文章目錄

• Redis 是什么？簡述它的優(yōu)缺點(diǎn)？
• Redis 為什么這么快？
• Redis 相比 memcached 有哪些優(yōu)勢(shì)？
• 說說 Redis 的數(shù)據(jù)類型和使用場景
• 如何通過 Redis 實(shí)現(xiàn)分布式鎖
• 如何使用 Redis 做異步隊(duì)列
• 使用 Pipeline 的好處
• Redis 過期鍵的刪除策略？
• Redis 內(nèi)存淘汰機(jī)制？
• Redis 持久化機(jī)制
• 說說緩存設(shè)計(jì)中會(huì)出現(xiàn)的問題和解決方案
• 高并發(fā)場景下，如何解決數(shù)據(jù)庫與緩存雙寫的時(shí)候數(shù)據(jù)不一致的情況？
• Redis 中跳躍表 skiplist 實(shí)現(xiàn)原理
• Redis 為什么用 skiplist 而不用紅黑樹？
• 假如 Redis 里面有 1 億個(gè)key，其中有 10w 個(gè) key 是以某個(gè)固定的已知前綴開頭的，如何將它們?nèi)空页鰜?#xff1f;
• Redis6.0 為什么要引入多線程？
• Redis 集群方案應(yīng)該怎么做？都有哪些方案？
• 講一講位圖 Bitmap
• 講一講 HyperLogLog
• Redis 單線程如何處理那么多的并發(fā)客戶端連接？
• 布隆過濾器的原理
• 慢查詢場景有哪些？
• 如何保證 redis/mysql 的一致性？

---

Redis 是什么？簡述它的優(yōu)缺點(diǎn)？

• Redis 本質(zhì)上是一個(gè) Key-Value 類型的內(nèi)存數(shù)據(jù)庫，很像 memcached，整個(gè)數(shù)據(jù)庫統(tǒng)統(tǒng)加載在內(nèi)存當(dāng)中進(jìn)行操作，定期通過異步操作把數(shù)據(jù)庫數(shù)據(jù) flush 到硬盤上進(jìn)行保存。
• 因?yàn)槭羌儍?nèi)存操作，Redis 的性能非常出色，每秒可以處理超過 10 萬次讀寫操作，是已知性能最快的 Key-Value DB。
• Redis 的出色之處不僅僅是性能，Redis 最大的魅力是支持保存多種數(shù)據(jù)結(jié)構(gòu)，此外單個(gè) value 的最大限制是 1GB，不像 memcached 只能保存 1MB 的數(shù)據(jù)，因此 Redis 可以用來實(shí)現(xiàn)很多有用的功能。
• Redis 的主要缺點(diǎn)是數(shù)據(jù)庫容量受到物理內(nèi)存的限制，不能用作海量數(shù)據(jù)的高性能讀寫，因此 Redis 適合的場景主要局限在較小數(shù)據(jù)量的高性能操作和運(yùn)算上。

---

Redis 為什么這么快？

• 純內(nèi)存訪問，Redis 將所有數(shù)據(jù)都放在內(nèi)存中；
• 采用的是基于非阻塞的 IO 多路復(fù)用機(jī)制，避免了網(wǎng)絡(luò) IO 上浪費(fèi)過多時(shí)間；
• 單線程避免了線程切換和競態(tài)產(chǎn)生的消耗。

---

Redis 相比 memcached 有哪些優(yōu)勢(shì)？

• 數(shù)據(jù)類型：Redis 支持更豐富的數(shù)據(jù)類型（支持更復(fù)雜的應(yīng)用場景），Redis 不僅僅支持簡單的 key/value 類型的數(shù)據(jù)，同時(shí)還提供 list，set，zset，hash 等數(shù)據(jù)結(jié)構(gòu)的存儲(chǔ)。memcache 只支持簡單的數(shù)據(jù)類型 String。
• 持久化：Redis 支持?jǐn)?shù)據(jù)的持久化，可以將內(nèi)存中的數(shù)據(jù)保持在磁盤中，重啟的時(shí)候可以再次加載進(jìn)行使用，而 Memecache 把數(shù)據(jù)全部存在內(nèi)存之中。
• 集群模式：memcached 沒有原生的集群模式，需要依靠客戶端來實(shí)現(xiàn)往集群中分片寫入數(shù)據(jù)；而 Redis 原生支持集群模式。
• 線程模型：Memcached 是多線程，非阻塞 IO 復(fù)用的網(wǎng)絡(luò)模型；Redis 使用單線程的多路 IO 復(fù)用模型。

