java基础笔试面试题以及答案，一线互联网公司面经总结

正文

在实际的工作项目中&＃xff0c; 缓存成为高并发、高性能架构的关键组件 &＃xff0c;那么Redis为什么可以作为缓存使用呢&＃xff1f;首先可以作为缓存的两个主要特征&＃xff1a;

• 在分层系统中处于内存/CPU具有访问性能良好&＃xff0c;
• 缓存数据饱和&＃xff0c;有良好的数据淘汰机制

由于Redis 天然就具有这两个特征&＃xff0c;Redis基于内存操作的&＃xff0c;且其具有完善的数据淘汰机制&＃xff0c;十分适合作为缓存组件。

其中&＃xff0c;基于内存操作&＃xff0c;容量可以为32-96GB&＃xff0c;且操作时间平均为100ns&＃xff0c;操作效率高。而且数据淘汰机制众多&＃xff0c;在Redis 4.0 后就有8种了促使Redis作为缓存可以适用很多场景。

那Redis缓存为什么需要数据淘汰机制呢&＃xff1f;有哪8种数据淘汰机制呢&＃xff1f;

数据淘汰机制

Redis缓存基于内存实现的&＃xff0c;则其缓存其容量是有限的&＃xff0c;当出现缓存被写满的情况&＃xff0c;那么这时Redis该如何处理呢&＃xff1f;

Redis对于缓存被写满的情况&＃xff0c;Redis就需要缓存数据淘汰机制&＃xff0c;通过一定淘汰规则将一些数据刷选出来删除&＃xff0c;让缓存服务可再使用。那么Redis使用哪些淘汰策略进行刷选删除数据&＃xff1f;

在Redis 4.0 之后&＃xff0c;Redis 缓存淘汰策略6&＃43;2种&＃xff0c;包括分成三大类&＃xff1a;

• 不淘汰数据

  • noeviction &＃xff0c;不进行数据淘汰&＃xff0c;当缓存被写满后&＃xff0c;Redis不提供服务直接返回错误。

• 在设置过期时间的键值对中&＃xff0c;

  • volatile-random &＃xff0c;在设置过期时间的键值对中随机删除
  • volatile-ttl &＃xff0c;在设置过期时间的键值对&＃xff0c;基于过期时间的先后进行删除&＃xff0c;越早过期的越先被删除。
  • volatile-lru &＃xff0c; 基于LRU(Least Recently Used) 算法筛选设置了过期时间的键值对&＃xff0c; 最近最少使用的原则来筛选数据
  • volatile-lfu &＃xff0c;使用 LFU( Least Frequently Used ) 算法选择设置了过期时间的键值对, 使用频率最少的键值对,来筛选数据。

• 在所有的键值对中&＃xff0c;

  • allkeys-random&＃xff0c; 从所有键值对中随机选择并删除数据
  • allkeys-lru&＃xff0c; 使用 LRU 算法在所有数据中进行筛选
  • allkeys-lfu&＃xff0c; 使用 LFU 算法在所有数据中进行筛选

Note: LRU( 最近最少使用&＃xff0c;Least Recently Used)算法&＃xff0c; LRU维护一个双向链表 &＃xff0c;链表的头和尾分别表示 MRU 端和 LRU 端&＃xff0c;分别代表最近最常使用的数据和最近最不常用的数据。

LRU 算法在实际实现时&＃xff0c;需要用链表管理所有的缓存数据&＃xff0c;这会带来额外的空间开销。而且&＃xff0c;当有数据被访问时&＃xff0c;需要在链表上把该数据移动到 MRU 端&＃xff0c;如果有大量数据被访问&＃xff0c;就会带来很多链表移动操作&＃xff0c;会很耗时&＃xff0c;进而会降低 Redis 缓存性能。

其中&＃xff0c;LRU和LFU 基于Redis的对象结构redisObject的lru和refcount属性实现的:

typedef struct redisObject {unsigned type:4;unsigned encoding:4;// 对象最后一次被访问的时间unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or* LFU data (least significant 8 bits frequency// 引用计数 * and most significant 16 bits access time). */int refcount;void *ptr;
} robj;


Redis的LRU会使用redisObject的lru记录最近一次被访问的时间&＃xff0c;随机选取参数maxmemory-samples 配置的数量作为候选集合&＃xff0c;在其中选择 lru 属性值最小的数据淘汰出去。

在实际项目中&＃xff0c;那么该如何选择数据淘汰机制呢&＃xff1f;

• 优先选择 allkeys-lru算法&＃xff0c;将最近最常访问的数据留在缓存中&＃xff0c;提升应用的访问性能。
• 有顶置数据使用 volatile-lru算法 ,顶置数据不设置缓存过期时间&＃xff0c;其他数据设置过期时间&＃xff0c;基于LRU 规则进行筛选 。

在理解了Redis缓存淘汰机制后&＃xff0c;来看看Redis作为缓存其有多少种模式呢&＃xff1f;

Redis缓存模式

Redis缓存模式基于是否接收写请求&＃xff0c;可以分成只读缓存和读写缓存&＃xff1a;

