笔者去年12月中旬开始面试，面了很多大厂，有很多问题，原理掌握不牢，因此借此对redis做一个复盘和总结，除了HyperLogLog和GEO的数据结构没有实践过，其他的都大概了解，简单代码模拟了一些场景。由此对我所经历的面过redis的问题做一个汇总。
一、Redis篇
1.Redis有几种数据结构
答：String,List,Hash,Set,Zset(sorted Set)
2.除了上面几种还有哪些？分别是干嘛的？
答：除了上面五种，还有三种
Bitmaps，Hyperloglogs，GEO（Geospatial用于索引半径查询）
Bitmaps：bitmaps不是一个真实的数据结构。而是String类型上的一组面向bit操作的集合。
由于strings是二进制安全的blob，并且它们的最大长度是512m，所以bitmaps能最大设置2^32个不同的bi
Hyperloglogs：HyperLogLog是用于计算唯一事物的概率数据结构（从技术上讲，这被称为估计集合的基数）
GEO：GEO特性在 Redis3.2版本中推出，这个功能可以将用户给定的地理位置（经度和纬度）信息储存起来，并对这些信息进行操作。
Stream（redis 5.0）
相关链接：https://blog.csdn.net/wufaliang003/article/details/82016385
3.Redis的zSet的底层数据结构是怎么样的
答：
1.当数据较少的时候，zset是由一个ziplist来实现的
2.当数据较多的时候，zset是一个由dict 和一个 skiplist来实现的，dict用来查询数据到分数的对应关系，而skiplist用来根据分数查询数据。
3.skiplist查找的时间复杂度约为O(log n)
相关链接：https://blog.csdn.net/universsky2015/article/details/102728114
4.Redis怎么使用zSet进行排序的
答：redis中使用上面两种数据结构实现zset,其中节点为node,通过指针链接，节点之间有层的概念，每个node中有个dict数据字典
存的是元素的值和对应的分数，这个分数就是可以计算排序的值，为double类型。
复杂度分析：排名rank查询，redis中对skiplist做了扩展，使得根据排名能够快速查到数据，或者根据分数查到数据之后容易获得排名，
二者（ziplist/skiplist）的查询复杂度都是O(log n)，但是还得具体场景具体分析有时候会退化成O(log2N)。
相关链接：https://blog.csdn.net/universsky2015/article/details/102728114
5.Redis怎么使用zSet实现排行榜功能
答：zSet具有排序的功能，因此我们对需要插入的数据记录一个分数如（paihangbang:3.5:zhangsan）
这种数据结构，其中起关键作用的就是第二个值，是这条数据的分数，
有多个这种数据的话可以根据它进行排序，从而实现排行榜功能。
相关链接：https://www.jianshu.com/p/af99085f4b7a
6.Redis中的zSet中的zadd方法的时间复杂度是多少？为啥呢？
答： 时间复杂度是O(logN)
分析：通过前面的梳理其实就可以知道由于skiplist中的单层数据链表已经有序的了，虽然不是绝对递增有序但是，如果要插入一条数据并将其放在合适的
位置是需要先找到对应的位置，所以就需要先查询，那这样的话其实就跟查询复杂度一样了，由于不需要挪动其他数据（对比数组），插入的时候跟正常链表一样
设置指针指向就完成了。
相关链接：https://www.jianshu.com/p/af99085f4b7a
7.Redis有几种部署（架构模式）模式（主自如，贝壳）
答：单机模式，集群模式（redis-cluster）,哨兵模式（redis Sentinel）,主从复制,客户端分片，redis-proxy
8.Redis的复制模式有几种
答：基于内存的复制/基于磁盘的复制/全量复制/增量复制
分析：
1.复制过程分为同步sync与命令传播（command propagate），两个过程配合执行才能实现Redis复制
2. 命令是slaveof/bgsave
3.星型复制,链式复制（redis-proxy）
相关链接：https://www.cnblogs.com/jian0110/p/10447491.html
