整理了一份大厂常考面试题，这份pdf包括 Java基础、Java并发、JVM、MySQL、Redis、Spring、MyBatis、Kafka、设计模式等面试题，分享给大家，
下载地址：百度云链接：https://pan.baidu.com/s/1XHT4ppXTp430MEMW2D0-Bg 提取码: s3ab

Redis 底层的基础资料结构有哪些？

答案：

• 字符串，没有采用C语言的传统字符串，而是自己实作的一个简单动态字符串SDS的抽象型别，并保存了长度信息，

• 链表（linkedlist），双向无环链表结构，每个链表的节点由一个listNode结构来表示，每个节点都有前置和后置节点的指标

• 字典（hashtable），保存键值对的抽象资料结构，底层使用hash表，每个字典带有两个hash表，供平时使用和rehash时使用，

• 跳跃表（skiplist），跳跃表是有序集合的底层实作之一，redis跳跃表由zskiplist和zskiplistNode组成，zskiplist用于保存跳跃表 信息(表头、表尾节点、?度等)，zskiplistNode用于表示表跳跃节点，每个跳跃表的层高都是1- 32的随机数，在同一个跳跃表中，多个节点可以包含相同的分值，但是每个节点的成员物件必须是唯一的，节点按照分值大小排序，如果分值相同，则按照成员物件的大小排序，

• 整数集合（intset），用于保存整数值的集合抽象资料结构，不会出现重复元素，底层实作为阵列，

• 压缩串列（ziplist），为节约存储器而开发的顺序性资料结构，可以包含多个节点，每个节点可以保存一个字节阵列或者整数值，

Redis 支持哪些资料型别？

答案：五种常用资料型别：String、Hash、Set、List、SortedSet，三种特殊的资料型别：Bitmap、HyperLogLog、Geospatial，其中Bitmap 、HyperLogLog的底层都是 String 资料型别，Geospatial 底层是 Sorted Set 资料型别，

• 字符串物件string：int整数、embstr编码的简单动态字符串、raw简单动态字符串

• 串列物件list：ziplist、linkedlist

• 哈希物件hash：ziplist、hashtable

• 集合物件set：intset、hashtable

• 有序集合物件zset：ziplist、skiplist

Redis 常用的 5 种资料结构和应用场景？

答案：

• String：快取、计数器、分布式锁等

• List：链表、队列、微博关注人时间轴串列等

• Hash：用户信息、Hash 表等

• Set：去重、赞、踩、共同好友等

• Zset：访问量排行榜、点击量排行榜等

为什么采用单执行绪？

答案：官方回复，CPU不会成为Redis的制约瓶颈，Redis主要受存储器、网络限制，例如，在一个普通的 Linux 系统上，使用pipelining 可以每秒传递 100 万个请求，所以如果您的应用程序主要使用 O(N) 或 O(log(N)) 命令，则几乎不会使用太多 CPU，属于IO密集型系统，

Redis 6.0 之后又改用多执行绪呢?

答案：Redis的多执行绪主要是处理资料的读写、协议决议，执行命令还是采用单执行绪顺序执行，

主要是因为redis的性能瓶颈在于网络IO而非CPU，使用多执行绪进行一些周边预处理，提升了IO的读写效率，从而提高了整体的吞吐量，antirez 在 RedisConf 2019 分享时提到，Redis 6 引入的多执行绪 IO 对性能提升至少一倍以上，

过期键Key 的洗掉策略有哪些？

答案：有3种过期洗掉策略，惰性洗掉、定期洗掉、定时洗掉

• 惰性洗掉，使用key时才进行检查，如果已经过期，则洗掉，缺点：过期的key如果没有被访问到，一直无法洗掉，一直占用存储器，造成空间浪费，

• 定期洗掉，每隔一段时间做一次检查，洗掉过期的key，每次只是随机取一些key去检查，

• 定时洗掉，为每个key设定过期时间，同时创建一个定时器，一旦到期，立即执行洗掉，缺点：如果过期键比较多时，占用CPU较多，对服务的性能有很大影响，

如果Redis的存储器空间不足，淘汰机制？

答案：

• volatile-lru：从已设定过期时间的key中，移出最近最少使用的key进行淘汰

• allkeys-lru：当存储器不足以容纳新写入资料时，在键空间中，移除最近最少使用的key（这个是最常用的）

• volatile-ttl：从已设定过期时间的key中，移出将要过期的key

• volatile-random：从已设定过期时间的key中，随机选择key淘汰

• allkeys-random：从key中随机选择key进行淘汰

• no-eviction：禁止淘汰资料，当存储器达到阈值的时候，新写入操作报错

• volatile-lfu：从已设定过期时间的资料集(server.db[i].expires)中挑选最不经常使用的资料淘汰(LFU(Least Frequently Used)算法，也就是最频繁被访问的资料将来最有可能被访问到)