只读缓存&＃xff1a;只处理读操作&＃xff0c;所有的更新操作都在数据库中&＃xff0c;这样数据不会有丢失的风险。

• Cache Aside模式

读写缓存&＃xff0c;读写操作都在缓存中执行&＃xff0c;出现宕机故障&＃xff0c;会导致数据丢失。缓存回写数据到数据库有分成两种同步和异步&＃xff1a;

• 同步&＃xff1a;访问性能偏低&＃xff0c;其更加侧重于保证数据可靠性

  • Read-Throug模式
  • Write-Through模式

• 异步&＃xff1a;有数据丢失风险&＃xff0c;其侧重于提供低延迟访问

  • Write-Behind模式

Cache Aside模式

查询数据先从缓存读取数据&＃xff0c;如果缓存中不存在&＃xff0c;则再到数据库中读取数据&＃xff0c;获取到数据之后更新到缓存Cache中&＃xff0c;但更新数据操作&＃xff0c;会先去更新数据库种的数据&＃xff0c;然后将缓存种的数据失效。

而且Cache Aside模式会存在并发风险&＃xff1a;执行读操作未命中缓存&＃xff0c;然后查询数据库中取数据&＃xff0c;数据已经查询到还没放入缓存&＃xff0c;同时一个更新写操作让缓存失效&＃xff0c;然后读操作再把查询到数据加载缓存&＃xff0c;导致缓存的脏数据。

Read/Write-Throug模式

查询数据和更新数据都直接访问缓存服务&＃xff0c;缓存服务同步方式地将数据更新到数据库。出现脏数据的概率较低&＃xff0c;但是就强依赖缓存&＃xff0c;对缓存服务的稳定性有较大要求&＃xff0c;但同步更新会导致其性能不好。

Write Behind模式

查询数据和更新数据都直接访问缓存服务&＃xff0c;但缓存服务使用异步方式地将数据更新到数据库&＃xff08;通过异步任务&＃xff09; 速度快&＃xff0c;效率会非常高&＃xff0c;但是数据的一致性比较差&＃xff0c;还可能会有数据的丢失情况&＃xff0c;实现逻辑也较为复杂。

在实际项目开发中根据实际的业务场景需求来进行选择缓存模式。那了解上述后&＃xff0c;我们的应用中为什么需要使用到redis缓存呢&＃xff1f;

在应用使用Redis缓存可以提高系统性能和并发&＃xff0c;主要体现在

• 高性能&＃xff1a;基于内存查询&＃xff0c;KV结构&＃xff0c;简单逻辑运算
• 高并发&＃xff1a; Mysql 每秒只能支持2000左右的请求&＃xff0c;Redis轻松每秒1W以上。让80%以上查询走缓存&＃xff0c;20%以下查询走数据库&＃xff0c;能让系统吞吐量有很大的提高

虽然使用Redis缓存可以大大提升系统的性能&＃xff0c;但是使用了缓存&＃xff0c;会出现一些问题&＃xff0c;比如&＃xff0c;缓存与数据库双向不一致、缓存雪崩等&＃xff0c;对于出现的这些问题该怎么解决呢&＃xff1f;

使用缓存常见的问题

使用了缓存&＃xff0c;会出现一些问题&＃xff0c;主要体现在&＃xff1a;

• 缓存与数据库双写不一致
• 缓存雪崩: Redis 缓存无法处理大量的应用请求&＃xff0c;转移到数据库层导致数据库层的压力激增;
• 缓存穿透&＃xff1a;访问数据不存在在Redis缓存中和数据库中&＃xff0c;导致大量访问穿透缓存直接转移到数据库导致数据库层的压力激增;
• 缓存击穿&＃xff1a;缓存无法处理高频热点数据&＃xff0c;导致直接高频访问数据库导致数据库层的压力激增;

缓存与数据库数据不一致

只读缓存(Cache Aside模式)

对于只读缓存(Cache Aside模式)&＃xff0c; 读操作都发生在缓存中&＃xff0c;数据不一致只会发生在删改操作上&＃xff08;新增操作不会&＃xff0c;因为新增只会在数据库处理&＃xff09;&＃xff0c;当发生删改操作时&＃xff0c;缓存将数据中标志为无效和更新数据库 。因此在更新数据库和删除缓存值的过程中&＃xff0c;无论这两个操作的执行顺序谁先谁后&＃xff0c;只要有一个操作失败了就会出现数据不一致的情况。

最后

针对最近很多人都在面试&＃xff0c;我这边也整理了相当多的面试专题资料&＃xff0c;也有其他大厂的面经。希望可以帮助到大家。

最新整理面试题

上述的面试题答案都整理成文档笔记。
也还整理了一些面试资料&最新2021收集的一些大厂的面试真题&＃xff0c;有需要的可以点击这里&＃xff0c;免费获取

最新整理电子书

最新整理大厂面试文档

tee.com/vip204888/java-p7)**

最新整理电子书

[外链图片转存中…(img-CROV2QgS-1625929071687)]

最新整理大厂面试文档

[外链图片转存中…(img-yCOwnxvq-1625929071689)]

以上就是本文的全部内容&＃xff0c;希望对大家的学习有所帮助&＃xff0c;也希望大家多多支持。