数据库
首页 > 数据库> > Redis面试实录

Redis面试实录

作者:互联网

Redis面试实录

以下文章来源于JAVA日知录 ,作者飘渺Jam

小张:

面试官,你好。我是来参加面试的。

面试官:

你好,小张。我看了你的简历,熟练掌握Redis,那么我就随便问你几个Redis相关的问题吧。首先我的问题是,Redis是单线程还是多线程呢?

小张:

Redis不同版本之间采用的线程模型是不一样的,在Redis4.0版本之前使用的是单线程模型,在4.0版本之后增加了多线程的支持。

在4.0之前虽然我们说Redis是单线程,也只是说它的网络I/O线程以及Set 和 Get操作是由一个线程完成的。但是Redis的持久化、集群同步还是使用其他线程来完成。

4.0之后添加了多线程的支持,主要是体现在大数据的异步删除功能上,例如 `unlink key`、`flushdb async`、`flushall async` 等

面试官:

回答的很好,那为什么Redis在4.0之前会选择使用单线程?而且使用单线程还那么快?

小张:

选择单线程个人觉得主要是使用简单,不存在锁竞争,可以在无锁的情况下完成所有操作,不存在死锁和线程切换带来的性能和时间上的开销,但同时单线程也不能完全发挥出多核CPU的性能。

至于为什么单线程那么快我觉得主要有以下几个原因:

1. Redis 的大部分操作都在内存中完成,内存中的执行效率本身就很快,并且采用了高效的数据结构,比如哈希表和跳表。
2. 使用单线程避免了多线程的竞争,省去了多线程切换带来的时间和性能开销,并且不会出现死锁。
3. 采用 I/O 多路复用机制处理大量客户端的Socket请求,因为这是基于非阻塞的 I/O 模型,这就让Redis可以高效地进行网络通信,I/O的读写流程也不再阻塞。

面试官:

不错,那Redis是如何实现数据不丢失的呢?

小张:

Redis数据是存储在内存中的,为了保证Redis数据不丢失,那就要把数据从内存存储到磁盘上,以便在服务器重启后还能够从磁盘中恢复原有数据,这就是Redis的数据持久化。Redis数据持久化有三种方式。

>> AOF 日志(Append Only File,文件追加方式):记录所有的操作命令,并以文本的形式追加到文件中。
>> RDB 快照(Redis DataBase):将某一个时刻的内存数据,以二进制的方式写入磁盘。
>> 混合持久化方式:Redis 4.0 新增了混合持久化的方式,集成了 RDB 和 AOF 的优点。

面试官:

那你分别说说 AOF和 RDB的实现原理吧。

小张:

AOF采用的是写后日志的方式,Redis先执行命令把数据写入内存,然后再记录日志到文件中。AOF日志记录的是操作命令,不是实际的数据,如果采用AOF方法做故障恢复时需要将全量日志都执行一遍。

![图片](https://mmbiz.qpic.cn/mmbiz_png/PxMzT0Oibf4gQQkD0EnlcIxFe4YtTDiaYE7b08XxtlDknxziald69qXNnMXJJX3j4PzRLDmmBXJca8jDOoibMDqI7A/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1)

RDB采用的是内存快照的方式,它记录的是某一时刻的数据,而不是操作,所以采用RDB方法做故障恢复时只需要直接把RDB文件读入内存即可,实现快速恢复。

面试官:

你刚提到了AOF采用的是 “写后日志” 的方式,我们平时用的MySQL则采用的是 “写前日志”,那 Redis为什么要先执行命令,再把数据写入日志呢?

小张:额头开始冒汗,问的是些啥问题呀。。。

额,这个主要是由于Redis在写入日志之前,不对命令进行语法检查,所以只记录执行成功的命令,避免出现记录错误命令的情况,而且在命令执行后再写日志不会阻塞当前的写操作。

面试官:

后写日志又有什么风险呢?

小张:

我... 这个我不会。

面试官:

好吧,后写日志主要有两个风险可能会发生:

我还有个问题是 RDB做快照时会阻塞线程吗?

小张:

Redis 提供了两个命令来生成 RDB 快照文件,分别是 `save` 和 `bgsave`。`save` 命令在主线程中执行,会导致阻塞。而 `bgsave` 命令则会创建一个子进程,用于写入 RDB 文件的操作,避免了对主线程的阻塞,这也是 Redis RDB 的默认配置。

面试官:

RDB 做快照的时候数据能修改吗?

小张:

save是同步的会阻塞客户端命令,bgsave的时候是可以修改的。

面试官:

那Redis是怎么解决在bgsave做快照的时候允许数据修改呢?

