zoukankan      html  css  js  c++  java
  • 02:Redis常见面试题

    1.1 redis基础面试题

      1、什么是Redis?简述它的优缺点?

          1. Redis本质上是一个Key-Value类型的内存数据库,很像memcached。

          2. 整个数据库统统加载在内存当中进行操作,定期通过异步操作把数据库数据flush到硬盘上进行保存。

          3. 因为是纯内存操作,Redis的性能非常出色,每秒可以处理超过 10万次读写操作,是已知性能最快的Key-Value DB。

          4. Redis的出色之处不仅仅是性能,Redis最大的魅力是支持保存多种数据结构,此外单个value的最大限制是1G
              不像 memcached只能保存1MB的数据,因此Redis可以用来实现很多有用的功能。

          5. 比方说用他的List来做FIFO双向链表,实现一个轻量级的高性 能消息队列服务,用他的Set可以做高性能的tag系统等等。

          6. Redis也可以对存入的Key-Value设置expire时间,因此也可以被当作一 个功能加强版的memcached来用。

          7. Redis的主要缺点是数据库容量受到物理内存的限制,不能用作海量数据的高性能读写,
              因此Redis适合的场景主要局限在较小数据量的高性能操作和运算上。

      2、Redis相比memcached有哪些优势?

          1. memcached所有的值均是简单的字符串,redis作为其替代者,支持更为丰富的数据类型

          2. redis的速度比memcached快很多

          3. redis可以持久化其数据

      3、redis五种数据类型,每种数据类型应用在哪?

          1. Str(缓存)

          2. List(消息队列)

          3. hashes(用户id+对应属性名称作为唯一的标识来取得对应属性的值)

          4. Set(set类似list,特殊之处是set可以自动排重:找两个人微博的共同好友)

          5. Sorted Set

            sorted set的使用场景与set类似,区别是set不是自动有序的

            而sorted set可以通过用户额外提供一个优先级(score)的参数来为成员排序,并且是插入有序的,即自动排序。

            比如:twitter 的public timeline可以以发表时间作为score来存储,这样获取时就是自动按时间排好序的。

      4、Redis有哪几种数据淘汰策略?

          noeviction:返回错误当内存限制达到并且客户端尝试执行会让更多内存被使用的命令(大部分的写入指令,但DEL和几个例外)

          allkeys-lru: 尝试回收最少使用的键(LRU),使得新添加的数据有空间存放。

          volatile-lru: 尝试回收最少使用的键(LRU),但仅限于在过期集合的键,使得新添加的数据有空间存放。

          allkeys-random: 回收随机的键使得新添加的数据有空间存放。

          volatile-random: 回收随机的键使得新添加的数据有空间存放,但仅限于在过期集合的键。

          volatile-ttl: 回收在过期集合的键,并且优先回收存活时间(TTL)较短的键,使得新添加的数据有空间存放。

      5、一个字符串类型的值能存储最大容量是多少?

          512M

      6、为什么Redis需要把所有数据放到内存中?

          Redis为了达到最快的读写速度将数据都读到内存中,并通过异步的方式将数据写入磁盘。

          所以redis具有快速和数据持久化的特征。如果不将数据放在内存中,磁盘I/O速度为严重影响redis的性能。

          如果设置了最大使用的内存,则数据已有记录数达到内存限值后不能继续插入新值。

      7、Redis集群方案应该怎么做?都有哪些方案? 

        1)codis。

            codis目前用的最多的集群方案,基本和twemproxy一致的效果,但它支持在 节点数量改变情况下,旧节点数据可恢复到新hash节点。

        2)redis cluster3.0自带的集群

            特点在于他的分布式算法不是一致性hash,而是hash槽的概念,以及自身支持节点设置从节点。

        3)在业务代码层实现

            起几个毫无关联的redis实例,在代码层,对key 进行hash计算,然后去对应的redis实例操作数据。

            这种方式对hash层代码要求比较高,考虑部分包括,节点失效后的替代算法方案,数据震荡后的自动脚本恢复,实例的监控,等等。

      8、Redis集群方案什么情况下会导致整个集群不可用?

          有A,B,C三个节点的集群,在没有复制模型的情况下,如果节点B失败了,那么整个集群就会以为缺少5501-11000这个范围的槽而不可用。

      9、MySQL里有2000w数据,redis中只存20w的数据,如何保证redis中的数据都是热点数据?

          redis内存数据集大小上升到一定大小的时候,就会施行数据淘汰策略。

      10、说说Redis哈希槽的概念?

          Redis集群没有使用一致性hash,而是引入了哈希槽的概念,Redis集群有16384个哈希槽。

          每个key通过CRC16校验后对16384取模来决定放置哪个槽,集群的每个节点负责一部分hash槽。

      11、Redis集群的主从复制模型是怎样的?

          为了使在部分节点失败或者大部分节点无法通信的情况下集群仍然可用,所以集群使用了主从复制模型,每个节点都会有N-1个复制品.

      12、Redis集群会有写操作丢失吗?为什么?

          Redis并不能保证数据的强一致性,这意味这在实际中集群在特定的条件下可能会丢失写操作。

    1.2 Redis有哪些适合的场景

      1、会话缓存(Session Cache)

          最常用的一种使用Redis的情景是会话缓存(session cache)。

          用Redis缓存会话比其他存储(如Memcached)的优势在于:Redis提供持久化。

      2、全页缓存(FPC)

          除基本的会话token之外,Redis还提供很简便的FPC平台。

          回到一致性问题,即使重启了Redis实例,因为有磁盘的持久化,用户也不会看到页面加载速度的下降,这是一个极大改进,类似PHP本地FPC。

      3、队列

          Reids在内存存储引擎领域的一大优点是提供 list 和 set 操作,这使得Redis能作为一个很好的消息队列平台来使用。

          Redis作为队列使用的操作,就类似于本地程序语言(如Python)对 list 的 push/pop 操作。

      4、排行榜/计数器

          Redis在内存中对数字进行递增或递减的操作实现的非常好。

          集合(Set)和有序集合(Sorted Set)也使得我们在执行这些操作的时候变的非常简单,Redis只是正好提供了这两种数据结构。

          所以,我们要从排序集合中获取到排名最靠前的10个用户–我们称之为“user_scores”,我们只需要像下面一样执行即可:

          当然,这是假定你是根据你用户的分数做递增的排序。如果你想返回用户及用户的分数,你需要这样执行:

          ZRANGE user_scores 0 10 WITHSCORES

          Agora Games就是一个很好的例子,用Ruby实现的,它的排行榜就是使用Redis来存储数据的,你可以在这里看到。

      5、发布/订阅

          发布/订阅的使用场景确实非常多。我已看见人们在社交网络连接中使用,还可作为基于发布/订阅的脚本触发器,甚至用Redis的发布/订阅功能来建立聊天系统!

  • 相关阅读:
    移动开发 Native APP、Hybrid APP和Web APP介绍
    urllib与urllib2的学习总结(python2.7.X)
    fiddler及postman讲解
    接口测试基础
    UiAutomator2.0 和1.x 的区别
    adb shell am instrument 命令详解
    GT问题记录
    HDU 2492 Ping pong (树状数组)
    CF 567C Geometric Progression
    CF 545E Paths and Trees
  • 原文地址:https://www.cnblogs.com/xiaonq/p/11504223.html
Copyright © 2011-2022 走看看