• allkeys-lfu：当存储器不足以容纳新写入资料时，在键空间中，移除最不经常使用的key，

Redis 突然挂了怎么解决？

答案：1、从系统可用性角度思考，Redis Cluster引入主备机制，当主节点挂了后，自动切换到备用节点，继续提供服务，2、Client端引入本地快取，通过开关切换，避免Redis突然挂掉，高并发流量把数据库打挂，

Redis 持久化有哪些方式？

答案：

1、快照RDB，将某个时间点上的数据库状态保存到RDB档案中，RDB档案是一个压缩的二进制档案，保存在磁盘上，当Redis崩溃时，可用于恢复资料，通过SAVE或BGSAVE来生成RDB档案，

• SAVE：会阻塞redis行程，直到RDB档案创建完毕，在行程阻塞期间，redis不能处理任何命令请求，

• BGSAVE：会fork出一个子行程，然后由子行程去负责生成RDB档案，父行程还可以继续处理命令请求，不会阻塞行程，

2、只追加档案AOF，以日志的形式记录每个写操作（非读操作），当不同节点同步资料时，读取日志档案的内容将写指令从前到后执行一次，即可完成资料恢复，

Redis 常用场景

答案：

• 1、快取，有句话说的好，「性能不够，快取来凑」

• 2、分布式锁，利用Redis 的 setnx

• 3、分布式session

• 4、计数器，通过incr命令

• 5、排行榜，Redis 的 有序集合

• 6、其他

Redis 快取要注意的七大经典问题？

答案：列举了亿级系统，高访问量情况下Redis快取可能会遇到哪些问题？以及对应的解决方案，

• 1、快取集中失效

• 2、快取穿透

• 3、快取雪崩

• 4、快取热点

• 5、快取大Key

• 6、快取资料的一致性

• 7、资料并发竞争预热

每个问题的详细解决方案，请查看 亿级系统的Redis快取如何设计？？？

Redis 集群方案有哪几种？

答案：

• 主从复制模式

• Sentinel（哨兵）模式

• Redis Cluster模式

Redis 主从资料同步（主从复制）的程序？

答案：

• 1、slave启动后，向master发送sync命令

• 2、master收到sync之后，执行bgsave保存快照，生成RDB全量档案

• 3、master把slave的写命令记录到快取

• 4、bgsave执行完毕之后，发送RDB档案到slave，slave执行

• 5、master发送缓冲区的写命令给slave，slave接收命令并执行，完成复制初始化，

• 6、此后，master每次执行一个写命令都会同步发送给slave，保持master与slave之间资料的一致性

主从复制的优缺点？

答案：

1、优点：

• master能自动将资料同步到slave，可以进行读写分离，分担master的读压力

• master、slave之间的同步是以非阻塞的方式进行的，同步期间，客户端仍然可以提交查询或更新请求

缺点：

• 不具备自动容错与恢复功能，master 节点宕机后，需要手动指定新的 master

• master宕机，如果宕机前资料没有同步完，则切换IP后会存在资料不一致的问题

• 难以支持在线扩容，Redis的容量受限于单机配置

Sentinel（哨兵）模式的优缺点？

答案：哨兵模式基于主从复制模式，增加了哨兵来监控与自动处理故障，

1、优点：

• 哨兵模式基于主从复制模式，所以主从复制模式有的优点，哨兵模式也有

• master 挂掉可以自动进行切换，系统可用性更高

2、缺点：

• Redis的容量受限于单机配置

• 需要额外的资源来启动sentinel行程

Redis Cluster 模式的优缺点？

答案：实作了Redis的分布式存盘，即每台节点存盘不同的内容，来解决在线扩容的问题，

1、优点：

• 无中心架构，资料按照slot分布在多个节点

• 集群中的每个节点都是平等的，每个节点都保存各自的资料和整个集群的状态，每个节点都和其他所有节点连接，而且这些连接保持活跃，这样就保证了我们只需要连接集群中的任意一个节点，就可以获取到其他节点的资料，

• 可线性扩展到1000多个节点，节点可动态添加或洗掉

• 能够实作自动故障转移，节点之间通过gossip协议交换状态信息，用投票机制完成slave到master的角色转换

缺点：

• 资料通过异步复制，不保证资料的强一致性

• slave充当 “冷备”，不对外提供读、写服务，只作为故障转移使用，

• 批量操作限制，目前只支持具有相同slot值的key执行批量操作，对mset、mget、sunion等操作支持不友好

• key事务操作支持有限，只支持多key在同一节点的事务操作，多key分布在不同节点时无法使用事务功能

• 不支持多数据库空间，一台redis可以支持16个db，集群模式下只能使用一个，即db 0，Redis Cluster模式不建议使用pipeline和multi-keys操作，减少max redirect产生的场景，

Redis 如何做扩容？

答案：为了避免资料迁移失效，通常使用一致性哈希实作动态扩容缩容，有效减少需要迁移的Key数量，

但是Cluster 模式，采用固定Slot槽位方式（16384个），对每个key计算CRC16值，然后对16384取模，然后根据slot值找到目标机器，扩容时，我们只需要迁移一部分的slot到新节点即可，

Redis 的集群原理?

