---

Redis有哪几种基本类型

Redis 提供了丰富的数据类型，这些数据类型使得 Redis 不仅仅是一个简单的键值存储系统，而是一个多功能的 NoSQL 数据库。下面是 Redis 支持的主要数据类型及简介：

1. String（字符串）
   最基本的数据类型，可以存储单个值，如字符串、整型或浮点型数据。适用于大多数简单的键值存储需求。

2. Hashes（哈希）
   哈希是一个键值对的集合，每个键都是一个字段名，值可以是任意类型。哈希非常适合存储对象，比如用户信息，其中每个字段代表用户的一个属性。

3. Lists（列表）
   列表是由字符串元素构成的有序集合，可以看作是一个双端队列。可以在列表的头部或尾部添加或弹出元素，常用于消息队列或任务队列。

4. Sets（集合）
   集合是一组无序的不重复的字符串元素。集合成员是唯一的，可以进行交集、并集和差集等集合运算，适用于处理唯一元素的集合。

5. Sorted Sets（有序集合）
   类似于集合，但每个成员都有一个分数（score）与其关联，以此来确定成员的排序。有序集合可以高效地获取指定范围内的成员，适用于排行榜、时间序列数据等场景。

详细的介绍可以看文章：Redis的几种基本类型详解

---

Redis为什么快？

Redis之所以非常快速，主要归功于以下几个设计特点和技术优势：

1. 内存存储：
   Redis将所有的数据都保存在主服务器的内存中，读写速度极快，不受磁盘I/O速度的影响。由于内存访问速度远高于硬盘，这大大提升了数据的读取和写入效率。

2. 非阻塞架构：
   Redis采用了事件驱动的非阻塞I/O模型，可以同时处理多个客户端请求，无需等待慢速的I/O操作完成，提高了并发处理能力。

3. 多路复用器（epoll/kqueue）：
   Redis使用了高效的事件处理器，如Linux下的epoll和BSD下的kqueue，这些机制可以让Redis在高负载下仍然保持良好的性能。

4. 异步数据交换：
   在主从复制和持久化过程中，Redis采用异步方式处理背景任务，避免影响主线程的工作效率，保证在线服务的速度不受影响。

5. 精简的数据结构：
   Redis提供了多种高度优化的数据结构（如跳跃表、压缩列表、整数集合），针对不同的应用场景进行了专门的设计，在节省空间的同时也加快了操作速度。

6. 单线程模型：
   Redis采用单线程模型处理命令请求，避免了复杂的锁竞争问题，简化了内部调度流程，减少了上下文切换带来的开销。

---

为什么Redis6.0后改用多线程?

redis使用多线程并非是完全摒弃单线程，redis还是使用单线程模型来处理客户端的请求，只是使用多线程来处理数据的读写和协议解析，执行命令还是使用单线程。

需要注意的是，Redis的多线程仅限于后台任务如AOF、BGSAVWE、IO等，对于数据处理和客户端请求的处理依然保持单线程，这是因为单线程模型可以避免复杂的并发控制问题，保证数据的一致性和安全性。多线程的引入主要是为了释放CPU资源，让主线程专注于更关键的实时数据处理工作。

---

什么是热key吗？热key问题怎么解决？

什么是热Key？

在分布式缓存系统中，热Key指的是那些访问频率非常高，以至于对整个系统的性能产生负面影响的键值。

解决热Key问题的方法

1. 分散热点

• Key前缀随机化：通过对Key增加随机前缀，可以使原本相同的Key分布到不同的节点上，从而分散请求的压力。

• 一致性Hash：使用一致性Hash算法可以更好地均衡各个节点间的负载，避免单一节点成为瓶颈。

2. 缓存更新策略

• 延时双删法：即“Cache Aside”模式的变体，先删除缓存再更新数据库，然后再异步更新缓存，这样即使缓存失效，也能防止所有请求立即打到数据库。

• 加锁更新：在更新热Key时，可以使用分布式锁，确保同一时间内只有一个进程能够更新这个Key，其他请求则可以从旧缓存中读取数据，直到新数据准备好。

3. 缓存降级

• 备用数据源：当热Key失效时，可以暂时使用预先准备好的静态数据或默认值作为替代，避免直接访问数据库。

4. 读写分离

• 对于读多写少的场景，可以考虑将读操作和写操作分离，使用只读副本应对大部分读请求，减少主节点的负载。

5. 限流与熔断

• 限流：对访问频率过高的Key实施限流措施，避免过度消耗资源。

• 熔断：当检测到某个Key的访问异常时，自动切断对该Key的访问，直到恢复正常。

---

什么是缓存击穿、缓存穿透、缓存雪崩？

缓存击穿

缓存击穿的概念就是单个key并发访问过高，过期时导致所有请求直接打到db上，这个和热key的问题比较类似，只是说的点在于过期导致请求全部打到DB上而已。

解决方案：

加锁更新，比如请求查询A，发现缓存中没有，对A这个key加锁，同时去数据库查询数据，写入缓存，再返回给用户，这样后面的请求就可以从缓存中拿到数据了。
将过期时间组合写在value中，通过异步的方式不断的刷新过期时间，防止此类现象。

