 解决：
  • 事前：Redis高可用 
  • 事中：本地ehcache缓存 + hystrix限流和降级，防止数据库被打死
  • 事后：redis持久化机制恢复内存数据

　　缓存穿透

• 场景：瞬时大量的不存在的key请求，数据库又被打死了
• 解决：每次只要查不到，就写一个空值到缓存中去

7、缓存与数据库双写一致性？

　　读的时候先读缓存，缓存没有就读数据库，然后取出数据放入缓存，同时返回响应。写的时候先删除缓存，后更新数据库。

　　高并发的情况下还是会出现双写不一致问题，可以将相同key的读写放在一个队列中（可以通过hash值对队列数量取模），达到顺序执行的效果。

 8、Redis并发竞争问题？

　　分布式锁保证同一时间只能有一个系统能操作key，写的时候判断本次的时间戳是否晚于db库中的时间戳。

9、为什么redis那么快

• 内存操作
• 非阻塞的IO多路复用
• 单线程避免了上下文切换的性能消耗

10、redis的文件事件处理器

  

一次完整的客户端与服务器连接事件示例：

• 一个redis客户端向服务器发起连接，产生一个AE_READABLE事件，触发连接应答处理器执行。处理器响应客户端连接请求，创建客户端套接字并将客户端套接字的AE_READABLE事件与命令请求处理器关联，使得客户端可以向服务器发送命令请求
• 客户端向服务器发送一个命令请求，那么客户端套接字会产生一个AE_READABLE事件，引发命令请求处理器执行
• 服务器将客户端套接字的AE_WRITABLE事件与命令回复处理器进行关联，当客户端尝试读取命令回复的时候，客户端将产生AE_READABLE事件，触发命令回复处理器执行，当命令回复处理器将命令回复全部写入套接字后，服务器会解除客户端套接字AE_WRITEABLE事件与命令回复处理器之间的联系。

11、Redis的应用场景

• 缓存
• 共享session
• 消息队列
• 分布式锁

12、Redis支持的数据类型 （看看自己的redis整理）

• String
• list
• hash
• set
• zset
• HyperLogLog :
  • pfadd（添加）、pfcount（统计）、pfmerge（合并多个key的计数）、pf是发明者的英文首字母
  • 准备率在0.81
  • 在计数比较小时，它的存储空间采用稀疏矩阵存储，空间占用很小，仅仅在计数慢慢变大，稀疏矩阵占用空间渐渐超过了阈值时才会一次性转变成稠密矩阵，才会占用 12k 的空间
  • HyperLogLog 实现中用到的是 16384 个桶，也就是 2^14，每个桶的 maxbits 需要 6 个 bits 来存储，最大可以表示 maxbits=63，于是总共占用内存就是2^14 * 6 / 8 = 12k字节。
• Bloom Filter ：当布隆过滤器说某个值存在时，这个值可能不存在；当它说不存在时，那就肯定不存在
  • bf.add : 添加元素
  • bf.exists ： 查询元素是否存在
  • bf.madd : 批量添加
  • bf.mexists : 批量查询元素是否存在
  • 向布隆过滤器询问 key 是否存在时，跟 add 一样，也会把 hash 的几个位置都算出来，看看位数组中这几个位置是否都为 1，只要有一个位为 0，那么说明布隆过滤器中这个 key 不存在。如果都是 1，这并不能说明这个 key 就一定存在，只是极有可能存在，因为这些位被置为 1 可能是因为其它的 key 存在所致
• geo :
  • geoadd 指令携带集合名称以及多个经纬度名称三元组，注意这里可以加入多个三元组
  • geodist 指令可以用来计算两个元素之间的距离，携带集合名称、2 个名称和距离单位
  • geopos 指令可以获取集合中任意元素的经纬度坐标，可以一次获取多个
  • geohash 可以获取元素的经纬度编码字符串
  • georadiusbymember 指令是最为关键的指令，它可以用来查询指定元素附近的其它元素
  • georadius 根据用户的定位来计算「附近的车」，「附近的餐馆」等.它的参数和 georadiusbymember 基本一致，除了将目标元素改成经纬度坐标值

13、skipList跳表的数据结构

• 跳跃表是在一种有序数据结构，它通过在每个节点维护多个指向其他节点的指针，从而达到快速访问节点的目的
•  有待补充