Redis面试真题总结（二）

news2024/9/21 21:04:16

文章收录在网站：http://hardyfish.top/

在这里插入图片描述

Redis常见的数据类型有哪些？

string 字符串

字符串类型是 Redis 最基础的数据结构，首先键是字符串类型，而且其他几种结构都是在字符串类型基础上构建的。

字符串类型实际上可以是字符串：

简单的字符串、XML、JSON
数字：整数、浮点数
二进制：图片、音频、视频。

使用场景：

缓存、计数器、共享 Session、限速。

Hash（哈希）

在 Redis中哈希类型是指键本身是一种键值对结构

如 value={{field1,value1},……{fieldN,valueN}}

使用场景：

哈希结构相对于字符串序列化缓存信息更加直观，并且在更新操作上更加便捷。

所以常常用于用户信息等管理，但是哈希类型和关系型数据库有所不同，哈希类型是稀疏的
而关系型数据库是完全结构化的，关系型数据库可以做复杂的关系查询
而 Redis 去模拟关系型复杂查询开发困难且维护成本高。

List（列表）

列表类型是用来储存多个有序的字符串，列表中的每个字符串成为元素，一个列表最多可以储存 2^32–1 个元素

在 Redis 中，可以队列表两端插入和弹出，还可以获取指定范围的元素列表、获取指定索引下的元素等

列表是一种比较灵活的数据结构，它可以充当栈和队列的角色。

使用场景：

Redis 的 lpush+brpop 命令组合即可实现阻塞队列，生产者客户端是用 lpush 从列表左侧插入元素
多个消费者客户端使用 brpop 命令阻塞式的抢列表尾部的元素
多个客户端保证了消费的负载均衡和高可用性。

ZSet的底层是如何实现的？

Redis的有序集合（Zset）是一种既可以看作是Set，又可以看作是Hash的数据结构

其底层实现主要使用了哈希表和跳跃表。

哈希表：

在Redis的Zset中，每个元素是唯一的，同时与每个元素关联的还有一个分数（Score）。
元素的唯一性保证可以由哈希表来实现。
即Redis的Zset将元素作为哈希表的键，将对应的分数作为哈希表的值。

跳跃表：

Redis的Zset还需要依据分数来对元素进行排序，这个特性是通过跳跃表来实现的。
跳跃表是一种可以进行快速查找的数据结构。
由于跳跃表的特性，对于分数的查找、插入、删除都具有较好的时间复杂度。

Zset的基本形状就是：

哈希表确保了成员的唯一性和查找的速度，跳跃表确保了有序性以及区间查找。

什么是跳跃表？

跳跃表（Skip List）是一种可以替代平衡树的数据结构。

在它的简单形式中，跳跃表和链表是一致的，只不过在跳跃表中

链表的每个节点可能有多个指向其后继的指针，这样可以实现快速查找等操作。

跳跃表最主要的特点是它的查找，插入，删除操作的时间复杂度都是O(logn)。

基本思想：

假设我们有一个有序链表，我们想要查找一个元素，需要从头开始，一步一步的查找

这种情况下查找的时间复杂度是O(n)。

现在，我们对链表做一些增强，我们抽取出部分数据在上一级创建一个新的链表，上级链表的元素个数是下级链表的1/2

同理，我们再在上级链表的基础上抽取出数据在更高级别创建链表，这样就构成了多级索引。
level3:  ---------------63
level2:  ----31---------63
level1:  ----31----47---63
level0:  15--31--47--63
如上，我们有一个包含4个元素{15，31，47，63}的链表

我们在这个链表的基础上创建了三个更高级别的链表，最高级别的链表只包含一个元素。
这样构成的数据结构就是跳跃表。

现在，如果我们想要查找47，我们可以从最高级别的链表开始，63>47

所以我们到第二级别的链表查找，31<47，再向右走，到达63，63>47
所以我们进入下一级链表，47就在这里。在跳跃表中，47这样的查找就是logn的复杂度。

跳跃表不仅能提供较快的查找速度，而且插入和删除元素也相对简单，主要是调整索引，改变指针的指向即可。

因此，跳跃表在很多场景下，例如Redis的Sorted Set，都有被广泛应用。

什么是缓存穿透？怎么解决？

缓存穿透是指在使用缓存系统时，恶意请求或者不存在的数据频繁地被发送到缓存中，导致缓存无法命中

最终请求会直接落到后端数据库，造成数据库压力过大。

缓存穿透可能出现的原因包括：

恶意攻击：

攻击者有意发送不存在的数据请求，试图使缓存失效，以达到影响系统性能或者触发系统错误的目的。

随机查询：

大量并发的随机查询请求，其中大部分请求的数据都不存在于缓存中。

存在但很少访问的数据：

一些数据很少被访问，经常被请求但却不存在于缓存中，导致缓存穿透。

为了解决缓存穿透问题，可以采取以下措施：

布隆过滤器（Bloom Filter）：

布隆过滤器是一种高效的数据结构，用于判断某个元素是否存在于集合中。

在请求到来时，先使用布隆过滤器进行判断，如果被拦截则不再继续访问缓存和数据库，减轻了数据库的压力。

缓存空对象（Cache Null Object）：

当某个请求查询的数据不存在时，将空对象或者null放入缓存，以防止相同的请求频繁查询数据库。
在一定时间内，如果有相同的请求再次到来，则直接从缓存中获取到空对象，避免了对数据库的重复查询。

数据预热（Cache Pre-warming）：

在系统启动时，将一些常用或重要的数据预先加载到缓存中
提前热身缓存，避免了对这部分数据的缓存穿透问题。

异步加载（Asynchronous Loading）：

对于即将过期的缓存数据，可以在后台异步地进行数据加载和缓存的更新，避免了数据过期期间的缓存穿透。

限流和防护机制：

通过对请求进行限流、IP白名单校验和请求验证等手段，防止恶意攻击和异常流量对缓存系统造成压力。