---

說說 Redis 的數(shù)據(jù)類型和使用場景

Redis 支持五種數(shù)據(jù)類型：string（ 字符串），hash（ 哈希），list（ 列表），set（ 集合）及 zset（sorted set：有序集合）。

• string：redis 中字符串 value 最大可為 512M。可以用來做一些計(jì)數(shù)功能的緩存（也是實(shí)際工作中最常見的）。常規(guī)計(jì)數(shù)：微博數(shù)，粉絲數(shù)等。
• hash：鍵值對(duì)集合，是一個(gè)字符串類型的 Key 和 Value 的映射表，也就是說其存儲(chǔ)的 Value 是一個(gè)鍵值對(duì)（Key- Value），hash 特別適合用于存儲(chǔ)對(duì)象，后續(xù)操作的時(shí)候，可以直接僅僅修改這個(gè)對(duì)象中的某個(gè)字段的值。 比如我們可以 hash 數(shù)據(jù)結(jié)構(gòu)來存儲(chǔ)用戶信息，商品信息等等。
• list：簡單的字符串列表，按照插入順序排序，可以添加一個(gè)元素到列表的頭部（左邊）或者尾部（右邊），Redis list 的實(shí)現(xiàn)為一個(gè)雙向鏈表，即可以支持反向查找和遍歷，更方便操作，不過帶來了部分額外的內(nèi)存開銷。可以實(shí)現(xiàn)一個(gè)簡單消息隊(duì)列功能，做基于 redis 的分頁功能等。還可以通過 lrange 命令做（微博、朋友圈）文章列表分頁，就是從某個(gè)元素開始讀取多少個(gè)元素，可以基于 list 實(shí)現(xiàn)高性能分頁。
• set：是一個(gè)字符串類型的無序集合。可以用來進(jìn)行全局去重等，比如：在微博應(yīng)用中，可以將一個(gè)用戶所有的關(guān)注人存在一個(gè)集合中，將其所有粉絲存在一個(gè)集合，Redis 可以非常方便的實(shí)現(xiàn)如共同關(guān)注、共同粉絲、共同喜好等功能，這個(gè)過程也就是求交集的過程。
• sorted set：是一個(gè)字符串類型的有序集合，給每一個(gè)元素一個(gè)固定的分?jǐn)?shù) score 來保持順序。可以用來做排行榜應(yīng)用或者進(jìn)行范圍查找等。

我們實(shí)際項(xiàng)目中比較常用的是 string、hash。 如果你是 Redis 的高級(jí)用戶，還需要加上下面幾種數(shù)據(jù)結(jié)構(gòu) HyperLogLog、Geo、Pub/Sub。

如果你說還玩過 Redis Module，像 BloomFilter，RedisSearch，Redis-ML，面試官得眼睛就開始發(fā)亮了。

詳情請(qǐng)參考：《【Redis 開發(fā)與運(yùn)維】API 的理解和使用》

---

如何通過 Redis 實(shí)現(xiàn)分布式鎖

分布式鎖需要解決的問題

• 互斥性
• 安全性
• 死鎖
• 容錯(cuò)

利用 SETNX key value：如果 key 不存在，則創(chuàng)建并賦值；設(shè)置成功，返回 1。設(shè)置失敗，返回 0。

問題一：如何解決 SETNX 長期有效的問題

• EXPIRE key seconds：設(shè)置 key 的生存時(shí)間，當(dāng) key 過期時(shí)（生存時(shí)間為0），會(huì)自動(dòng)被刪除
• 缺點(diǎn)：原子性得不到滿足，因?yàn)?SETNX 和 EXPIRE 命令是兩個(gè)操作不滿足原子性。

答：可以利用：SET key value [EX seconds] [PX milliseconds] [NX|XX]

• Ex second：設(shè)置鍵的過期時(shí)間為 second 秒
• PX milliseconds：設(shè)置鍵的過期時(shí)間為 millisecond 毫秒
• NX：只在鍵不存在時(shí)，才對(duì)鍵進(jìn)行設(shè)置操作
• XX：只在鍵已經(jīng)存在時(shí)，才對(duì)鍵進(jìn)行設(shè)置操作
• SET 操作成功完成時(shí)，返回 OK，否則返回 nil
• 例如：set lock 12345 ex 10 nx，表示設(shè)置了一個(gè) key 為 lock 的鎖，鎖的過期時(shí)間為 10 秒

