1雷滚、redis 的底層數(shù)據(jù)結(jié)構(gòu)有哪些

（1）字符串
（2）哈希
（3）鏈表
（4）set集合
（5）zset有序集合

2需曾、redis 中的 SDS 和 C 語言中的字符串有什么區(qū)別，優(yōu)點是什么

SDS（Simple Dynamic String揭措，簡單動態(tài)字符串）是 Redis 底層所使用的字符串表示胯舷。

SDS比C語言的字符串多了一個SDSHDR表頭，存放了free(空閑空間)绊含、len(已用空間)墓律、buf(緩沖區(qū))什荣。

優(yōu)點：
（1）獲取字符串長度更快。C語言獲取字符串需要遍歷整個字符串，時間復(fù)雜度為O(N)黑毅，SDS的表頭len已經(jīng)存放了已使用空間，獲取字符串長度只需要O(1)券盅。
（2）杜絕緩沖區(qū)溢出鞭执。C語言字符串本身不記錄字符串長度和已使用空間，容易造成緩沖區(qū)溢出伴找。SDS表頭free成員存放了空閑空間盈蛮，拼接字符串前會先通過free判斷剩余空間是否足夠，如果不夠就會進行擴容技矮。
（3）減少內(nèi)存分配次數(shù)抖誉。C語言對字符串進行增長或縮短操作殊轴，都要重新分配內(nèi)存。SDS使用空間預(yù)分配和惰性空間釋放策略袒炉，減少了內(nèi)存分配的次數(shù)旁理。
（4）二進制安全。C語言字符串遇0則止我磁，會對文件進行截斷孽文。SDS判斷字符串是否結(jié)尾的依據(jù)是表頭的len成員，不會改變二進制文件夺艰。

SDS：https://redisbook.readthedocs.io/en/latest/internal-datastruct/sds.html

3芋哭、redis 中的字典是如何實現(xiàn)的，如何解決沖突和擴容

根據(jù)鍵值對的鍵計算哈希值和索引值劲适，然后根據(jù)索引值楷掉，將包含鍵值對的哈希節(jié)點存放在哈希數(shù)組的指定索引上。

解決沖突：redis采用鏈地址法解決沖突霞势，每個哈希節(jié)點有一個next指針烹植，多個哈希節(jié)點通過next指針構(gòu)成單向鏈表，總是將最新的節(jié)點添加到表頭愕贡。

擴容：redis的擴容通過rehash(重新散列)實現(xiàn)草雕，為字典ht[1]分配空間，ht[1]的大小為第一個大于等于ht[0].used * 2 的 2^n固以。

4墩虹、redis 的跳表的使用場景是什么，可以實現(xiàn)一下嗎

使用場景：有序列表憨琳。比如實時統(tǒng)計分?jǐn)?shù)排行榜诫钓。

java實現(xiàn)

// 跳表中存儲的是正整數(shù)，并且存儲的數(shù)據(jù)是不重復(fù)的
public class SkipList {
    
    private static final int MAX_LEVEL = 16;    // 結(jié)點的個數(shù)
    
    private int levelCount = 1;   // 索引的層級數(shù)
    
    private Node head = new Node();    // 頭結(jié)點
    
    private Random random = new Random();
 
    // 查找操作
    public Node find(int value){
        Node p = head;
        for(int i = levelCount - 1; i >= 0; --i){
            while(p.next[i] != null && p.next[i].data < value){
                p = p.next[i];
            }
        }
        
        if(p.next[0] != null && p.next[0].data == value){
            return p.next[0];    // 找到篙螟，則返回原始鏈表中的結(jié)點
        }else{
            return null;
        }
    }
    
    // 插入操作
    public void insert(int value){
        int level = randomLevel();
        Node newNode = new Node();
        newNode.data = value;
        newNode.maxLevel = level;   // 通過隨機函數(shù)改變索引層的結(jié)點布置
        Node update[] = new Node[level];
        for(int i = 0; i < level; ++i){
            update[i] = head;
        }
        
        Node p = head;
        for(int i = level - 1; i >= 0; --i){
            while(p.next[i] != null && p.next[i].data < value){
                p = p.next[i];
            }
            update[i] = p;
        }
        
        for(int i = 0; i < level; ++i){
            newNode.next[i] = update[i].next[i];
            update[i].next[i] = newNode;
        }
        if(levelCount < level){
            levelCount = level;
        }
    }
    
    // 刪除操作
    public void delete(int value){
        Node[] update = new Node[levelCount];
        Node p = head;
        for(int i = levelCount - 1; i >= 0; --i){
            while(p.next[i] != null && p.next[i].data < value){
                p = p.next[i];
            }
            update[i] = p;
        }
        
        if(p.next[0] != null && p.next[0].data == value){
            for(int i = levelCount - 1; i >= 0; --i){
                if(update[i].next[i] != null && update[i].next[i].data == value){
                    update[i].next[i] = update[i].next[i].next[i];
                }
            }
        }
    }
    
