redis常用面试题总结
一、雪崩问题
在海量数据时，现在电商系统已经对缓存的依赖性非常高。有一种情况。当海量的请求过来时，缓存宕机，海量的请求继续涌向数据库，数据库服务器宕机。将数据库服务器重启，重启后，刚起来，海量的请求又来了数据库服务器都无法启动。这种情况称为雪崩。
解决办法：必须使用分布式缓存。集群，可以通过多台的服务器分担缓存。这时如果一台服务器宕机，这时少量的请求涌向数据库，这时数据库可以承担。不会宕机。如果访问压力还非常巨大，可以继续增加服务器。然后分布的备份内容。形成缓存的主从。前面的方案还会有少量的缓存的数据丢失，但高可用后数据就不会丢失。
二、redis能否替代mysql
不能，redis NO-SQL no SQL，none SQL。它没有复杂结构，不支持强关系型数据。
例如：关系型数据：部门和用户。一个部门下有多个用户，一个用户从属一个部门。非结构化数据：html/xml/json、视频、图片。
根据应用场景分类存储：结构化的依然使用mysql传统结构化数据库。对非结构化但是很大的存储到mongodb（视频、word/excel/pdf等文件）。对非结构的但是需要快速查询的memCache或者Redis中（json）。对海量的非结构化的数据，还想对其进行类似关系型数据的分析hbase（列）。对需要分词检索的使用solr或者elasticSearch。
三、redis实现消息队列
redis能做消息队列得益于他list对象blpop brpop接口以及Pub/Sub(发布/订阅)的某些接口。他们都是阻塞版的，所以可以用来做消息队列。
四、redis持久化
redis直接将数据存储到内存中，可通过两种方式持久化：定时快照和基于语句的追加。定时快照的方法是指每隔一段时间将整个数据库的数据写到磁盘上，很明显，每次均是写全部数据，代价非常高；而基于语句的追加方法值追踪变化的数据，这类似于MySQL的binlog方法，但追加log可能过大，同时所有操作均要重新执行一遍，回写速度慢。
两种实现方式分别为RDB和AOF，具体的实现方式参考这篇文章:https://www.cnblogs.com/xingzc/p/5988080.html
五、redis举例应用
1、缓存（数据查询、短连接、新闻内容、商品内容等等）。（最多使用）
2、分布式集群架构中的session分离。
3、聊天室的在线好友列表
4、任务队列。（秒杀、抢购、12306等等）（先进先出）
5、应用排行榜。（可以给每个元素设置一个打分，这样就可以排序）
6、网站访问统计。
7、数据过期处理（可以精确到毫秒）。
8、分布式锁
(1) 取最新N个数据的操作：
比如典型的取你网站的最新文章，通过下面方式，我们可以将最新的5000条评论的ID放在Redis的List集合中，并将超出集合部分从数据库获取
1）使用LPUSH latest.comments命令，向list集合中插入数据
2）插入完成后再用LTRIM latest.comments 0 5000命令使其永远只保存最近5000个ID。
(2) 聊天室好友在线列表
假设A存放你的好友，B存放所有在线的人，它们的交集就是你的在线好友 — sinter setA setB
(3)spring 定时任务
＠schedule注解可以实现简单的定时任务，但当有多台服务同时部署时，这时需要一个分布式锁来控制只能有一台服务器能执行定时任务。
jedis.setnx可以做到原子性操作，设置值成功返回１，失败返回０，同时访问只有一台服务器能设置成功，即拿到了这个锁，接着执行定时任务，设置成功后对这个key加一个过期时间，最后在finally里将这个key删掉，避免影响下次的定时任务触发。
(4)一次写入大的数据量
pipeline适用于批处理。当有大量的操作需要一次性执行的时候，可以用管道。
Jedis jedis = new Jedis(String, int);
Pipeline p = jedis.pipelined();
p.set(key,value);//每个操作都发送请求给redis-server
p.get(key,value);
p.sync();//这段代码获取所有的response
管道通过一次性写入请求，然后一次性读取响应。也就是说jedis是：request response，request response，…；pipeline则是：request request… response response的方式。这样无需每次请求都等待server端的响应。
(5)分布式锁实现
1. 通过jedis.setnx(key,value)实现
2. 通过事务(multi)实现
public boolean lock_2(long timeout) {
long nano = System.nanoTime();
timeout *= ONE_MILLI_NANOS;
try {
while ((System.nanoTime() - nano) < timeout) {
Transaction t = jedis.multi();
// 开启事务，当server端收到multi指令
// 会将该client的命令放入一个队列，然后依次执行，知道收到exec指令
t.getSet(key, LOCKED);
t.expire(key, EXPIRE);
String ret = (String) t.exec().get(0);
if (ret == null || ret.equals("UNLOCK")) {
return true;
}
// 短暂休眠，nano避免出现活锁
Thread.sleep(3, r.nextInt(500));
}
} catch (Exception e) {
}
return false;
}
3. 通过事务+监听实现
public boolean lock_3(long timeout) {
long nano = System.nanoTime();
timeout *= ONE_MILLI_NANOS;
try {
while ((System.nanoTime() - nano) < timeout) {
jedis.watch(key);
// 开启watch之后，如果key的值被修改，则事务失败，exec方法返回null
String value = jedis.get(key);
if (value == null || value.equals("UNLOCK")) {
Transaction t = jedis.multi();
t.setex(key, EXPIRE, LOCKED);
if (t.exec() != null) {
return true;
}
}
jedis.unwatch();
// 短暂休眠，nano避免出现活锁
Thread.sleep(3, r.nextInt(500));
}
} catch (Exception e) {
}
return false;
}
六、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（回收策略）。redis 提供 6种数据淘汰策略：
volatile-lru：从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰。
volatile-ttl：从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰。
volatile-random：从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰。
allkeys-lru：从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰。
allkeys-random：从数据集（server.db[i].dict）中任意选择数据淘汰。
no-enviction（驱逐）：禁止驱逐数据。
相关缓存淘汰算法–LRU算法:https://blog.csdn.net/wangxilong1991/article/details/70172302
七、限制1小时内每用户Id最多只能登录5次
用列表实现:列表中每个元素代表登陆时间,只要最后的第5次登陆时间和现在时间差不超过1小时就禁止登陆。
八、redis事物的了解CAS(check-and-set 操作实现乐观锁 )?
