一般分为两种：缓存和分布式锁。

缓存包含：穿透、击穿、雪崩、双写一致、持久化、数据过期、淘汰策略

分布式锁包含：setnx、redisson

一、缓存穿透

缓存穿透概念：查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库，这种情况下，数据库需要处理这个请求，并返回结果。如果请求频繁，数据库的负载就会增加，甚至可能导致数据库崩溃。

解决方案一：缓存空数据

缓存空数据， 查询返回的数据为空，仍把这个空结果进行缓存

优点：简单

缺点：消耗内存，可能会发生不一致得问题（如果数据库中有值了，但redis中没有就会不一致）

解决方案二：布隆过滤器

布隆过滤器:在我们进行缓存预热的时候，需要给布隆过滤器中添加数据，若有请求时，先请求布隆过滤器，判断请求得id或其他 是否存在，若存在去查redis，若不存在直接返回不存在。

bitmap(位图)：相当于是一个以bit位 为单位得数组，数组中每个单元只能存储二进制数0或1

布隆过滤器作用：可以用于检索一个元素是否在一个集合中

优点：内存占用较少，没有多余得key

缺点：实现复杂，也可能存在误判

缓存穿透原因：

1.缓存未命中：当请求的数据不存在于缓存中时，缓存系统无法提供响应，导致请求直接访问数据库。
2.缓存失效：缓存中的数据过期或被清除，导致后续请求无法命中缓存，直接访问数据库。
3.缓存雪崩：大量缓存同时失效，导致请求全部访问数据库，形成缓存穿透。

缓存穿透影响：

1.增加数据库压力：缓存穿透会导致数据库访问量激增，增加数据库负载，甚至可能导致数据库崩溃。
2.降低系统性能：频繁的数据库访问会导致系统响应时间延长，降低系统性能。
3.增加运维成本：缓存穿透需要额外的数据库维护和优化，增加运维成本。

缓存穿透预防措施：

1. 限制查询频率：对查询操作进行频率限制，避免恶意攻击。

2. 使用缓存预热：在系统启动时，将热点数据加载到缓存中，减少查询数据库的次数。

缓存穿透的检测方法：

监控数据库访问量：通过监控数据库访问量，发现异常情况。

分析日志：分析系统日志，发现缓存穿透的请求。

缓存穿透的优化策略：

使用分布式缓存：将缓存部署在多个节点上，提高缓存系统的可用性和性能。

使用缓存集群：将缓存集群部署在多个服务器上，提高缓存系统的扩展性和性能。

面试题：

面试官:什么是缓存穿透?怎么解决?
缓存穿透是指查询一个一定不存在的数据。如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到DB去查询，可能导致DB挂掉。这种情况大概率是遭到了攻击。
解决方案的话，我们通常都会用布隆过滤器来解决它
面试官:你能介绍一下布隆过滤器吗?
是这样~
布隆过滤器主要是用于检索一个元素是否在一个集合中。我们当时使用的是redisson实现的布隆过滤
它的底层主要是先去初始化一个比较大数组，里面存放的二进制0或1。在一开始都是0，当一个key来了之后经过3次hash计算，模于数组长度找到数据的下标然后把数组中原来的0改为1，这样的话，三个数组的位置就能标明一个key的存在。查找的过程也是一样的。
当然是有缺点的，布隆过滤器有可能会产生一定的误判。我们一般可以设置这个误判率，大概不会超过5%，其实这个误判是必然存在的，要不就得增加数组的长度，其实已经算是很划分了，5%以内的误判率一般项目也能接受，不至于高并发下压倒数据库。

二、缓存击穿

缓存击穿概念：给某一个key设置了过期时间，当key过期的时候，恰好这时间点对这个key有大量得并发请求过来，这些并发请求会瞬间把数据库DB压垮。

解决方案一：互斥锁(能保证数据的强一致性，性能差)

解决方案二：逻辑过期(有限保证高可用，性能优，不能保证数据绝对一致)

面试问题：

面试官:什么是缓存击穿?怎么解决?
候选人:
        缓存击穿的意思是对于设置了过期时间的key，缓存在某个时间点过期的时候，恰好这时间点对这个Key有大量的并发请求过来。这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把DB压垮。
解决方案有两种方式:
第一可以使用互斥锁:当缓存失效时，不立即去load db，先使用如Redis 的setnx去设置一个互斥锁.当操作成功返回时再进行loaddb的操作并回设缓存，否则重试get缓存的方法
第二种方案可以设置当前key逻辑过期。大概是思路如下:
1.在设置key的时候，设置一个过期时间字段一块存入缓存中，不给当前key设置过期时间
2.当查询的时候。从redis取出数据后判断时间是否过期
3.如果过期则开通另外一个线程进行数据同步，当前线程正常返回数据，这个数据不是最新
当然两种方案各有利弊:
如果选择数据的强一致性。建议使用分布式锁的方案，性能上可能没那么高，锁需要等，也有可能产生死锁的问题。
如果选择key的逻辑删除，则优先考虑的高可用性，性能比较高，但是数据同步这块做不到强一致。

