Redis面试笔记(二)雪崩、穿透、击穿三连问

1. Redis雪崩？

雪崩是指缓存中大批热点数据过期后系统涌入大量查询请求，因为大部分数据在Redis层已经失效，请求渗透到数据库层，大批量的请求犹如洪水一般涌入，引起数据库压力造成查询阻塞甚至宕机。

解决方案：

• 将缓存失效时间分散开，比如每个key的过期时间都是随机的，防止同时大量数据过期现象发生，如果缓存是分布式部署，将热点数据分布在不同的Redis和数据库中，有效分担压力。
• 简单粗暴法，将Redis数据设置永不过期（如果业务准许，比如不需要更新的名单类）

1. Redis穿透？

穿透是指绕过Redis，调用者发起的请求参数（Key）在缓存和数据库中都不存在，通过不存在的key，成功穿透到系统底层，大规模不断发起不存在的Key的检索请求，导致系统压力过大最后故障。

解决方案：

• 分布式布隆过滤器
• 返回空值，遇到数据库和Redis都查不到的值，在Redis里Set一个null value过期时间很短，目的在于同一个Key再次请求时直接返回Null,避免穿透。

1. Redis击穿？

击穿：击穿和穿透概念类似，一般是指一个Key被穿透，这个Key是热点Key,同一个Key会被成千上万次请求，比如微博搜索热点排行榜、如果这个Key失效了，就像保险丝熔断了，百万QPS直接压垮数据库。

解决方案：

- 利用互斥锁，简单来说就是在缓存失效的时候，不是直接去Load DB,而是先试用缓存工具的某些带成功操作返回值的操作(Redis SETNX)去Set一个Mutex Key，当操作返回成功时，在进行Load DB的操作，并回设缓存，否则，就重试整个get缓存的方法。

1. 热点数据问题如何准确定位？

• 提前获知法：根据业务，人肉统计或者系统统计可能会成为热点的数据，如促销的商品、热门话题等
• Redis客户端收集法：调用端通过计数的方式统计Key的请求次数，但无法预知Key的个数。
• Redis集群代理层统计
• Redis服务端统计：监控Redis单个分片的QPS，发现QPS倾斜到一定成程度的节点进行monitor，获取热点key,Redis提供了monitor命令，可以统计出一段时间内的某个Redis节点上所有的命令，分析热点Key。

1. 如何解决热点数据的问题？

• 可从两个方面来考虑，第一是数据分片，让压力均谈到集群多个分片上，防止单个机器打满，第二是迁移隔离。概括描述为：
  1. Key拆分
  2. 迁移热点Key
  3. 热点Key限流
  4. 增加本地缓存。

1. 数据库和缓存的双写一致性问题？

在高并发请求下很容易导致数据不一致的问题，如果业务需要保证强一致性，那么建议不要使用缓存。在数据库和缓存数据的删除或者写入过程中，如果有失败的情况，会导致数据的不一致。

解决方案：

• 双删延时的解决方案：可以先删除缓存数据，然后在更新数据库数据，最后在个固定的时间再次删除缓存。

伪代码：

redis.del(key)
db.update()
Thread.sleep(500)
redis.del(key)

弊端：结合双删策略+缓存超时设置，这样最差的情况就是在超时时间内数据不一致，又增加了写请求的耗时。

• 异步更新缓存（基于订阅的binlog的同步机制，使用Canal）将有变化的key记录下来，并且尝试去不断的去删除缓存（如果上次删除缓存失败）。

MySQL BinLog增量订阅消费+消息队列+增量数据更新到Redis

1. 如何实现异步队列？

• 使用List作为队列，RPUSH生产消息，LPOP消费数据。
  • 缺点：没有等待队列里有值就直接消费数据。
  • 弥补：可以通过在应用层引入sleep机制去调用LPOP重试
• BLPOP Key：阻塞知道队列有消息或者超时
  • 缺点：只能提供一个消费者消费
• pub/sub:主题订阅者模式
  • 发布者（pub）发送消息，订阅者（sub）接收消息。订阅者可以订阅任意数量的频道。
  • 缺点：消息的发布是无状态的，无法保证可达，如一台机器下线后，上线数据会丢失。

1. 如何实现分布式锁？

• SETNX key value:如果不存在，则创建并赋值，存在未0，不存在为1（通过设置expire key second 设置过期时间）
• SET KEY VALUE [EX Second] 直接设置key value 过期时间。

1. Redis的主从复制机制？

答：当项目比较大时，可以使用主从架构 Master/Slave机制,Master以写为主，Slave以读为主，Master主节点更新后根据配置，自动同步到从机Slave节点。

主从复制的原理包括旧版同步和命令传播,主从复制的代价就是系统复制较重的时候会导致主从延迟，并且根据CAP理论，无法同时保证服务可用性和数据一致性。

• C（Consistency）一致性
• A(Availability) 可用性
• P(Partition tolerance) 分区容错性

1. Redis对事务的支持？

答：Redis对事务的支持可以概括如下：

• 隔离性：redis是单进程的程序，保证在执行事务时，不会对事务进行中断。事务可以运行直到执行完所有事务队列中的命令为止。所以Redis的事务支持隔离性。
• Redis会将一个事务中的所有命令序列化，然后按照顺序执行。Redis不可能在一个事务的执行过程中插入执行另一个客户端发出的请求，这个样可以保证Redis将这些命令作为一个单独的隔离操作执行。
• 需要注意的是Redis的事务不支持回滚操作。只有当redis命令有语法错误或者对某个键执行不符合其数据类型的操作，但是在将命令入队列的时候就应该能够发现这些问题。所以Redis的事务并不支持进行回滚操作。