    // 隨機函數(shù)
    private int randomLevel(){
        int level = 1;
        for(int i = 1; i < MAX_LEVEL; ++i){
            if(random.nextInt() % 2 == 1){
                level++;
            }
        }
        
        return level;
    }
    
    // Node內(nèi)部類
    public class Node{
        private int data = -1;
        private Node next[] = new Node[MAX_LEVEL];
        private int maxLevel = 0;
        
        // 重寫toString方法
        @Override
        public String toString(){
            StringBuilder builder = new StringBuilder();
            builder.append("{data:");
            builder.append(data);
            builder.append("; leves: ");
            builder.append(maxLevel);
            builder.append(" }");
            return builder.toString();
        }
    }
    
    // 顯示跳表中的結(jié)點
    public void display(){
        Node p = head;
        while(p.next[0] != null){
            System.out.println(p.next[0] + " ");
            p = p.next[0];
        }
        System.out.println();
    }   
}

數(shù)據(jù)結(jié)構(gòu)與算法——跳表：http://www.reibang.com/p/fef9817cc943

5菌湃、redis 緩存穿透，緩存擊穿遍略，緩存雪崩惧所，熱點數(shù)據(jù)集中失效 （常問）

（1）緩存穿透：在緩存層和數(shù)據(jù)庫層，都沒有找到數(shù)據(jù)绪杏。解決方案1：把空數(shù)據(jù)存儲起來下愈，并設(shè)置過期時間。解決方案2：使用布隆過濾器蕾久。
（2）緩存擊穿：緩存中的數(shù)據(jù)在某個時刻大批量過期势似，導(dǎo)致大部分的請求都會直接落在數(shù)據(jù)庫上。解決方案1：針對不同類型的數(shù)據(jù)，設(shè)置不同的過期時間履因。解決方案2：使用分布式鎖辖佣。
（3）緩存雪崩：緩存在某一時刻集中失效，或者緩存系統(tǒng)出現(xiàn)故障搓逾，所有的并發(fā)流量會直接到達數(shù)據(jù)庫。解決方案1：保證redis的高可用杯拐，使用集群部署霞篡。解決方案2：降流限級。
（4）熱點數(shù)據(jù)集中失效：類似于緩存擊穿端逼。熱點數(shù)據(jù)同時失效朗兵，造成都去查數(shù)據(jù)庫。解決方案：利用集群部署顶滩，保證redis的高可用余掖。

6、redis 的淘汰策略礁鲁，來寫一下 LRU 吧

（1）noeviction：當(dāng)內(nèi)存使用超過配置的時候會返回錯誤盐欺，不會驅(qū)逐任何鍵
（2）allkeys-lru：加入鍵的時候，如果過限仅醇，首先通過LRU算法驅(qū)逐最久沒有使用的鍵
（3）volatile-lru：加入鍵的時候冗美，如果過限，首先從設(shè)置了過期時間的鍵集合中驅(qū)逐最久沒有使用的鍵
（4）allkeys-random：加入鍵的時候析二，如果過限粉洼，從所有key隨機刪除
（5）volatile-random：加入鍵的時候，如果過限叶摄，從過期鍵的集合中隨機驅(qū)逐
（6）volatile-ttl：從配置了過期時間的鍵中驅(qū)逐馬上就要過期的鍵
（7）volatile-lfu：從所有配置了過期時間的鍵中驅(qū)逐使用頻率最少的鍵
（8）allkeys-lfu：從所有鍵中驅(qū)逐使用頻率最少的鍵

實現(xiàn)

public class LRU<K,V> {
 
  private static final float hashLoadFactory = 0.75f;
  private LinkedHashMap<K,V> map;
  private int cacheSize;
 
  public LRU(int cacheSize) {
    this.cacheSize = cacheSize;
    int capacity = (int)Math.ceil(cacheSize / hashLoadFactory) + 1;
    map = new LinkedHashMap<K,V>(capacity, hashLoadFactory, true){
      private static final long serialVersionUID = 1;
 
      @Override
      protected boolean removeEldestEntry(Map.Entry eldest) {
        return size() > LRU.this.cacheSize;
      }
    };
  }
 
  public synchronized V get(K key) {
    return map.get(key);
  }
 
  public synchronized void put(K key, V value) {
    map.put(key, value);
  }
 
  public synchronized void clear() {
    map.clear();
  }
 
  public synchronized int usedSize() {
    return map.size();
  }
 
  public void print() {
    for (Map.Entry<K, V> entry : map.entrySet()) {
      System.out.print(entry.getValue() + "--");
    }
    System.out.println();
  }
}

