Redis 高频 20 题详解
Redis 是后端必问的高频组件。每道题按「考察点 → 答案 → 图/代码」展开,建议配合
Redis面试题.md(速查版)复习。
1. Redis 为什么快?
考察点:多维度回答,别只说内存。
- 内存操作:数据在内存,无磁盘 IO。
- 单线程命令执行:避免上下文切换和锁竞争。
- IO 多路复用:一个线程处理多个连接。
- 高效数据结构:SDS、跳表、压缩列表等。
- 多线程优化:Redis 6.0 起网络读写多线程,命令执行仍单线程。
2. IO 多路复用原理
考察点:select/poll/epoll 演进。
| 方式 | 原理 | 缺点 |
|---|---|---|
| select | 轮询 fd 数组 | 1024 上限、O(n) 遍历 |
| poll | 链表无上限 | 仍 O(n) 遍历 |
| epoll | 事件驱动,回调通知 | 仅 Linux |
Redis 用 epoll:内核维护就绪事件列表,有事件才通知,避免空轮询。
graph LR
A[多个客户端连接] --> B[epoll 监听]
B --> C[就绪事件队列]
C --> D[单线程处理]
style D fill:#e6f7e63. 数据类型与底层结构
考察点:每种类型的底层实现。
| 类型 | 底层结构 |
|---|---|
| String | SDS 简单动态字符串 |
| List | quicklist(双向链表 + 压缩列表) |
| Hash | ziplist / hashtable |
| Set | intset / hashtable |
| ZSet | ziplist / 跳表 + dict |
- 数据量小、元素短时用压缩列表(省内存),超出阈值转为 hashtable/跳表。
4. 跳表原理
考察点:ZSet 的排序结构。
跳表是多层链表,上层是下层的「索引」,查找时从高层跳跃,效率 O(log n)。
graph TD
L3["L3: 1 ────── 9"]
L2["L2: 1 ── 5 ── 9"]
L1["L1: 1 - 3 - 5 - 7 - 9"]
style L3 fill:#e8f4fd
style L2 fill:#e6f7e6
style L1 fill:#fff3cd- 为什么不用红黑树:跳表实现简单、支持范围查询、适合范围操作多的 ZSet。
5. String 的 SDS 结构
考察点:Redis 的 String 为什么高效、二进制安全。
SDS(Simple Dynamic String)包含:len(长度)、free(剩余空间)、buf(字节数组)。
优点:
- O(1) 获取长度:len 字段,不用遍历。
- 二进制安全:按 len 判断结尾,可存任意二进制(图片、序列化对象)。
- 杜绝缓冲区溢出:先检查 free。
- 空间预分配 + 惰性释放:减少内存重分配。
6. RDB 持久化原理
考察点:快照 + COW。
RDB 是某个时间点的全量快照。
save:主线程阻塞执行,生产禁用。bgsave:fork 子进程,利用 COW(写时复制) 生成快照,不阻塞主线程。
# 配置:900 秒内至少 1 次写则触发 bgsave
save 900 1
save 300 10优点:恢复快、文件小。缺点:可能丢最近数据(两次快照之间)。
7. AOF 持久化与重写
考察点:追加写命令 + 重写压缩。
AOF 记录每条写命令,追加到文件末尾。同步策略:
always:每次写都刷盘,最安全最慢。everysec:每秒刷盘,折中(默认推荐)。no:由 OS 决定,最快。
AOF 重写:文件过大时,fork 子进程对当前数据生成精简命令,压缩 AOF 体积。
# 触发重写:当前 AOF 是上次重写后的 2 倍且 > 64M
auto-aof-rewrite-percentage 100
auto-aof-rewrite-min-size 64mb8. 混合持久化
考察点:Redis 4.0+ 的折中方案。
重写 AOF 时,用 RDB 快照 + AOF 增量 写入新文件:前半部分是 RDB 二进制,后半部分是后续写命令。
- 兼顾 RDB 的恢复速度和 AOF 的数据完整性。
- 是生产常用的持久化配置。
9. 缓存穿透、击穿、雪崩
考察点:三大问题 + 各自方案,必考。
| 问题 | 场景 | 解决 |
|---|---|---|
| 穿透 | 查不存在的数据,直接打 DB | 布隆过滤器、缓存空值、参数校验 |
| 击穿 | 热点 key 过期瞬间打 DB | 热点永不过期、互斥锁、逻辑过期 |
| 雪崩 | 大量 key 同时过期/Redis 宕机 | 过期加随机值、高可用、限流降级、多级缓存 |
graph LR
A[请求] --> B{缓存命中?}
B -->|否| C{布隆过滤器判断存在?}
C -->|否| D[直接返回, 不查DB]
C -->|是| E[查DB + 回填缓存]
B -->|是| F[返回缓存]
style D fill:#fce4e4
style F fill:#e6f7e610. 缓存一致性方案
考察点:缓存和数据库如何保持一致。
- Cache Aside(旁路缓存,推荐):先更新数据库,再删除缓存。
// 写操作
db.update(data);
redis.delete(key); // 删缓存而不是更新,避免并发覆盖- 延迟双删:先删缓存 → 更新 DB → 延迟再删一次(防读到旧数据)。
- 订阅 binlog:用 Canal 监听数据库变更,异步更新缓存。
强一致靠分布式锁/串行,一般业务用 Cache Aside + 兜底过期即可。
11. Redis 分布式锁
考察点:SET NX EX + Lua 释放,进阶到 Redisson。
# 加锁:原子设置 + 过期时间
SET lock_key unique_value NX EX 10释放必须校验 value,防误删别人的锁,用 Lua 保证原子:
if redis.call("get", KEYS[1]) == ARGV[1] then
return redis.call("del", KEYS[1])
else
return 0
end12. Redisson 分布式锁原理
考察点:看门狗续期 + 可重入。
Redisson 封装了加锁细节:
- 可重入:用 Hash 记录「线程 + 重入次数」。
- 看门狗(Watch Dog):默认 30 秒,业务未完成自动续期,避免锁提前过期。
- 释放用 Lua 脚本保证原子。
RLock lock = redisson.getLock("order:1");
try {
lock.lock(); // 加锁,看门狗自动续期
// 业务逻辑
} finally {
lock.unlock();
}13. 主从复制原理与数据不一致
考察点:全量 + 增量同步。
graph LR
M[主库] -->|写命令传播| S1[从库1]
M -->|写命令传播| S2[从库2]
style M fill:#e8f4fd- 全量同步:从库首次连接,主库生成 RDB 快照发送,从库加载后再追增量。
- 增量同步:通过 repl backlog 缓冲区补发。
数据不一致:主从异步复制,从库可能读到旧数据。解决:关键读走主库、半同步复制。
14. 哨兵机制
考察点:高可用自动故障转移。
哨兵(Sentinel)监控主从健康,主节点宕机时自动选举新主。
graph TD
S1[哨兵1] --> M[主库]
S2[哨兵2] --> M
S3[哨兵3] --> M
M --> R1[从库1]
M --> R2[从库2]
style S1 fill:#fff3cd
style S2 fill:#fff3cd
style S3 fill:#fff3cd- 主观下线:单个哨兵认为主挂了。
- 客观下线:多数哨兵(quorum)投票确认。
- 选举新主后,通知客户端切换连接。
15. Redis Cluster 集群
考察点:分片 + 哈希槽 + 重定向。
Cluster 把数据分到 16384 个哈希槽,每个节点负责一部分槽。
graph LR
N1[节点1<br/>槽0-5460] --- N2[节点2<br/>槽5461-10922] --- N3[节点3<br/>槽10923-16383]- 定位:
CRC16(key) % 16384。 - 槽不在当前节点时返回
MOVED(永久)或ASK(迁移中),客户端重定向。
16. 哈希槽 vs 一致性哈希
考察点:两种分片方案的区别。
| 方案 | 实现 | 特点 |
|---|---|---|
| 一致性哈希 | 哈希环,节点映射到环上 | 节点增减影响小,但可能数据倾斜 |
| 哈希槽 | 固定 16384 槽,分配给节点 | 槽数固定,迁移灵活,Cluster 用 |
- 一致性哈希需「虚拟节点」解决数据倾斜。
- 哈希槽天生槽数多且固定,扩容时迁移槽即可。
17. 过期删除 + 内存淘汰
考察点:两个策略别混淆。
过期删除(针对设置了 TTL 的 key):
- 惰性删除:访问时检查过期。
- 定期删除:周期性抽样删除。
内存淘汰(内存满时的兜底):
noeviction:不淘汰,写报错。allkeys-lru:所有 key 中 LRU(常用)。volatile-lru、allkeys-lfu、volatile-ttl等。
# 配置淘汰策略
maxmemory 4gb
maxmemory-policy allkeys-lru18. 大 key 和热 key 问题
考察点:大 key 阻塞、热 key 打垮单节点。
大 key:单个 key 的 value 很大(如几 MB 的 String、超大集合)。
- 危害:阻塞主线程、网络带宽、主从同步慢。
- 排查:
redis-cli --bigkeys。 - 解决:拆分大 key、改存其他结构、删除时分批删。
热 key:某 key 被超高并发访问。
- 危害:单节点打满、缓存击穿。
- 解决:本地缓存 + Redis 多副本、key 分散、读写分离。
19. 如何设计秒杀系统的缓存(实战)
考察点:综合设计能力。
graph TD
A[用户请求] --> B[限流/防刷]
B --> C[Redis 预扣库存<br/>DECR 原子操作]
C --> D{库存>0?}
D -->|是| E[发 MQ 异步下单]
D -->|否| F[秒杀失败]
E --> G[DB 最终落库 + 扣减]
style C fill:#fff3cd
style E fill:#e6f7e6要点:
- 预热:活动前把库存/商品加载进 Redis。
- Redis 原子扣减:
DECR/Lua 脚本,天然原子防超卖。 - 异步削峰:MQ 异步落库。
- 限流防刷:网关限流 + 风控。
- 最终一致:对账兜底。
20. Redis 常见性能问题排查
考察点:慢查询、bigkey、内存碎片。
- 慢查询日志:
SLOWLOG GET,定位慢命令。 - 大 key:
--bigkeys排查。 - 内存碎片:
INFO memory看mem_fragmentation_ratio,过高用activefrag整理。 - 连接数:
INFO clients,警惕连接泄漏。 - CPU 高:可能是大 key 操作、慢命令、高并发热点。
redis-cli SLOWLOG GET 10 # 最近 10 条慢命令
redis-cli INFO memory # 内存与碎片率
redis-cli --bigkeys # 扫描大 key附:高频易错点速记
- Redis 单线程指命令执行单线程,网络读写已多线程化(6.0+)。
- 跳表用于 ZSet,红黑树 Redis 不用。
- 缓存击穿是「单热点 key」,雪崩是「大量 key」。
- 删缓存而不是更新缓存,避免并发覆盖。
- 分布式锁释放必须 Lua 校验 value,防误删。
- Cluster 是 16384 个哈希槽,不是一致性哈希。
- 过期删除 ≠ 内存淘汰,前者管 TTL,后者管内存满。