問題二：怎么處理別人把我的鎖釋放（刪除）的問題

• 因?yàn)殒i的釋放無非就是刪除掉，那個(gè) key 嘛，刪了鎖就釋放了。

答：

• 可以把鎖的值設(shè)為用戶 ID，刪除之前比對(duì)用戶 ID 和鎖的值是否相等，只有相等才能刪除。
• 因?yàn)榕袛噫i相等和刪除鎖是兩個(gè)操作，不滿足原子性，于是可以利用 Lua 做到原子性。例如：

/*** 解鎖** @param id* @return*/ public boolean unlock(String id) {String script ="if redis.call('get',KEYS[1]) == ARGV[1] then" +" return redis.call('del',KEYS[1]) " +"else" +" return 0 " +"end";try {String result = jedis.eval(script, Collections.singletonList(LOCK_KEY), Collections.singletonList(id)).toString();return "1".equals(result) ? true : false;} finally {jedis.close();} }

大量的 key 同時(shí)過期的注意事項(xiàng)

• 集中過期，由于清除大量的 key 很耗時(shí)，會(huì)出現(xiàn)短暫的卡頓現(xiàn)象
• 解決方案：在設(shè)置 key 的過期時(shí)間的時(shí)候，給每個(gè) key 加上隨機(jī)值

問題三：鎖過期時(shí)間到了業(yè)務(wù)沒執(zhí)行完怎么辦？

• 默認(rèn)情況下，加鎖的時(shí)間是 30 秒，如果加鎖的業(yè)務(wù)沒有執(zhí)行完，那么到 30-10 = 20 秒的時(shí)候，就會(huì)進(jìn)行一次續(xù)期，把鎖重置成 30 秒，那這個(gè)時(shí)候可能又有同學(xué)問了，那業(yè)務(wù)的機(jī)器萬一宕機(jī)了呢？宕機(jī)了定時(shí)任務(wù)跑不了，就續(xù)不了期，那自然30秒之后鎖就解開了唄。

---

如何使用 Redis 做異步隊(duì)列

使用 Redis 的 List 作為隊(duì)列，RPUSH 生產(chǎn)消息，LPOP 消費(fèi)消息

• 缺點(diǎn)：沒有等待隊(duì)列里有值就直接消費(fèi)
• 彌補(bǔ)：可以通過在應(yīng)用層引入 Sleep 機(jī)制去調(diào)用 LPOP 重試

BLPOP key [key ...] timeout：阻塞直到隊(duì)列有消息或者超時(shí)

• 缺點(diǎn)：只能供一個(gè)消費(fèi)者消費(fèi)

pub/sub：主題訂閱者模式

• 發(fā)送者（pub）發(fā)送消息，如：publish myTopic hello，表示向 myTopic 發(fā)布消息 hello
• 訂閱者（sub）接收消息，如：subscribe myTopic，表示訂閱 myTopic 的消息
• 訂閱者可以訂閱任意數(shù)量的頻道
  
  缺點(diǎn)：消息的發(fā)布是無狀態(tài)的，無法保證可達(dá)，消息還是即發(fā)即失的

---

使用 Pipeline 的好處

• Redis 提供了批量操作命令（例如 mget、mset 等），有效地節(jié)約 RTT（Round Trip Time，往返時(shí)間）。但大部分命令是不支持批量操作的，例如要執(zhí)行 n 次 hset 命令，并沒有 mhset 命令存在，需要消耗 n 次 RTT。
• Pipeline（流水線）機(jī)制能改善上面這類問題，它能將一組 Redis 命令進(jìn)行組裝，通過一次 RTT 傳輸給 Redis，再將這組 Redis 命令的執(zhí)行結(jié)果按順序返回給客戶端。

詳情請(qǐng)參考：Redis 一些超好用的功能特性

---

Redis 過期鍵的刪除策略？

• 定時(shí)刪除：超時(shí)時(shí)間到達(dá)時(shí)，刪除
• 惰性刪除：再次訪問過期數(shù)據(jù)時(shí)，刪除
• 定期刪除：每隔一定周期，刪除
• 對(duì)于定時(shí)刪除：由于數(shù)據(jù)庫可能同時(shí)接受成千上萬個(gè)用戶的訪問，那么可能有大量的 key 需要?jiǎng)h除，如果我們?yōu)槊恳粋€(gè) key 的超時(shí)時(shí)間都設(shè)置一個(gè)定時(shí)器，每次超時(shí)就進(jìn)行刪除操作，那么會(huì)導(dǎo)致系統(tǒng)性能非常低。
• 對(duì)于惰性刪除：如果一個(gè)過期 key 長期沒有被訪問，那么該 key-value 對(duì)將會(huì)一直存儲(chǔ)在數(shù)據(jù)庫中，會(huì)一直占有內(nèi)存。而 redis 又是一個(gè)基于內(nèi)存的數(shù)據(jù)庫，這樣很容易導(dǎo)致內(nèi)存被耗盡。
• 對(duì)于定期刪除 ：redis 難以確定執(zhí)行刪除操作的時(shí)長和頻率
• 因此 redis 采用惰性刪除和定期刪除相結(jié)合的方式，來刪除系統(tǒng)中的過期鍵