https://github.com/AlibabaCloudDocs/kvstore/blob/master/cn.zh-CN/%E6%9C%80%E4%BD%B3%E5%AE%9E%E8%B7%B5/Redis%20%E8%AF%BB%E5%86%99%E5%88%86%E7%A6%BB%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90.md
另外一方面在主从模式中由于从节点可以以树状结构拓扑，因此可以有链式复制，星型复制指的是所有从节点都从主节点进行数据同步
9.Redis的缓存穿透与缓存击穿是什么场景？怎么解决？
答1：
1.缓存穿透说的是查询一个数据库一定不存在的数据，也就是说数据库不存在那缓存中一定也不存在。
2.缓存击穿是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，
当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。
答2：
1.缓存穿透可以设置布隆过滤器进行过滤，另外如果有多次查询也可以将这个不存在的数据key缓存到redis中，同时设置一个较短的过期时间，value是空。
2.缓存击穿的话其实有两种方案
1.可以对缓存查询加锁，如果KEY不存在，就加锁，然后查DB入缓存，然后解锁；其他进程如果发现有锁就等待，然后等解锁后返回数据或者进入DB查询
2.如何是热点key的话，可以设置一个较长的存活时间，或者永久不过期，这样的话就避免了锁的竞争。
10.Redis可以用来实现什么功能？有哪些使用场景
答：k-v缓存，排行榜热点缓存，限流，分布式锁，发布/订阅(消息队列),Redis事务
11.除了做k-v缓存之外，Redis还有哪些高级使用场景
答：k-v缓存，排行榜热点缓存，限流，分布式锁，发布/订阅(消息队列),Redis事务
地理位置查询，bitmap，基于redis的布隆过滤
12.redis能做分布式消息队列吗
答：能，但是不好做到高可用，简单的消息队列可以支持，因为跟真正的主流消息队列产品来说
不能提供消息的持久化，不能保证消息的ack机制，也不能保证消息的重发确认，同时不能保证高并发大数据量的情况下存在的消息堆积问题
需要自己实现对应的策略和机制，所以比较难以实现高可用。
13.Redis中的zset在项目中怎么用？
答：需要对数据进行排序，按权重或者按分数的场景，同时保证数据的实时性和有效性
分析：笔者答的不好，因为笔者确实没有用过，不过有一种场景可以使用，就是首页最热数据的展示，也是按权重计算的，
其实可以使用这种数据结构标识最热数据id的排行。
14.Redis有哪些数据淘汰策略
答：
1，volatile-lru：从已设置过期时间的哈希表(server.db[i].expires)中随机挑选多个key,然后在选到的key中用lru算法淘汰最近最少使用的数据
2，allkey-lru：从所有key的哈希表（server.db[i].dict）中随机挑选多个key,然后再选到的key中利用lru算法淘汰最近最少使用的数据
3，volatile-ttl：从已设置过期时间的哈希表（server.db[i].expires)中随机挑选多个key,然后在选到的key中选择过期时间最小的数据淘汰掉。
4，volatile-random：从已设置过期时间的哈希表（server.db[i].expires）中随机挑选key淘汰掉。
5，allkey-random：从所有的key的哈希表（server.db[i].dict）中随机挑数据淘汰
6，no-eviction（驱逐）：内存达到上限，不淘汰数据。
相关链接：https://blog.csdn.net/weixin_39590058/article/details/88648919
15.Redis的字符串底层数据结构是怎么样的？
redis使用的是简单动态字符串的结构（SDS），有三个部分，已用字节长度，未用字节长度和存储数据的字节数组。
Redis自身实现的字符串结构有如下特点：
·O（1）时间复杂度获取：字符串长度、已用长度、未用长度。
·可用于保存字节数组，支持安全的二进制数据存储。
·内部实现空间预分配机制，降低内存再分配次数。
·惰性删除机制，字符串缩减后的空间不释放，作为预分配空间保留。
16.Redis的其他数据结构有用到吗？
答：其实有9种，常见的有5种
除了Redis篇，还有其他篇的总结，后面有时间给大家分享。