7属韧、redis 的持久化方式，RDB 和 AOF 分別的使用場景

持久化方式
（1）RDB：將某一時刻的內(nèi)存快照蛤吓，以二進制的方式寫入磁盤
（2）AOF：將redis的操作日志以追加的方式寫入文件

使用場景
（1）如果追求備份的速度宵喂，可以忽略部分?jǐn)?shù)據(jù)丟失，推薦使用RDB
（2）如果追求數(shù)據(jù)的完整性柱衔，可以接受犧牲備份的速度樊破，推薦使用AOF

8、redis 如何處理事務(wù)

redis使用MULTI唆铐、EXEC哲戚、DISCARD、WATCH四個事務(wù)命令

使用MULTI開啟事務(wù)艾岂，客戶端可以向服務(wù)器發(fā)送任意多個命令顺少，這些命令不會立馬執(zhí)行，而是被放到一個隊列中，當(dāng)調(diào)用EXEC命令時脆炎，所有隊列中的命令才會被執(zhí)行梅猿。如果在執(zhí)行事務(wù)的過程發(fā)生異常，而沒有執(zhí)行EXEC秒裕，那么事務(wù)中的所有命令都不會被執(zhí)行袱蚓。至于在執(zhí)行EXEC命令之后發(fā)生了錯誤，及時事務(wù)中某個命令發(fā)生了錯誤几蜻，其他事務(wù)也會正常執(zhí)行喇潘，沒有回滾操作

通過調(diào)用DISCARD，客戶端可以清空事務(wù)隊列梭稚，并放棄執(zhí)行事務(wù)

WATCH命令可以為redis提供CAS行為

9颖低、redis 為什么那么快？

（1）采用多路復(fù)用IO阻塞機制
（2）數(shù)據(jù)結(jié)構(gòu)簡單弧烤，操作節(jié)省時間
（3）運行在內(nèi)存中

10忱屑、redis 是單線程為什么還那么快？

（1）采用了非阻塞IO多路復(fù)用機制
（2）單線程操作暇昂，避免了頻繁的上下文切換
（3）運行在內(nèi)存中

11莺戒、redis 的操作為什么是原子性的，如何保證原子性

因為redis是單線程的

對于redis來說话浇，執(zhí)行get脏毯、set以及eval等api，都是一個一個的任務(wù)幔崖，這些任務(wù)都會由redis的線程去負(fù)責(zé)執(zhí)行食店，任務(wù)要么執(zhí)行成功，要么執(zhí)行失敗

12赏寇、redis 集群用過哪些方案吉嫩，分別怎么做。講一下一致性哈希

集群方案

（1）主從模式嗅定。只需要在配置文件加上slaveof 192.169.x.x 6379自娩，指明master的ip和端口號

（2）哨兵模式。給幾臺哨兵服務(wù)添加不同的端口渠退，配置主服務(wù)器的ip和端口忙迁，并且加上權(quán)值，使用Redis命令啟動哨兵碎乃，./redis-sentinel sentinel-26380.conf

（3）cluster集群模式姊扔。配置集群地址，開啟cluster梅誓，cluster-enable yes恰梢，集群配置文件：cluster-config-file nodes-7000.conf佛南，這個可以不修改，集群超時時間：cluster-node-timeout 15000嵌言，槽是否全覆蓋：cluster-require-full-coverage no嗅回，默認(rèn)是yes，后臺運行：daemonize yes摧茴，輸出日志：logfile "./redis.log"绵载，監(jiān)聽端口：port 7000，拷貝同樣的配置文件苛白，修改端口

13尘分、redis 什么情況下會出現(xiàn)性能問題，有什么處理辦法丸氛？

（1）master寫內(nèi)存快照，save命令調(diào)度rdbSave函數(shù)著摔，會阻塞主線程的工作缓窜，當(dāng)快照比較大時對性能影響是非常大的，會間斷性暫停服務(wù)谍咆，所以Master最好不要寫內(nèi)存快照禾锤。

（2）Master AOF持久化，如果不重寫AOF文件摹察，這個持久化方式對性能的影響是最小的恩掷，但是AOF文件會不斷增大，AOF文件過大會影響Master重啟的恢復(fù)速度供嚎。Master最好不要做任何持久化工作黄娘，包括內(nèi)存快照和AOF日志文件，特別是不要啟用內(nèi)存快照做持久化,如果數(shù)據(jù)比較關(guān)鍵克滴，某個Slave開啟AOF備份數(shù)據(jù)逼争，策略為每秒同步一次。

（3）Master調(diào)用BGREWRITEAOF重寫AOF文件劝赔，AOF在重寫的時候會占大量的CPU和內(nèi)存資源誓焦，導(dǎo)致服務(wù)load過高，出現(xiàn)短暫服務(wù)暫妥琶保現(xiàn)象杂伟。

