金三银四求职季，我特地为大家汇总了涵盖Java基础、线程、并发编程及JVM等核心领域的面试题集，希望能为正在准备或即将参与面试的小伙伴们提供些许帮助。
以下是本文精心挑选的15道Redis面试题。
1、为什么要使用Redis做缓存？
主要是Redis的功能强大。
相较于其他缓存产品，Redis主要具备以下几个优势：
- 数据结构丰富：Redis支持多种数据类型，包括字符串、哈希、列表、集合、有序集合等。而像其他缓存产品，比如Memcached，只支持简单的key-value数据结构。
- 持久化和可靠性：虽然作为一个缓存产品，Redis为防止数据丢失也支持将数据持久化到磁盘。相比之下，Memcache不支持持久化，
- 数据淘汰：Redis提供了丰富的数据淘汰策略和过期时间设置，开发者可以更加灵活地管理缓存数据。而Memcache在这方面的支持相对有限。
- 实现其他功能：借助Redis可以实现消息队列、分布式锁、布隆过滤器等其他功能。
- 分布式与集群：Redis的分布式部署和集群功能可以方便地构建大规模、高可用的缓存集群。而Memcache需要通过一些手段去实现。
最近我给大家准备了一个关注领红包福利，欢迎大家加入我的技术交流群，一起抱团学习。一人走得更快，但是一群人才能走得更远。
2、为什么Redis单线程模型效率也能那么高？
首先，Redis使用了高度优化的数据结构和算法，比如跳跃表、压缩列表，在访问速度上进行了优化提升了性能。
其次，单线程避免了多线程中常见的上下文切换问题，减少了资源开销，专注干活。
另外，Redis使用了事件驱动的非阻塞IO机制，这意味着Redis能够在等待数据IO时不会阻塞主线程。（主线程负责执行命令）
3、Redis常见数据结构以及使用场景?
以下是Redis的五种主要数据结构及其使用场景：
- 字符串（String）：
- 使用场景：存储简单的键值对，如缓存数据、计数器、分布式锁等。
- 案例：缓存用户信息，如
SET user:1001 "{ 'id': 1001, 'name': 'John Doe', 'age': 30 }"。
- 哈希（Hash）：
- 使用场景：存储对象，每个对象都有多个字段，适合存储结构化数据。
- 案例：存储用户信息，如
HSET user:1001 id 1001，HSET user:1001 name "John Doe"，HSET user:1001 age 30。
- 列表（List）：
- 使用场景：适合存储有序集合，常用于实现队列、栈等结构。
- 应用场景：例如，使用列表实现消息队列，用于存储待处理的消息。
- 集合（Set）：
- 使用场景：无序集合，可以用于实现交集、并集、差集等操作，常用于去重场景。
- 案例：存储用户关注的话题标签，利用集合的自动去重特性，避免重复存储。
- 有序集合（Zset）：
- 使用场景：与集合类似，但元素是有序的，通过分数进行排序，可以用于实现排行榜等功能。
- 案例：存储游戏玩家的分数排行榜，根据分数高低进行排序。
- HyperLogLog：
- 使用场景：HyperLogLog主要用于进行大规模数据去重或数据集基数估计。
- 案例：使用HyperLogLog满足UV统计的需求，同时可以节约存储空间。
- Geo：
- 使用场景：Geo是Redis中用于地理位置相关的功能的数据结构。
- 案例：实现附近的人或者地点功能，如找到附近的餐厅、酒店、商店等。
- BloomFilter：
- 使用场景：不需要存储数据本身的情况下，判断一个元素是否存在于某个集合中。
- 案例：使用BloomFilter解决缓存穿透问题。
4、Redis的数据结构是如何组织的?