三、缓存雪崩

缓存雪崩概念：是指在同一时段大量的缓存key同时失效或者redis服务宕机，导致大量请求到达数据库，带来巨大压力

解决方案：

1.给不同的key的TTL添加随机值

2.利用redis集群提高服务的可用性  哨兵模式、集群模式 （redis宕机方案）

3.给缓存业务添加降级限流策略   nginx或spring cloud   gateway （降级策略可作为系统的保底策略，适用于穿透、击穿、雪崩）

4.给业务添加多级缓存  Guava或Caffeine

面试问题：

面试官:什么是缓存雪崩?怎么解决?
候选人:
缓存雪崩意思是设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重雪崩。与缓存击穿的区别:雪崩是很多key，击穿是某一个key缓存。
解决方案主要是可以将缓存失效时间分散开，比如可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

方便记忆的打油诗：

《缓存三兄弟》

穿透无中生有key，布隆过滤nul隔离。

缓存击穿过期key，锁与非期解难题。

雪崩大量过期key，过期时间要随机。

面试必考三兄弟，可用限流来保底。

四、缓存双写一致性（redis作为缓存，mysql的数据如何与redis进行同步呢）

双写一致性概念： 当修改了数据库的数据也要同时更新缓存的数据，缓存和数据可的数据要保持一致

如果需要实时的进行数据同步，为了保证数据的情义值性，采用redisson提供的读写锁来保证数据的同步

如果实时要求性并没有那么高，可以用异步的方案同步数据

为了保证强一致性使用读写操作：

读操作（读数据操作）：缓存命中，直接返回；缓存未命中查询数据库，写入缓存，设定超时时间

写操作（写数据操作）：延迟双删

异步通知保证数据的最终一致性：

面试问题：

面试官:redis做为缓存，mysql的数据如何与redis进行同步呢?(双写一致性)
候选人:嗯!就说我最近做的这个项目，里面有xxx(根据自己的简历上写)的功能，需要让数据库与redis高度保持一致，因为要求时效性比较高，我们当时采用的读写锁保证的强一致性。
我们采用的是redisson实现的读写锁，在读的时候添加共享锁，可以保证读读不互斥，读写互斥。当我们更新数据的时候，添加排他锁，它是读写，读读都互斥，这样就能保证在写数据的问时是不会让其他线程读数据的，避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一把锁才行。
面试官:那这个排他锁是如何保证读写、读读互斥的呢?
候选人:其实排他锁底层使用也是setnx，保证了同时只能有一个线程操作锁住的方法
面试官:你听说过延时双删吗?为什么不用它呢?
候选人:延迟双删，如果是写操作，我们先把缓存中的数据删除，然后更新数据库，最后再延时删除缓存中的数据，其中这个延时多久不太好确定，在延时的过程中可能会出现脏数据，并不能保证强一致性，所以没有采用它。|

 
面试官:redis做为缓存，mysql的数据如何与redis进行同步呢?(双写一致性)
候选人:嗯!就说我最近做的这个项目，里面有xxxX(根据自己的简历上写)的功能，数据回步可以
有一定的延时《符合大部分业务)
我们当时采用的阿里的canal组件实现数据网步:不需要更改业务代码，部署一个canal服务。canal服务
把自己伪装成mysql的一个从节点，当mysql数据更新以后，canal会读取binlog数据，然后在通过canal的客户端获取到数据，更新缓存即可。

五、redis缓存的持久化

分为两个 RDB 和 AOF

RDB全称Redis Database Backup file(Redis数据备份文件)，也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后，从磁盘读取快照文件，恢复数据

RDB执行原理：bgsave开始时会fork（克隆）主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据，并写入RDB文件。

