Redis高频面试题汇总：从基础到高级全覆盖

魁首哥

作者

一、基础概念篇

1.1 Redis核心定义与特性

Redis（Remote Dictionary Server） 是一个开源的、基于内存的高性能键值存储系统，支持多种数据结构（字符串、哈希、列表、集合、有序集合等），具备持久化、高可用、分布式扩展等特性。其核心优势体现在：

极致性能：单线程模型结合内存存储，读写速度达11万次/秒（读）和8万次/秒（写），远超传统磁盘数据库。
丰富数据结构：支持五种基础数据结构及高级模块（如HyperLogLog、Geo、BloomFilter），满足多样化业务场景。
持久化机制：通过RDB快照和AOF日志实现数据持久化，保障故障恢复能力。
高可用架构：主从复制、哨兵模式和集群模式支持自动故障转移，确保服务连续性。

1.2 Redis与Memcached的核心区别

对比维度	Redis	Memcached
数据结构	支持复杂类型（哈希、列表等）	仅支持简单键值对
持久化	支持RDB/AOF持久化	无持久化能力
线程模型	单线程（Redis 6.0前）	多线程
集群支持	原生支持集群模式	需依赖客户端实现分片
内存管理	支持数据过期淘汰和LRU策略	仅支持LRU淘汰
适用场景	缓存、消息队列、分布式锁等	简单缓存场景

典型面试题：
Q：为什么Redis选择单线程模型仍能保持高性能？
A：

内存操作：所有数据存储在内存中，避免磁盘I/O延迟。
IO多路复用：基于epoll/kqueue实现非阻塞网络IO，单线程高效处理大量连接。
避免锁竞争：单线程消除多线程切换和锁开销，保证原子性操作。
高效数据结构：哈希表、跳表等设计使操作时间复杂度为O(1)或O(logN)。

二、数据结构与高级特性

2.1 五大核心数据结构详解

字符串（String）

场景：缓存用户信息、计数器、分布式锁。

示例：

SETuser:1001"{\"name\":\"Alice\",\"age\":25}"EX3600#存储JSON对象并设置过期时间
INCRviews:page1#原子递增计数器

哈希（Hash）

场景：存储对象属性（如用户信息、商品详情）。
优势：避免序列化开销，支持字段级操作。

示例：

HSETproduct:100"price"99.9"stock"100#存储商品价格和库存
HINCRBYproduct:100"stock"-1#减少库存

列表（List）

场景：消息队列、最新消息排序、分页查询。

操作：

LPUSHmessages"msg1""msg2"#从左侧插入消息
BRPOPmessages0#阻塞式从右侧弹出消息（超时时间0表示无限等待）

集合（Set）

场景：标签系统、共同关注、去重。

运算：

SADDtags:article1"tech""redis"#添加标签
SINTERtags:article1tags:article2#获取两篇文章的共同标签

有序集合（Sorted Set）

场景：排行榜、优先级队列、范围查询。

示例：

ZADDleaderboard1000"Alice"950"Bob"#添加分数和用户
ZREVRANGEleaderboard02WITHSCORES#获取前三名（降序）

2.2 高级特性与模块

HyperLogLog

用途：基数统计（如UV计算），仅需12KB内存即可估算2^64个元素的基数。

示例：

PFADDuv:20250811"user1""user2""user3"#添加用户
PFCOUNTuv:20250811#获取独立用户数

Geo

用途：地理位置存储与查询（如附近的人、外卖配送范围）。

示例：

GEOADDlocations116.40439.915"Beijing"#添加经纬度坐标
GEORADIUSlocations116.40439.91510km#查询10公里内的地点

Redis Stream

用途：消息队列（支持消费者组、消息回溯）。

示例：

XADDorders*item"book"quantity2#添加消息
XREADGROUPGROUPgroup1consumer1COUNT1STREAMSorders>#消费者组读取消息