为了实现从键到值的快速访问，Redis 使用了一个全局哈希表来保存所有键值对。
哈希表的最大好处很明显，可以用 O(1) 的时间复杂度来快速查找到键值对。
5、pipeline有什么好处，为什么要用 pipeline？
Redis客户端执行一条命令需要4个步骤：
- 发送命令
- 命令排队
- 命令执行
- 返回结果。
其中1和4花费的时间称为Round Trip Time (RTT,往返时间)，也就是数据在网络上传输的时间，占用了绝大多的时间。所以才会有Redis性能瓶颈是网络这样的说法。
Pipeline机制能改善上面这类问题。在有需要的时候，客户端可以通过Pipeline一次性发送一组Redis命令，随后Redis再将这组命令的执行结果按顺序返回给客户端。这种方式可以减少网络上传输的时间，从而提高性能。
非Pipeline和Pipeline执行10000次set操作的效果，在执行时间上的比对如下
6、Redis官方为什么不提供 Windows版本？
相比于Windows，Linux/Unix系统在稳定性、并发性上有一定优势，更适合Redis这种高性能数据库系统。提供Windows版本会消耗较多的资源。
7、Redis 持久化方式有哪些？有什么区别？
Redis 提供两种持久化机制 RDB （Redis DataBase）和 AOF（Append-Only File）。
- RDB 是 Redis 默认的持久化方式。会在某个时间点将内存中的数据以二进制格式写入到磁盘的 RDB 文件中。
- AOF 是将 Redis 的所有写操作（如 set、del 等）以日志的形式追加到文件中。
两者的优缺点也显而易见。
由于RDB是定时快照，所以当意外宕机后，就会丢失最后一次持久化之后的数据。而AOF以日志的形式追加到文件中，只会丢失最后一次的写操作数据，AOF数据安全性较高。也正是因为AOF会把所有的写操作记录下来，所以在重启恢复数据时会执行所有的写操作，数据恢复速度比RDB慢。
8、什么是Redis事务？原理是什么？
Redis 中的事务是一组命令的集合，将一组需要一起执行的命令放到multi和exec两个命令之间。multi 命令代表事务开始，exec命令代表事务结束。它可以保证一次执行多个命令，每个事务是一个单独的隔离操作，事务中的所有命令都会序列化、按顺序地执行。
但是要注意Redis的事务功能很弱。在事务回滚机制上，Redis只能对基本的语法错误进行判断。
当语法命令错误时，会造成整个事务无法执行，事务内的操作都没有执行。
而当命令错误时，虽然有异常提示，但是事务会执行成功。
9、Redis6.0为什么要引入多线程？
Redis 6.0引入多线程的主要原因是为了解决网络IO的性能瓶颈。
传统的单线程模型在处理大量网络请求时，只能串行处理，无法充分利用多核CPU的性能。所以，Redis 6.0引入了多线程，分别是主线程和IO线程。
主线程负责接收这些连接请求并分发给IO线程，IO线程负责读取和解析请求数据，随后将解析出的命令传递给主线程，由主线程负责执行这些命令。
所以，引入多线程主要是为了并行处理网络IO，命令执行仍然是单线程的。
10、如何在100个亿URL中快速判断某URL是否存在？
这个问题可以移步至《面试官：如何在海量数据中快速检测某个数据》
11、什么是渐进式rehash？
渐进式rehash是Redis中一种用于对hash表进行扩容和缩容的操作方法。
通常在对hash表进行扩容时，需要一下几个步骤：
- 创建一个新的hash表，大小通常是原始hash表的两倍。
- 将原始hash表中的数据迁移到新hash表中。
这中间会存在一个问题：如果要一次性把哈希表中的数据都迁移完，会造成 Redis 线程阻塞（在迁移期间要保证数据一致性，所以写操作会阻塞）。
为了避免阻塞，Redis在扩容时是这样操作的：
- 创建一个新的hash表，大小通常是原始hash表的两倍。
- 每次迁移一个槽位的数据。
- 新写入的数据直接存储在新hash表中。
这样的话，就避免了一次性、集中式地完成rehash动作导致的长时间阻塞，影响用户体验。而在此期间，客户端访问数据时，会同时在两个hash表中查找数据，不会存在因迁移而导致数据不一致问题。
12、Redis有哪些的过期策略?
Redis的过期策略主要包括以下几种：
- 立即删除：当键的过期时间到达时，Redis会立即删除该键。但是，如果同一时间有大量键过期，可能会导致Redis线程过于繁忙，从而影响读写指令的处理速度。
- 惰性删除：当客户端访问一个已经过期的键时，Redis才会删除该键。如果过期键一直不被访问，那么这些键就会一直占用内存。
- 定期删除：Redis定时检查数据库中的过期键，通过随机抽样的方式来删除过期键。平衡立即删除和惰性删除带来的CPU资源或内存空间问题。
13、Redis有哪些的淘汰策略?
Redis的淘汰策略主要有以下几种：
- LRU（Least Recently Used）算法：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的键。
- LFU（Least Frequently Used）算法：当内存不足以容纳新写入数据时，在键空间中，移除最不常用的键。
- FIFO（First In First Out）算法：最早放入缓存的数据最先被删除。
- Random算法：随机移除某个键。
当涉及到设置了过期时间的键时，还有以下策略：
- volatile-lru：从设置了过期时间的键中选择最近最少使用的键淘汰。
- volatile-lfu：从设置了过期时间的键中选择最不常用的键淘汰。
- volatile-random：从设置了过期时间的键中随机选择键淘汰。
- volatile-ttl：从设置了过期时间的键中选择离过期时间最近的键淘汰。
14、什么是BigKey？
BigKey是指在Redis中，某个key对应的value所占用的内存空间非常大。
如果value是字符串类型，最大可以达到512MB的存储空间。如果value是列表类型，最多可以存储2^32 - 1个元素。一般来说，超过10KB的value就可以被认为是字符串类型的BigKey。
BigKey带来的问题就是：操作BigKey比较耗时，可能导致Redis发生阻塞，从而降低Redis性能。在并发场景下，还会带来网络堵塞问题。
假设一个bigkey为1MB，每秒访问量为1000，每秒就会产生1000MB 的流量。对于普通的服务器来说简直是灭顶之灾。
15、什么是缓存击穿、缓存穿透、缓存雪崩？
这个问题可以移步至《面试官：你知道缓存击穿、缓存穿透、缓存雪崩吗？》
如果觉得这篇文章写的不错的话，不妨点赞加关注，我会更新更多技术干货、项目教学、经验分享的文章。