文章目录
- 1.什么是缓存穿透，怎么解决
- 2.什么是缓存击穿，怎么解决
- 3.什么是缓存雪崩，怎么解决
- 4.双写一致性问题
- 5.redisson添加的排他锁是如何保证读写、读读互斥的
- 6.为什么不使用延迟双删
- 7.redis做为缓存，数据的持久化是怎么做的
- 8.redis的数据过期策略
- 9.redis的数据淘汰策略
1.什么是缓存穿透，怎么解决
缓存穿透：查询一个不存在的数据，MySQL查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库
解决方案一：缓存空数据
当查询到一个不存在的数据，返回缓存空数据，但是当数据真正有的时候，缓存中还是空数据，就会导致数据不一致
解决方案二：布隆过滤器
位图的思路：通过hash运算三次得到三个对应的值，如果三个值都为1即存在，如果其中一个不为1即不存在，存在一定的误判率，但完全可以接受
2.什么是缓存击穿，怎么解决
缓存击穿：给某一个key设置了过期时间，当key过期的时候，恰好这时间点对这个key有大量的并发请求过来，这些并发的请求可能会瞬间吧DB压垮
解决方案一：互斥锁，强一致，性能差
解决方案二：逻辑过期，高可用，性能优，不能保证数据绝对一致
3.什么是缓存雪崩，怎么解决
缓存雪崩：同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力
解决方案：
● 给不同的key的TTL添加随机值
● 利用Redis集群提高服务的可用性
● 给缓存业务添加降级限流策略 降级可做为系统的保底策略，适用于穿透、击穿、雪崩
● 给业务添加多级缓存
4.双写一致性问题
采用redisson实现的读写锁，在读的时候添加共享锁，可以保证读读不互斥，读写互斥。当我们更新数据的时候，添加排他锁，它是读读，读写都互斥，这样就能保证在写数据的同时是不会让其他线程读数据的，避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一锁才行。
注意：这种情况只有必须保证强一致性的时候才会使用
开发中大部分是允许短暂的不一致的，这个时候采用异步的方案
● 使用MQ中间件，更新数据之后，通知缓存删除
● 利用canal中间件，不需要修改业务代码，伪装为MySQL的一个从节点，canal通过读取binlog数据更新缓存
5.redisson添加的排他锁是如何保证读写、读读互斥的
排他锁底层使用也是setnx，保证了同时只能由一个线程操作锁住的方法
6.为什么不使用延迟双删
延迟双删，如果是写操作，我们先把缓存中的数据删除，然后更新数据库，最后再延时删除缓存中的数据，其中这个延时多久不太好确定，在演示的过程中可能会出现脏数据，并不能保证强一致性，所以没有采用
7.redis做为缓存，数据的持久化是怎么做的
有两种方式，一种是RDB，一种是AOF
RDB是一个快照文件，它是把 redis内存存储的数据写到磁盘上，当redis实例宕机恢复数据的时候，方便从RDB的快照文件中恢复数据
AOF的含义是追加文件，当redis操作写命令的时候，都会存储这个文件中，当redis实例宕机恢复数据的时候，会从这个文件中再次执行一遍命令来恢复数据
RDB因为是二进制文件，在保存的时候体积也是比较小的，它恢复的比较快，但是它有可能会丢数据，我们通常在项目中也会使用AOF来恢复数据，虽然AOF恢复的速度慢一些，但是它丢数据的风险要小很多，在AOF文件中可以设置刷盘策略，我们当时设置的就是每秒批量写入一次命令
8.redis的数据过期策略
第一种是惰性删除，在设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key
第二种是定期删除，每隔一段时间，我们就对一些Key进行检查，删除里面过期的key
定期清理的两种模式：
● SLOW模式是定时任务，执行频率默认是10HZ，每次不超过25MS，以通过修改配置文件redis.conf的HZ选项来调整这个次数
● FAST模式执行频率不固定，每次时间循环会尝试执行，但两次间隔不低于2ms，每次耗时不超过1ms
Redis的过期删除策略：惰性删除+定期删除两种策略进行配合使用
9.redis的数据淘汰策略
- Redis提供了8种不同的数据淘汰策略，默认是noeviction不删除任何数据，内存不足直接报错
- LRU：最少最近使用，用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高
- LFU：最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高
平时开发过程种用的比较多的就是allkeys-lru，挑选最近最少使用的数据淘汰，把一些经常访问的key留在redis中
数据库有1000万数据，Redis只能缓存20W数据，如何保证Redis中的数据都是热点数据
回答：使用allkeys-lru（挑选最近最少使用的数据淘汰）淘汰策略，那留下来的都是经常访问的热点数据