Redis作为NoSQL数据库也同样提供了事务机制。在Redis中，MULTI/EXEC/DISCARD/WATCH这四个命令是我们实现事务的基石
事务的实现特征：
1). 在事务中的所有命令都将会被串行化的顺序执行，事务执行期间，Redis不会再为其它客户端的请求提供任何服务，从而保证了事物中的所有命令被原子的执行。
2). 和关系型数据库中的事务相比，在Redis事务中如果有某一条命令执行失败，其后的命令仍然会被继续执行。
3). 我们可以通过MULTI命令开启一个事务，有关系型数据库开发经验的人可以将其理解为"BEGIN TRANSACTION"语句。在该语句之后执行的命令都将被视为事务之内的操作，最后我们可以通过执行EXEC/DISCARD命令来提交/回滚该事务内的所有操作。这两个Redis命令可被视为等同于关系型数据库中的COMMIT/ROLLBACK语句。
4). 在事务开启之前，如果客户端与服务器之间出现通讯故障并导致网络断开，其后所有待执行的语句都将不会被服务器执行。然而如果网络中断事件是发生在客户端执行EXEC命令之后，那么该事务中的所有命令都会被服务器执行。
5). 当使用Append-Only模式时，Redis会通过调用系统函数write将该事务内的所有写操作在本次调用中全部写入磁盘。然而如果在写入的过程中出现系统崩溃，如电源故障导致的宕机，那么此时也许只有部分数据被写入到磁盘，而另外一部分数据却已经丢失。
Redis服务器会在重新启动时执行一系列必要的一致性检测，一旦发现类似问题，就会立即退出并给出相应的错误提示。此时，我们就要充分利用Redis工具包中提供的redis-check-aof工具，该工具可以帮助我们定位到数据不一致的错误，并将已经写入的部分数据进行回滚。修复之后我们就可以再次重新启动Redis服务器了。
九、WATCH命令和基于CAS的乐观锁：
在Redis的事务中，WATCH命令可用于提供CAS(check-and-set)功能。假设我们通过WATCH命令在事务执行之前监控了多个Keys，倘若在WATCH之后有任何Key的值发生了变化，EXEC命令执行的事务都将被放弃，同时返回Null multi-bulk应答以通知调用者事务。执行失败。例如，我们再次假设Redis中并未提供incr命令来完成键值的原子性递增，如果要实现该功能，我们只能自行编写相应的代码。其伪码如下：
val = GET mykey
val = val + 1
SET mykey $val
以上代码只有在单连接的情况下才可以保证执行结果是正确的，因为如果在同一时刻有多个客户端在同时执行该段代码，那么就会出现多线程程序中经常出现的一种错误场景–竞态争用(race condition)。比如，客户端A和B都在同一时刻读取了mykey的原有值，假设该值为10，此后两个客户端又均将该值加一后set回Redis服务器，这样就会导致mykey的结果为11，而不是我们认为的12。为了解决类似的问题，我们需要借助WATCH命令的帮助，见如下代码：
WATCH mykey
val = GET mykey
val = val + 1
MULTI
SET mykey $val
EXEC
此前代码不同的是，新代码在获取mykey的值之前先通过WATCH命令监控了该键，此后又将set命令包围在事务中，这样就可以有效的保证每个连接在执行EXEC之前，如果当前连接获取的mykey的值被其它连接的客户端修改，那么当前连接的EXEC命令将执行失败。这样调用者在判断返回值后就可以获悉val是否被重新设置成功。
十、redis配置文件
常用到的配置项如下：
port 服务端口
bind 绑定ip其他ip不能访问（多个ip空格隔开）
databases 数据库数量，默认16个
daemonize设置为守护进程（linux平台）
maxmemory最大的内存大小（1MB、1GB、1m、1g）
maxmemory-policy达到内存限制后的处理策略(见第6点)
默认RDB持久化机制配置
save 900 1 #900秒内如果超过1个key被修改，则发起快照保存
save 300 10 #300秒内容如超过10个key被修改，则发起快照保存
appendonly yes //启用aof持久化方式
#appendfsync always //每次收到写命令就立即强制写入磁盘，最慢的，但是保证完全的持久化，不推荐使用
appendfsync everysec //每秒钟强制写入磁盘一次，在性能和持久化方面做了很好的折中，推荐(默认)
#appendfsync no //完全依赖os，性能最好,持久化没保证