答案：一个redis集群由多个节点node组成，而多个node之间通过cluster meet命令来进行连接，组成一个集群，

资料存盘通过分片的形式，整个集群分成了16384个slot，每个节点负责一部分槽位，整个槽位的信息会同步到所有节点中，

key与slot的映射关系：

• 健值对 key，进行 CRC16 计算，计算出一个 16 bit 的值

• 将 16 bit 的值对 16384 取模，得到 0 ～ 16383 的数表示 key 对应的哈希槽

Redis 如何做到高可用？

答案：哨兵机制，具有自动故障转移、集群监控、讯息通知等功能，

哨兵可以同时监视所有的主、从服务器，当某个master下线时，自动提升对应的slave为master，然后由新master对外提供服务，

什么是 Redis 事务？

答案：Redis事务是一组命令的集合，将多个命令打包，然后把这些命令按顺序添加到队列中，并且按顺序执行这些命令，

Redis事务中没有像Mysql关系型数据库事务隔离级别的概念，不能保证原子性操作，也没有像Mysql那样执行事务失败会进行回滚操作

Redis 事务执行流程？

答案：通过MULTI、EXEC、WATCH等命令来实作事务机制，事务执行程序将一系列多个命令按照顺序一次性执行，在执行期间，事务不会被中断，也不会去执行客户端的其他请求，直到所有命令执行完毕，

具体程序：

• 服务端收到客户端请求，事务以MULTI开始

• 如果正处于事务状态时，则会把后续命令放入队列同时回传给客户端QUEUED，反之则直接执行这 个命令

• 当收到客户端的EXEC命令时，才会将队列里的命令取出、顺序执行，执行完将当前状态从事务状态改为非事务状态

• 如果收到 DISCARD 命令，放弃执行队列中的命令，可以理解为Mysql的回滚操作，并且将当前的状态从事务状态改为非事务状态

WATCH 监视某个key，该命令只能在MULTI命令之前执行，如果监视的key被其他客户端修改，EXEC将会放弃执行队列中的所有命令，UNWATCH 取消监视之前通过WATCH 命令监视的key，通过执行EXEC 、DISCARD 两个命令之前监视的key也会被取消监视，

Redis 与 Guava 、Caffeine 有什么区别？

答案：快取分为本地快取和分布式快取，

1、Caffeine、Guava，属于本地快取，特点：

• 直接访问记忆体，速度快，受存储器限制，无法进行大资料存盘，

• 无网络通讯开销，性能更高，

• 只支持本地应用行程访问，同步更新所有节点的本地快取资料成本较高，

• 应用行程重启，资料会丢失，

所以，本地快取适合存盘一些不易改变或者低频改变的高热点资料，

2、Redis属于分布式快取，特点：

• 集群模式，支持大资料量存盘

• 资料集中存盘，保证资料的一致性

• 资料跨网络传输，性能低于本地快取，但同一个机房，两台服务器之间请求跑一个来回也就需要500微秒，比起其优势，这点损耗完全可以忽略，这也是分布式快取受欢迎的原因，

• 支持副本机制，有效的保证了高可用性，

如何实作一个分布式锁？

答案：

• 1、数据库表，性能比较差

• 2、使用Lua脚本 (包含 SETNX + EXPIRE 两条指令)

• 3、SET的扩展命令（SET key value [EX][PX] [NX|XX]）

• 4、Redlock 框架

• 5、Zookeeper Curator框架提供了现成的分布式锁

---

我是Tom哥~

校招进阿里，期间还拿了 百度、华为、中兴、腾讯 等6家大厂offer，P7 技术专家，出过专利，CSDN博客专家，多次淘宝双11活动方案，专注于微服务、高并发、分布式架构、高可用等领域，喜欢挖掘开源框架亮点设计，

1、Java高频考点

2、计算机网络

3、LeetCode算法

作为一线大厂的面试官，Tom哥收集很多大厂的高频面试题，扫描下方的二维码，关注公众号【微观技术】，后台回复 “666”、“算法”，免费领取相关学习资料，

已经帮助身边很多小伙伴进入字节、阿里等一线大厂，也欢迎小伙伴找Tom哥唠嗑聊天， 技术交流，围观朋友圈，人生打怪不再寂寞