---

Redis 內(nèi)存淘汰機(jī)制？

• Redis v4.0 前提供 6 種數(shù)據(jù)淘汰策略：
  • volatile-lru：利用 LRU 算法移除設(shè)置過期時(shí)間的 key（LRU：最近最少使用，Least Recently Used ）
  • volatile-ttl：從已設(shè)置過期時(shí)間的數(shù)據(jù)集中挑選將要過期的數(shù)據(jù)淘汰
  • volatile-random：從已設(shè)置過期時(shí)間的數(shù)據(jù)集中任意選擇數(shù)據(jù)淘汰
  • allkeys-lru：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在鍵空間中，移除最近最少使用的 key（這個(gè)是最常用的）
  • allkeys-random：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從數(shù)據(jù)集中任意選擇數(shù)據(jù)淘汰
  • no-eviction：禁止驅(qū)逐數(shù)據(jù)，也就是說當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，新寫入操作會(huì)報(bào)錯(cuò)。
• Redis v4.0 后增加以下 2 種：
  • volatile-lfu：從已設(shè)置過期時(shí)間的數(shù)據(jù)集中挑選最不經(jīng)常使用的數(shù)據(jù)淘汰（LFU，Least Frequently Used）算法，也就是最頻繁被訪問的數(shù)據(jù)將來最有可能被訪問到。
  • allkeys-lfu：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在鍵空間中，移除最不經(jīng)常使用的 key。

---

Redis 持久化機(jī)制

詳情請(qǐng)參考：《【Redis 開發(fā)與運(yùn)維】RDB 和 AOF 數(shù)據(jù)持久化》

---

說說緩存設(shè)計(jì)中會(huì)出現(xiàn)的問題和解決方案

詳情請(qǐng)參考：《【Redis 開發(fā)與運(yùn)維】緩存設(shè)計(jì)》

---

高并發(fā)場景下，如何解決數(shù)據(jù)庫與緩存雙寫的時(shí)候數(shù)據(jù)不一致的情況？

Redis 中跳躍表 skiplist 實(shí)現(xiàn)原理

跳表（skiplist）是一個(gè)特殊的鏈表，相比一般的鏈表，有更高的查找效率，其效率可比擬于二叉查找樹。

跳表的性質(zhì)：

• 由很多層結(jié)構(gòu)組成
• 每一層都是一個(gè)有序的鏈表
• 最底層（Level 1）的鏈表包含所有元素
• 如果一個(gè)元素出現(xiàn)在 Level i 的鏈表中，則它在 Level i 之下的鏈表也都會(huì)出現(xiàn)
• 每個(gè)節(jié)點(diǎn)包含兩個(gè)指針，一個(gè)指向同一鏈表中的下一個(gè)元素，一個(gè)指向下面一層的元素。

隨機(jī)層數(shù)的設(shè)計(jì)：

• Redis 使用隨機(jī)層數(shù)，解決插入、刪除時(shí)，時(shí)間復(fù)雜度重新蛻化成 O(n) 的問題
• 它不要求上下相鄰兩層鏈表之間的節(jié)點(diǎn)個(gè)數(shù)有嚴(yán)格的對(duì)應(yīng)關(guān)系，而是為每個(gè)節(jié)點(diǎn)隨機(jī)出一個(gè)層數(shù)（level）。比如，一個(gè)節(jié)點(diǎn)隨機(jī)出的層數(shù)是 3，那么就把它鏈入到第 1 層到第 3 層這三層鏈表中。