缓存穿透

缓存穿透是指查询不存在缓存中的数据，每次请求都会打到DB，就像缓存不存在一样。

针对这个问题，加一层布隆过滤器。布隆过滤器的原理是在你存入数据的时候，会通过散列函数将它映射为一个位数组中的K个点，同时把他们置为1。

这样当用户再次来查询A，而A在布隆过滤器值为0，直接返回，就不会产生击穿请求打到DB了。

显然，使用布隆过滤器之后会有一个问题就是误判，因为它本身是一个数组，可能会有多个值落到同一个位置，那么理论上来说只要我们的数组长度够长，误判的概率就会越低，这种问题就根据实际情况来就好了。

缓存雪崩

当某一时刻发生大规模的缓存失效的情况，比如你的缓存服务宕机了，会有大量的请求进来直接打到DB上，这样可能导致整个系统的崩溃，称为雪崩。雪崩和击穿、热key的问题不太一样的是，他是指大规模的缓存都过期失效了。

针对雪崩几个解决方案：

针对不同key设置不同的过期时间，避免同时过期
限流，如果redis宕机，可以限流，避免同时刻大量请求打崩DB
二级缓存，同热key的方案。

---

Redis的过期策略

redis主要有2种过期删除策略

惰性删除
惰性删除指的是当我们查询key的时候才对key进行检测，如果已经达到过期时间，则删除。显然，他有一个缺点就是如果这些过期的key没有被访问，那么他就一直无法被删除，而且一直占用内存。

定期删除
定期删除指的是redis每隔一段时间对数据库做一次检查，删除里面的过期key。由于不可能对所有key去做轮询来删除，所以redis会每次随机取一些key去做检查和删除。

那么定期+惰性都没有删除过期的key怎么办？
假设redis每次定期随机查询key的时候没有删掉，这些key也没有做查询的话，就会导致这些key一直保存在redis里面无法被删除，这时候就会走到redis的内存淘汰机制。

volatile-lru：从已设置过期时间的key中，移除最近最少使用的key进行淘汰
volatile-ttl：从已设置过期时间的key中，移除将要过期的key
volatile-random：从已设置过期时间的key中随机选择key淘汰
allkeys-lru：从key中选择最近最少使用的进行淘汰
allkeys-random：从key中随机选择key进行淘汰
noeviction：当内存达到阈值的时候，新写入操作报错

---

Redis持久化方式有哪些？区别？

Redis 提供了两种主要的持久化方式：RDB (Redis Database Backup) 和 AOF (Append Only File)。

RDB
使用定时记录某个时间点的内存快照，将数据存储到磁盘中进行持久化。
所以，可能存在数据丢失的风险，在保存周期内发生故障就会丢失数据，但重启后数据恢复速度相较于AOF快。

AOF
AOF 记录每一次写操作命令，类似于事务日志，可以追加到文件末尾，因此不会覆盖已有的数据。
所以相较于RDB数据完整性好，但重启需要重新加载所有命令，启动速度慢。

Redis高可用

Redis 高可用性的实现主要包括以下几种方式，每种方法都有其特定的适用场景和优缺点：

1. 主从复制（Master-Slave Replication）

• 原理：通过建立一个或多个从服务器（slave），从主服务器（master）同步数据。从服务器可以用来处理读请求，实现读写分离，提高系统性能；同时，当主服务器宕机时，可以从中服务器中选择一台升级为主服务器，实现故障转移。
• 优点：简单易行，可以实现读写分离，提高读操作的性能。
• 缺点：写操作依然是单点，如果主服务器失败，需要手动干预进行故障转移。
  

2. Sentinel（哨兵）

• 原理：Sentinel 是一组运行在独立 Redis 服务器上的进程，它们负责监控主从服务器的状态，当主服务器不可用时，Sentinel 能够自动选出一个新的主服务器，实现故障转移。
• 优点：自动化故障检测和故障转移，降低了运维难度。
• 缺点：Sentinel 本身也需要管理，增加了系统的复杂度。
  

3. Cluster（集群）

• 原理：Redis Cluster 是一种原生的集群解决方案，它不仅提供了数据分区的能力，还可以实现自动故障转移。每个节点都是一个完整的 Redis 实例，数据按照哈希槽的方式分布到不同节点上。
• 优点：支持水平扩展，可以动态添加或删除节点；自动故障转移，高可用性较好。
• 缺点：配置相对复杂，不适合简单的读写分离场景；不支持所有 Redis 命令，有一定的限制。