三、持久化与高可用

3.1 持久化机制对比

机制	RDB（快照）	AOF（日志）
原理	定期生成内存数据二进制快照	记录所有写操作命令
优点	文件紧凑、恢复速度快	数据安全性高、支持秒级持久化
缺点	可能丢失最后一次快照后的数据	文件体积大、恢复速度慢
适用场景	对性能要求高，容忍少量数据丢失	对数据安全性要求高

混合持久化（Redis 4.0+）：结合RDB和AOF优势，生成RDB格式的全量数据+AOF格式的增量日志，平衡恢复速度与数据安全性。

3.2 高可用架构设计

主从复制（Master-Slave）

原理：主节点处理写操作，异步同步到从节点；从节点仅处理读操作。

配置：

SLAVEOF192.168.1.1006379#将当前节点设为从节点

哨兵模式（Sentinel）

功能：监控主从节点健康状态，自动故障转移。
工作流程：

哨兵集群定期检查主节点存活状态。
主节点故障时，通过Raft算法选举新的主节点。
更新从节点配置，指向新主节点。

集群模式（Cluster）

分片机制：使用哈希槽（16384个槽）分配数据，每个节点负责部分槽位。
扩容：通过CLUSTER MEET命令添加新节点，使用CLUSTER ADDSLOTS重新分配槽位。
故障处理：当多数主节点无法联系时，集群进入不可用状态。

四、性能优化与故障排查

4.1 常见性能问题与解决方案

大Key问题

现象：单个Key存储数据量过大（如百万级元素的列表），导致读写延迟高、内存不均。
解决方案：

拆分：将大Key拆分为多个小Key（如user:1001:orders:1、user:1001:orders:2）。
压缩：使用ZSTD等压缩算法存储数据。
异步加载：分页查询大列表，避免一次性加载全部数据。

热点Key问题

现象：某些Key被高频访问，导致单节点负载过高。
解决方案：

本地缓存：在应用层使用Guava Cache缓存热点数据。
多级缓存：结合Redis和本地缓存，减少对Redis的直接访问。
读写分离：主节点写，从节点读，分散读压力。

慢查询问题

现象：执行时间超过阈值的命令阻塞Redis。

排查工具：

SLOWLOGGET10#获取最近10条慢查询日志

优化策略：

避免使用KEYS命令，改用SCAN渐进式遍历。
优化复杂命令（如SORT、SUNION），拆分为多个简单命令。

4.2 内存淘汰策略

策略	描述
`noeviction`	默认策略，内存满时禁止写入，返回错误。
`volatile-lru`	从设置了过期时间的键中淘汰最近最少使用（LRU）的键。
`allkeys-random`	从所有键中随机淘汰。
`volatile-ttl`	优先淘汰剩余生存时间（TTL）最短的键。

配置示例：

CONFIGSETmaxmemory-policyvolatile-lru#设置内存淘汰策略

五、分布式与实战场景

5.1 分布式锁实现

基于SETNX的简单实现

SETlock:order123"1"NXEX10#原子操作：仅当key不存在时设置，并设置10秒过期时间

问题：未处理锁续期和误删问题。

Redisson改进方案

看门狗机制：自动续期锁，防止业务未执行完锁过期。
Lua脚本释放锁：保证原子性，避免误删其他客户端的锁。

代码示例：

RLocklock=redisson.getLock("orderLock");
lock.lock(30,TimeUnit.SECONDS);//自动续期
try{
//业务逻辑
}finally{
lock.unlock();
}

5.2 缓存一致性策略

Cache Aside Pattern（旁路缓存）

读流程：先查缓存，未命中则查数据库，写入缓存。
写流程：先更新数据库，再删除缓存（而非更新缓存，避免复杂一致性维护）。

问题：并发场景下可能存在缓存不一致（如线程A更新数据库但未删缓存时，线程B读取旧数据并写入缓存）。

延迟双删策略

publicvoidupdateData(Datadata){
redis.del(data.getId());//第一次删除缓存
db.update(data);//更新数据库
Thread.sleep(1000);//延时1秒
redis.del(data.getId());//第二次删除缓存
}

原理：通过延时删除覆盖可能存在的脏数据写入。