隨機(jī)層數(shù)的計(jì)算方式：

• 執(zhí)行插入操作時(shí)計(jì)算隨機(jī)數(shù)的過程，是一個(gè)很關(guān)鍵的過程，它對(duì) skiplist 的統(tǒng)計(jì)特性有著很重要的影響。這并不是一個(gè)普通的服從均勻分布的隨機(jī)數(shù)，它的計(jì)算過程如下：
  • 首先，每個(gè)節(jié)點(diǎn)肯定都有第 1 層指針（每個(gè)節(jié)點(diǎn)都在第 1 層鏈表里）。
  • 如果一個(gè)節(jié)點(diǎn)有第 i 層（i >= 1）指針（即節(jié)點(diǎn)已經(jīng)在第 1 層到第 i 層鏈表中），那么它有第（i + 1）層指針的概率為 p。
  • 節(jié)點(diǎn)最大的層數(shù)不允許超過一個(gè)最大值，記為 MaxLevel。
• 這個(gè)計(jì)算隨機(jī)層數(shù)的偽碼如下所示：

randomLevel()level := 1// random()返回一個(gè)[0...1)的隨機(jī)數(shù)while random() < p and level < MaxLevel dolevel := level + 1return level

• randomLevel() 的偽碼中包含兩個(gè)參數(shù)，一個(gè)是 p，一個(gè)是 MaxLevel。在 Redis 的 skiplist 實(shí)現(xiàn)中，這兩個(gè)參數(shù)的取值為：

p = 1/4 MaxLevel = 32

• 所以，根據(jù)前面 randomLevel() 的偽碼，我們很容易看出，產(chǎn)生越高的節(jié)點(diǎn)層數(shù)，概率越低。
• 當(dāng) skiplist 中有 n 個(gè)節(jié)點(diǎn)的時(shí)候，它的總層數(shù)的概率均值是多少。這個(gè)問題直觀上比較好理解。根據(jù)節(jié)點(diǎn)的層數(shù)隨機(jī)算法，容易得出：
  • 第 1 層鏈表固定有 n 個(gè)節(jié)點(diǎn)；
  • 第 2 層鏈表平均有 n*p 個(gè)節(jié)點(diǎn)；
  • 第 3 層鏈表平均有 n*p*p 個(gè)節(jié)點(diǎn)；

---

Redis 為什么用 skiplist 而不用紅黑樹？

• 插入、刪除、查找以及迭代輸出有序序列這幾個(gè)操作，紅黑樹也可以完成，時(shí)間復(fù)雜度跟跳表是一樣的。但是，按照區(qū)間來查找數(shù)據(jù)這個(gè)操作，紅黑樹的效率沒有跳表高，跳表可以做到 O(logn) 的時(shí)間復(fù)雜度；
• 比起紅黑樹來說，跳表更容易代碼實(shí)現(xiàn)；
• 跳表更加靈活，它可以通過改變索引構(gòu)建策略有效平衡執(zhí)行效率和內(nèi)存消耗。

---

假如 Redis 里面有 1 億個(gè)key，其中有 10w 個(gè) key 是以某個(gè)固定的已知前綴開頭的，如何將它們?nèi)空页鰜?#xff1f;

使用 keys 指令可以掃出指定模式的 key 列表。

追問：如果這個(gè) redis 正在給線上的業(yè)務(wù)提供服務(wù)， 那使用 keys 指令會(huì)有什么問題？

keys 指令會(huì)導(dǎo)致線程阻塞一段時(shí)間， 線上服務(wù)會(huì)停頓， 直到指令執(zhí)行完畢， 服務(wù)才能恢復(fù)。

可以使用 SCAN cusor [MATCH patten] [COUNT count]，每次只返回少量元素

• 基于游標(biāo)的迭代器，需要基于上一次的游標(biāo)延續(xù)之前的迭代過程
• 以 0 作為游標(biāo)開始一次新的迭代，直到命令返回游標(biāo) 0 完成一次遍歷，記得將上次返回的游標(biāo)作為下次 SCAN 的游標(biāo)
• 不保證每次執(zhí)行都返回某個(gè)給定數(shù)量的元素，只能是大概率符合 count 參數(shù)，支持模糊查詢
• 可能會(huì)獲取到重復(fù) key 的問題，需要在客戶端進(jìn)行去重，比如用 HashSet 接收
• 如：scan 0 match k1* count 10，表示將鍵為 k1 開頭的從 0 開始的游標(biāo)數(shù) 10 個(gè)（10 個(gè)以內(nèi)，不一定是 10 個(gè)）返回

---

Redis6.0 為什么要引入多線程？

• Redis6.0 的多線程是指，將網(wǎng)絡(luò)數(shù)據(jù)讀寫和協(xié)議解析通過多線程的方式來處理，對(duì)于命令執(zhí)行來說，仍然使用單線程操作。也就是說，Redis6.0 的多線程是為了解決其網(wǎng)絡(luò) IO 的瓶頸。