（4）Redis主從復(fù)制的性能問題，為了主從復(fù)制的速度和連接的穩(wěn)定性仍翰，Slave和Master最好在同一個局域網(wǎng)內(nèi)

14赫粥、有沒有使用過 redis 的分布式鎖，有什么優(yōu)缺點

優(yōu)點：
（1）redis性能很好
（2）redis對命令的支持較好歉备，實現(xiàn)起來比較方便

缺點：
（1）redis分布式鎖傅是，需要自己不斷嘗試去獲取鎖，比較消耗性能
（2）redis獲取鎖的那個客戶端掛了，只能等待超時時間后才能釋放鎖

15喧笔、說一下 redis 的內(nèi)存模型

（1）數(shù)據(jù)
（2）redis主進程本身運行需要占用的內(nèi)存帽驯。如代碼、常量池等
（3）緩沖內(nèi)存书闸。
（4）內(nèi)存碎片尼变。redis在分配、回收物理內(nèi)存過程中產(chǎn)生

16浆劲、說一下 redis 和 memcache 的區(qū)別

（1）memcache僅支持簡單的key-value數(shù)據(jù)結(jié)構(gòu)嫌术，redis支持字符串、哈希牌借、鏈表度气、set集合，有序set集合
（2）redis不是所有的數(shù)據(jù)都存儲在內(nèi)存膨报，會將一些很久沒用的value交換到磁盤
（3）redis采用的單核磷籍，memcache可以采用多核，在存儲小數(shù)據(jù)的時候现柠，redis性能更好院领，而在大數(shù)據(jù)的時候，memcache性能更好
（4）redis集群可以采用一主多從够吩，一主一從比然。memcache集群只能采用一主多從
（5）redis支持?jǐn)?shù)據(jù)恢復(fù)。memcache不支持

17周循、你用 redis 做過什么强法？（這里盡量不要講只做過緩存，可以說一下隊列湾笛，排行榜/計數(shù)器拟烫，發(fā)布/訂閱）

（1）緩存
（2）商品銷量排行榜
（3）消息隊列

18、你用過哪些非關(guān)系型數(shù)據(jù)庫迄本，都有什么特點硕淑，使用場景分別是什么（體現(xiàn)你技術(shù)廣- 度的時刻到了，盡可能多說嘉赎，但是不會的不要說置媳，防止被問死）

（1）redis：可以通過key來添加、查詢或者刪除數(shù)據(jù)公条，鑒于使用主鍵訪問拇囊，所以會獲得不錯的性能及擴展性。適用于儲存用戶信息靶橱，比如會話寥袭、配置文件路捧、參數(shù)、購物車等等传黄。
（2）MongoDB：將數(shù)據(jù)以文檔的形式儲存杰扫。適用于日志、分析
（3）HBase：將數(shù)據(jù)儲存在列族中膘掰，一個列族存儲經(jīng)常被一起查詢的相關(guān)數(shù)據(jù)章姓。適用于日志、博客平臺

19识埋、Mongodb 相對于 Mysql 有哪些優(yōu)勢凡伊，底層索引使用的數(shù)據(jù)結(jié)構(gòu)是什么，為什么要使用這個

（1）Mongod的訪問速度優(yōu)于MySQL
（2）Mongodb獲取數(shù)據(jù)的方式比MySQL快捷
（3）Mongodb的表的擴展窒舟、刪除系忙、維護簡單，不依賴于SQL
（4）Mongodb對開發(fā)更友好惠豺，拿到的數(shù)據(jù)都是json格式
（5）Mongodb會將系統(tǒng)內(nèi)存作為緩存
（6）Mongodb自帶分布式文件系統(tǒng)笨觅，可以很方便部署在服務(wù)器集群上

Mongodb索引數(shù)據(jù)結(jié)構(gòu)為B-Tree

為什么要使用這個數(shù)據(jù)結(jié)構(gòu)，參考文章：https://blog.csdn.net/u012939368/article/details/76696673

20耕腾、Mongodb 中的分片是什么意思

MongoDB分片集群將數(shù)據(jù)分布在一個或多個分片上。每個分片部署成一個MongoDB副本集杀糯，該副本集保存了集群整體數(shù)據(jù)的一部分扫俺。因為每個分片都是一個副本集，所以他們擁有自己的復(fù)制機制固翰，能夠自動進行故障轉(zhuǎn)移狼纬。你可以直接連接單個分片，就像連接單獨的副本集一樣骂际。但是疗琉，如果連接的副本集是分片集群的一部分，那么只能看到部分?jǐn)?shù)據(jù)歉铝。

參考文章：https://blog.csdn.net/wanght89/article/details/77842336