跳到主要内容

Redis 深入面经

Redis 深水区知识​

1. 数据结构底层实现​

类型底层结构编码
StringSDS（简单动态字符串）int/embstr/raw
Listquicklist（小节点用 ziplist，大节点用 listpack）-
Hashziplist（小）/ hashtable（大）-
Setintset（小整数）/ hashtable-
ZSetziplist（小）/ skiplist+hashtable-

SDS vs C 字符串

  • 获取长度 O(1)（存储 len）vs O(n)
  • 二进制安全，可存储任意数据
  • 空间预分配 + 惰性释放，减少内存重分配

跳表（skiplist）

  • 多层有序链表，平均查询 O(log n)
  • 第一层包含所有节点，每层节点数约为下层的 1/2
  • 为什么不用红黑树：实现简单、支持范围查询更自然

2. 持久化深入​

RDB 快照

Save 条件：
  - save 900 1：900秒内至少 1 个键变化
  - save 300 10：300秒内至少 10 个键变化

枯写过程：
fork() -> 子进程生成 RDB -> 枯写完成 -> 替换旧文件

COW（写时复制）：
- 子进程共享应用程序内存页
- 主进程写入时才复制页，避免锁内存展层

AOF 日志

Append-Only File：记录每个写操作命令

fsync 策略：
  - always：每次写操作后刷盘（最安全，最慢）
  - everysec：每秒刷盘（默认，最多丢失 1s 数据）
  - no：由操作系统决定（最快，首机可能丢失较多）

AOF 重写：
- 多个操作合并为最终状态（如 INCR 100 次 -> SET key 100）
- bgrewriteaof 命令或自动触发

RDB + AOF 混合持久化（Redis 4.0+）

  • AOF 文件前半序是 RDB 快照，后半是增量 AOF 日志
  • 兼具两者优点：加载快 + 数据完整

3. 集群模式​

主从复制

Master通过 replication backlog 同步数据到 Slave

全量同步：Slave 首次连接，Master bgsave + 发送 RDB
部分同步：断线重连后，通过 offset 发送市机进山的命令

哨兵（Sentinel）

  • 监控主从状态，Master 下线后自动故障转移
  • 需超过半数 Sentinel 同意才进行故障转移（防脑裂）
  • 客户端连接 Sentinel，由 Sentinel 告知当前 Master 地址

Redis Cluster

16384 个哈希槽（slot）分配到各节点
计算：crc16(key) % 16384

常见分配：3 Master + 3 Slave
Master1: slot 0-5461
Master2: slot 5462-10922
Master3: slot 10923-16383

客户端请求错误节点时接收 MOVED 指引到正确节点

4. 缓存三大问题深度分析​

缓存击空庄（Penetration）

问题：不存在的 key 每次请求都到达 DB
解决：
  1. 布隆过滤器（布隆过滤器如不存在则拦截）
  2. 缓存空对象（设置较短的 TTL）
  3. 请求参数校验居前，非法参数直接拒绝

缓存击空空（Breakdown）

问题：热点 key 失效，大量并发请求唠向 DB
解决：
  1. 互斥锁：缓存失效时只有一个线程去查 DB并回写缓存
  2. 预热：后台定时探测前主动刷新缓存
  3. 逻辑过期：缓存反回旧数据，后台异步更新

缓存雪崩（Avalanche）

问题：大量 key 同时失效，或 Redis 整体崩溃
解决：
  1. TTL 加随机偶尔少，防止同时失效
  2. 数据预加载：应用启动时预先加载热点数据
  3. 熔断降级： Redis 携带时返回默认值而非打援数据库
  4. 集群化插件：防止单点故障

5. 常用模式与实现​

分布式锁

-- 加锁：SET key value NX EX timeout
local result = redis.call('SET', KEYS[1], ARGV[1], 'NX', 'EX', ARGV[2])
if result then return 1 else return 0 end

-- 释放锁：比较 value 后删除
if redis.call('GET', KEYS[1]) == ARGV[1] then
    return redis.call('DEL', KEYS[1])
end
return 0

限流实现

-- 滑动窗口限流
local key = KEYS[1]
local limit = tonumber(ARGV[1])
local window = tonumber(ARGV[2])
local now = tonumber(ARGV[3])

-- 删除窗口外的请求
redis.call('ZREMRANGEBYSCORE', key, 0, now - window)
-- 统计窗口内请求数
local count = redis.call('ZCARD', key)
if count < limit then
    redis.call('ZADD', key, now, now)
    redis.call('EXPIRE', key, window)
    return 1  -- 允许
end
return 0  -- 限流

排行榜（ZSet）

ZADD leaderboard <score> <userId>
ZRANGEBYSCORE leaderboard -inf +inf WITHSCORES  -- 按分数查询
ZRANK leaderboard <userId>                       -- 获取排名

6. 资深面试题​

  • Redis 为什么首选跳表而不用平衡树？
    • 平均 O(log n) 查询和平衡树相同，但实现简单、内存占用小
    • 跳表有天然的范围查询优势，ZRANGEBYSCORE 非常高效
    • 无需旋转回平衡，写入性能更好
  • Redis 单线程执行为什么还这么快？
    • 除 IO 外都是内存操作，没有磁盘寻址
    • 非阻塞 IO 多路复用，一个线程处理所有请求
    • 单线程避免了锁竭争和上下文切换开销
  • RESP 协议是什么？
    • Redis 客户端服务器通信协议。类型标志：+成功 -错误 $字符串 *数组 :整数
    • 为什么选文本協议：易于调试、应用程序层天然支持、解析简单
  • Pipeline 和 Lua 脚本的区别？
    • Pipeline：客户端批量发送命令，减少网络往返；我不保证原子性
    • Lua 脚本：在 Redis 服务端执行，多个命令完全原子
    • 需要原子性用 Lua，只是减少网络往返用 Pipeline