小张:(你咋还问。。。我™不会啊!)

额,这个我不太清楚...

图片

面试官:

这里主要是利用bgsave的子线程实现的,具体操作如下:

图片

要注意,Redis 对 RDB 的执行频率非常重要,因为这会影响快照数据的完整性以及 Redis 的稳定性,所以在 Redis 4.0 后,增加了 AOF 和 RDB 混合的数据持久化机制: 把数据以 RDB 的方式写入文件,再将后续的操作命令以 AOF 的格式存入文件,既保证了 Redis 重启速度,又降低数据丢失风险。

小张:

学到了学到了。

面试官:

那你再跟我说说Redis如何实现高可用吧?

小张:

Redis实现高可用主要有三种方式:主从复制、哨兵模式,以及 Redis 集群。

**主从复制**

将从前的一台 Redis 服务器,同步数据到多台从 Redis 服务器上,即一主多从的模式,这个跟MySQL主从复制的原理一样。

图片

图1 主从复制
``` 哨兵模式

使用 Redis 主从服务的时候,会有一个问题,就是当 Redis 的主从服务器出现故障宕机时,需要手动进行恢复,为了解决这个问题,Redis 增加了哨兵模式(因为哨兵模式做到了可以监控主从服务器,并且提供自动容灾恢复的功能)。

![图片](https://mmbiz.qpic.cn/mmbiz_png/PxMzT0Oibf4gQQkD0EnlcIxFe4YtTDiaYEo2ic6ofwTFHDHmdVt3r5Gjic7MhMEBSEPClnComVvo98IPW2iaaiay7I3g/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1)
<center>图2 哨兵模式</center>

Redis Cluster(集群)

Redis Cluster 是一种分布式去中心化的运行模式,是在 Redis 3.0 版本中推出的 Redis 集群方案,它将数据分布在不同的服务器上,以此来降低系统对单主节点的依赖,从而提高 Redis 服务的读写性能。

![图片](https://mmbiz.qpic.cn/mmbiz_png/PxMzT0Oibf4gQQkD0EnlcIxFe4YtTDiaYEPD7tSnKYtda6EqFftoP9bXhwLvNCBFZKcbfltueJM6oIl67qeiav96g/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1)
<center>图3 Redis Cluster(集群)</center>
面试官:

使用哨兵模式在数据上有副本数据做保证,在可用性上又有哨兵监控,一旦master宕机会选举salve节点为master节点,这种已经满足了我们的生产环境需要,**那为什么还需要使用集群模式呢?**

小张:

额,哨兵模式归根节点还是主从模式,在主从模式下我们可以通过增加salve节点来扩展读并发能力,但是没办法扩展写能力和存储能力,存储能力只能是master节点能够承载的上限。所以为了扩展写能力和存储能力,我们就需要引入集群模式。


面试官:

**集群中那么多Master节点,redis cluster在存储的时候如何确定选择哪个节点呢?**

小张:

这应该是使用了某种hash算法,但是我不太清楚。。。


![图片](https://mmbiz.qpic.cn/mmbiz_png/PxMzT0Oibf4gQQkD0EnlcIxFe4YtTDiaYEuQ6lDWxYUh4bvdhbN3FukkdGE1lAdAlYYUNiaibsEM9GynO1cNp4mkbw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1)

面试官:

那好,今天的面试就到这里吧,你先回去等我们的面试通知。

小张:

好的,谢谢面试官,你能告诉我redis cluster怎么实现节点选择的吗?


面试官:

Redis Cluster采用的是**类一致性哈希算法实现节点选择的**,至于什么是一致性哈希算法你自己回去看看。

Redis Cluster将自己分成了16384个**Slot**(槽位),哈希槽类似于数据分区,每个键值对都会根据它的 key,被映射到一个哈希槽中,具体执行过程分为两大步。

- 根据键值对的 key,按照 CRC16 算法计算一个 16 bit 的值。
- 再用 16bit 值对 16384 取模,得到 `0~16383` 范围内的模数,每个模数代表一个相应编号的哈希槽。

每个Redis节点负责处理一部分槽位,加入你有三个master节点 ABC,每个节点负责的槽位如下:

| 节点 |   处理槽位    |
| :--: | :-----------: |
|  A   |    0-5000     |
|  B   | 5001 - 10000  |
|  C   | 10001 - 16383 |

这样就实现了cluster节点的选择。

标签:面试官,Redis,实录,小张,面试,RDB,日志,wx
来源: https://www.cnblogs.com/moguidongdong/p/15845605.html