fork采用的是copy-on-write技术:
当主进程执行读操作时，访问共享内存;
当主进程执行写操作时，则会拷贝一份数据，执行写操作。

AOF 全称为Append Only File（追加文件）。redis处理每一个写命令都会记录在AOF文件，可以看作是命令日志文件

AOF默认是关闭的，需要修改redis.conf配置文件来开启AOF

AOF的命令记录的频率也可以通过redis.conf文件配置

因为是记录命令，AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。

redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置

RDB与AOF对比：

各有优缺点，如果对数据安全性要求较高，在实际开发中往往会结合两者来使用

面试问题：

面试官:redis做为缓存，数据的持久化是怎么做的?
候选人:在Redis中提供了两种数据持久化的方式:1、RDB   2、AOF
面试官:这两种持久化方式有什么区别呢?
候选人:RDB是一个快照文件，它是把redis内存存储的数据写到磁盘上，当redis实例宕机恢复数据的时候，方便从RDB的快照文件中恢复数据。
AOF的含义是追加文件，当redis操作写命令的时候，都会存储这个文件中，当redis实例宕机恢复数据的时候，会从这个文件中再次执行一遍命令来恢复数据
面试官:这两种方式，哪种恢复的比较快呢?
候选人:RDB因为是二进制文件，在保存的时候体积也是比较小的，它恢复的比较快，但是它有可能会丢数据，我们通常在项目中也会使用AOF来恢复数据，虽然AOF恢复的速度慢一些，但是它丢数据的风险要小很多，在AOF文件中可以设置刷盘策略，我们当时设置的就是每秒批量写入一次命令

六、数据过期策略（redis的key过期后会立即删除吗）

数据过期策略概念：Redis对数据设置数据的有效时间，数据过期以后，就需要将数据从内存中删除掉。可以按照不同的规则进行删除，这种删除规则就被称之为数据的删除策略。

Redis的过期删除策略:惰性删除+定期删除两种策略进行配合使用

两种策略1.惰性删除2.定期删除

惰性删除:设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key

优点:对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查

缺点:对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放

定期删除:每隔一段时间，我们就对一些key进行检查，删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中的过期key)。

定期清理有两种模式:

SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms,以通过修改配置文件redis.conf 的hz选项来调整这个次数
FAST模式执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms

优点:可以通过限制删除操作执行的时长和频率来减少删除操作对CPU的影响。另外定期删除，也能有效释放过期键占用的内存。
缺点:难以确定删除操作执行的时长和频率。

面试问题：

面试官:Redis的数据过期策略有哪些?
候选人:在redis中提供了两种数据过期删除策略
第一种是惰性删除，在设置该key过期时间后，我们不去管它，当需要该key时，我们在检查其是否过期，如果过期，我们就删掉它，反之返回该key。
第二种是定期删除，就是说每隔一段时间，我们就对一些key进行检查，删除里面过期的key
定期清理的两种模式:
SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms，以通过修改配置文件redis.conf
FAST模式执行频率不固定，每次事件循环会尝试执行，但两次间隔不低于2ms，每次耗时不超过lms的hz选项来调整这个次数
Redis的过期删除策略:惰性删除+定期删除两种策略进行配合使用

七、数据淘汰策略（缓存过多，内存有限，内存被占满了怎么办）

数据的淘汰策略:当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。

LRU(Least Recently Used)最近最少使用。用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
LFU(Least Frequently Used)最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高。

Redis支持8种不同策略来选择要删除的key:

1. noeviction:不淘汰任何key，但是内存满时不允许写入新数据，默认就是这种策略。
2. volatile-ttl:对设置了TTL的key，比较key的剩余TTL值，TTL越小越先被淘汰
3. allkeys-random:对全体key，随机进行淘汰。
4. volatile-random:对设置了TTL的key，随机进行淘汰。
5. allkeys-Iru:对全体key，基于LRU算法进行淘汰
6. volatile-Iru:对设置了TTL的key，基于LRU算法进行淘汰
7. allkeys-Ifu:对全体key，基于LFU算法进行淘汰
8. volatile-Ifu:对设置了TTL的key，基于LFU算法进行淘汰

使用建议：

1.优先使用allkeys-Iru策略。充分利用LRU算法的优势，把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分，建议使用。
2.如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用allkeys-random，随机选择淘汰。
3.如果业务中有置顶的需求，可以使用volatile-Iru策略，同时置顶数据不设置过期时间，这些数据就一直不被删除，会淘汰其他设置过期时间的数据。
4.如果业务中有短时高频访问的数据，可以使用allkeys-Ifu或volatile-Ifu策略。

面试问题：

面试官:Redis的数据淘汰策略有哪些?

候选人:这个在redis中提供了很多种，默认是noeviction，不删除任何数据，内部不足直接报错，是可以在redis的配置文件中进行设置的，里面有两个非常重要的概念，一个是LRU，另外一个是LFU
LRU的意思就是最少最近使用，用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
LFU的意思是最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高
我们在项目设置的是allkeys-Iru，挑选最近最少使用的数据淘汰，把一些经常访问的key留在redis中
面试官:数据库有1000万数据,Redis只能缓存20w数据,如何保证Redis中的数据都是热点数据?
候选人:可以使用alkeys-Iru(挑选最近最少使用的数据淘汰)淘汰策略，那留下来的都是经常访问的热点数据
面试官:Redis的内存用完了会发生什么?

主要看数据淘汰策略是什么?如果是默认的配置(noeviction)，会直接报错