在平时我们常常使用 Redis ，这里总结一下 Redis 的相关面试题和一些常见问题的解决方案。
Redis 在互联网公司一般有已下应用：
- String：缓存、限流、计数器、分布式锁、分布式 Session
- Hash：存储用户信息、用户主页访问量、组合查询
- List：微博关注人时间轴列表、简单队列
- Set：踩、赞、标签、好友关系
- Zset：排行榜
Redis 为什么会这么快？
- Redis 是纯内存操作，并且异步持久化到硬盘中。
- Redis 是单线程，从而避免了多线程中上下文频繁切换的问题。
- Redis 底层数据结构简单，对数据的操作也简单。
- Redis 使用非阻塞多路 I/O 复用模型，效率高。
Redis 缓存雪崩该如何避免？
1.对缓存设置相同的过期时间，导致某段时间内缓存失效，请求全部走数据库
在缓存的时候给过期时间加上一个随机值，这样就会大幅减少缓存再同一时间过期。
2.Redis 挂掉了，请求全部走数据库
事发前：实现 Redis 的高可用
事发中：本地缓存（ehcache）+限流（hystrix），尽可能的减少数据库被干掉的可能
事发后：使用 Redis 的持久化机制，重启后快速恢复缓存数据
缓存击穿如何避免？
缓存击穿是指查询一个一定不存在的数据，由于缓存不命中，并且从数据库查询不到的数据不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，失去了缓存的意义。
1.对请求的参数使用布隆过滤器（BloomFilter）或者提前拦截这个请求，不让其请求到数据库。
2.我们也可以对这个空值对象缓存到 Redis，当然我们必须设置一个较短的过期时间，以防止这空值对象对业务数据产生影响。
缓存与数据库双写一致
一般的我们队读操作都有一个套路：
1.如果我们的数据在缓存中有，我们就直接取缓存中的。
2.如果缓存中没有我们想要的数据，我们会先去查询数据库，然后将数据库查询出来的数据写到缓存中。
3.最后将数据返回给用户请求。
高并发情况下，无论是先操作数据库还是后操作数据库，再加上缓存更新，就更加容易导致数据库与缓存数据不一致的问题。如果每次更新了数据库都去更新缓存将是一个非常耗费性能的操作，不如将缓存直接删除掉。等下次读取的时候，缓存没有找到，再到数据库找，再将数据库中的数据缓存到 Redis 中。
解决思路：
先更新数据库，再删除缓存
这样可以解决大部分的并发问题，但是也存在一定的概率（极小）导致缓存不一致的情况。
- 缓存刚好失效
- 线程 A 查询数据库，得到一个旧值
- 线程 B 将新值写入数据库
- 线程 B 删除缓存
- 线程 A将插到的旧数据写入缓存
先删除缓存，再删除数据库
这样其实也可以解决并发问题，但是其实也会有一定概率导致缓存不一致的情况。
- 线程 A 删除了缓存
- 线程 B 查询，发现缓存已不存在
- 线程 B 去数据库查询得到旧数据
- 线程 B 将旧数据写入缓存
- 线程 A 将新值写入数据库
但是上面两种方式都是在很极端的情况下才会发生的情况，如果在需要缓存和数据强一致性的情况下可以将删除缓存、修改数据库放在一个队列中去执行，实现串行化，这样就可以保证缓存和数据库的一致性。