---

Redis 集群方案應(yīng)該怎么做？都有哪些方案？

詳情請(qǐng)參考：《【Redis 開發(fā)與運(yùn)維】Redis Cluster 集群》

---

講一講位圖 Bitmap

詳情請(qǐng)參考：【Redis 開發(fā)與運(yùn)維】小功能大用處

---

講一講 HyperLogLog

HyperLogLog，它是 LogLog 算法的升級(jí)版，作用是能夠提供不精確的去重計(jì)數(shù)。存在以下的特點(diǎn)：

• 能夠使用極少的內(nèi)存來統(tǒng)計(jì)巨量的數(shù)據(jù)，在 Redis 中實(shí)現(xiàn)的 HyperLogLog，只需要 12K 內(nèi)存就能統(tǒng)計(jì) 2^64 個(gè)數(shù)據(jù)
• 計(jì)數(shù)存在一定的誤差，誤差率整體較低，標(biāo)準(zhǔn)誤差為 0.81%
• 誤差可以被設(shè)置輔助計(jì)算因子進(jìn)行降低

為什么用 HyperLogLog，例如以下場景：

統(tǒng)計(jì) APP 或網(wǎng)頁的一個(gè)頁面，每天有多少用戶點(diǎn)擊進(jìn)入的次數(shù)，同一個(gè)用戶的反復(fù)點(diǎn)擊進(jìn)入記為 1 次。

這種場景用 HashMap 這種數(shù)據(jù)結(jié)構(gòu)也可以，但是假設(shè) APP 中日活用戶達(dá)到百萬或千萬以上級(jí)別的話，采用 HashMap 的做法就會(huì)導(dǎo)致程序中占用大量的內(nèi)存。

---

Redis 單線程如何處理那么多的并發(fā)客戶端連接？

因?yàn)?Redis 的線程模型：基于非阻塞的 IO 多路復(fù)用機(jī)制。多路指的是多個(gè) Socket 連接，復(fù)用指的是復(fù)用一個(gè)線程。

Redis 采用 IO 多路復(fù)用機(jī)制同時(shí)監(jiān)聽多個(gè) Socket，多個(gè) Socket 會(huì)產(chǎn)生不同的事件，不同的事件對(duì)應(yīng)著不同的操作，當(dāng)這些 Socket 產(chǎn)生了事件，IO 多路復(fù)用程序會(huì)將這些事件放到一個(gè)隊(duì)列中，通過這個(gè)隊(duì)列，以有序、同步、每次一個(gè)事件的方式向文件時(shí)間分派器中傳送。當(dāng)事件處理器處理完一個(gè)事件后，IO 多路復(fù)用程序才會(huì)繼續(xù)向文件分派器傳送下一個(gè)事件。

---

布隆過濾器的原理

首先需要 k 個(gè) hash 函數(shù)，每個(gè)函數(shù)可以把 key 散列成為 1 個(gè)整數(shù)；

初始化時(shí)，需要一個(gè)長度為 n 比特的數(shù)組，每個(gè)比特位初始化為 0；

某個(gè) key 加入集合時(shí)，用 k 個(gè) hash 函數(shù)計(jì)算出 k 個(gè)散列值，并把數(shù)組中對(duì)應(yīng)的比特位置為 1；

判斷某個(gè) key 是否在集合時(shí)，用 k 個(gè) hash 函數(shù)計(jì)算出 k 個(gè)散列值，并查詢數(shù)組中對(duì)應(yīng)的比特位，如果所有的比特位都是 1，則命中，但不一定在集合中，如果存在比特位為 0，則未命中，一定不在集合中。

優(yōu)點(diǎn)：不需要存儲(chǔ) key，節(jié)省空間

缺點(diǎn)：

• 算法判斷 key 在集合中時(shí)，有一定的概率 key 其實(shí)不在集合中
• 無法刪除

慢查詢場景有哪些？

• 使用 O(n) 復(fù)雜度的命令，比如 keys *
• 大對(duì)象的查詢也有可能造成慢查詢
• 關(guān)于阻塞的原因，請(qǐng)參考：Redis 的噩夢(mèng)：阻塞

如何保證 redis/mysql 的一致性？

---

巨人的肩膀：https://github.com/cosen1024/Java-Interview/blob/main/Redis/Redis.md

總結(jié)

以上是生活随笔為你收集整理的【Redis 开发与运维】总结篇的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。