面试题切记贪多，十道必会Redis面试题，都搞懂就够了~
Redis作为内存数据库的标杆，是后端工程师面试的“必考题”。本文从基础概念→数据结构→持久化→分布式→高级特性→生产实践，整理了10道最具代表性的Redis终极面试题，每道题附详细答案+深度解析，帮你彻底搞定Redis面试！
题目1：Redis是什么？它有哪些核心特点？
答案：
Redis（Remote Dictionary Server）是一款开源的内存型键值对数据库，以“高性能、高可用、灵活的数据结构”著称。核心特点包括：
内存存储：数据主要存于内存，读写延迟低至毫秒级；
单线程架构：避免多线程的上下文切换和锁竞争，提升效率；
持久化支持：通过RDB（快照）和AOF（日志）实现数据持久化；
丰富数据结构：支持String、Hash、List、Set、ZSet等，覆盖多数业务场景；
高可用与分布式：通过哨兵（Sentinel）实现故障转移，通过集群（Cluster）实现水平扩展；
高级特性：支持发布订阅、Lua脚本、事务、过期键删除等。
解析：
Redis的定位是“内存数据库”，而非传统关系型数据库。单线程并非“落后”，而是针对Redis“命令执行快”的最优选择——单线程足以处理高并发请求。
题目2：Redis为什么能实现高性能？请从底层机制解释。
答案：
Redis的高性能源于四大底层机制的协同：
单线程架构：
命令处理是单线程的（6.0+仅IO多线程，命令执行仍单线程），避免了多线程的上下文切换和锁开销。
内存操作：
数据存于内存，无磁盘IO开销（持久化是异步的，不影响命令执行）。
IO多路复用：
使用epoll（Linux）监听多个客户端连接，高效处理网络IO（仅激活的连接进入事件队列）。
高效数据结构：
String用SDS（简单动态字符串）：支持快速追加和长度计算；
Hash用压缩列表/哈希表：小数据时压缩列表节省内存；
ZSet用跳表+压缩列表：跳表支持O(logN)的查询/插入。
解析：
Redis的“快”是架构设计+底层优化的综合结果，其中单线程和IO多路复用是核心。
题目3：Redis支持哪些数据结构？请举例说明应用场景。
答案：
Redis的核心数据结构及典型场景：
String：存储文本/数字，支持自增。场景：缓存配置、计数器（文章阅读量）、分布式锁。
Hash：存储键值对集合。场景：缓存用户对象（key=用户ID，field=姓名/年龄）。
List：有序可重复集合。场景：消息队列（LPUSH/RPOP）、最新动态列表（保留最近10条评论）。
Set：无序唯一集合。场景：共同好友（求交集）、抽奖（随机取元素）。
ZSet：有序唯一集合（带分数score）。场景：排行榜（游戏积分）、带权重的任务队列。
解析：
数据结构选择直接影响效率。例如，缓存用户对象用Hash而非多个String——Hash更紧凑，支持批量操作（HMSET/HMGET）。
题目4：Redis的持久化机制有哪些？RDB和AOF的对比、优缺点及选择策略？
答案：
Redis的持久化有两种：RDB（快照）和AOF（日志）。
1. RDB（Redis Database Snapshot）
原理：fork子进程生成内存快照文件（.rdb），父进程继续处理请求。
优点：文件紧凑，恢复快（适合灾难恢复）；
缺点：可能丢失最后一次快照后的数据；fork耗时（大数据量时）。
2. AOF（Append Only File）
原理：记录所有写操作命令，追加到.aof文件。重启时重新执行命令恢复数据。
同步策略：
always：每次写操作同步磁盘（最安全，性能差）；
everysec：每秒同步（默认，兼顾安全与性能）；
no：操作系统决定（最快，可能丢数据）。
优点：数据安全（默认丢1秒）；文件可读；
缺点：文件大，恢复慢。
选择策略：
需快速恢复：选RDB；
需高数据安全：选AOF（或两者结合）；
生产环境：同时开启RDB和AOF——AOF保证安全，RDB用于快速恢复。
解析：
RDB和AOF互补，AOF补数据安全，RDB补恢复速度。
题目5：Redis的分布式模式有哪些？哨兵（Sentinel）和集群（Cluster）的核心区别？
答案：
Redis分布式模式有哨兵和集群，核心区别如下：
维度 哨兵模式 集群模式
核心目标 高可用（解决单点故障） 水平扩展（解决性能瓶颈）
写性能 单主节点，无法扩展 多主节点，水平扩展
数据分片 无 有（16384个槽位，节点分槽）
客户端要求 普通客户端 支持集群协议的客户端
详细说明：
哨兵：监控主从节点，主节点宕机时选举从节点升级为主节点，实现故障转移；
集群：将数据分片存储在多个节点，每个节点负责一部分槽位，支持自动故障转移。
解析：
哨兵解决“单点故障”，集群解决“性能瓶颈”。例如，电商商品缓存用哨兵保证高可用；高并发写场景用集群扩展写能力。
题目6：如何解决Redis的缓存穿透、雪崩、击穿？
答案：
三者均为缓存与数据库的交互问题，解决方法如下：
1. 缓存穿透（查不存在的key）
风险：大量无效请求压垮数据库；
解决：
布隆过滤器：前置过滤不存在的key；
空值缓存：查询数据库不存在时，缓存null（短过期时间）；
接口校验：过滤无效参数（如ID格式）。
2. 缓存雪崩（大量key同时过期）
风险：数据库瞬间压力骤增；
解决：
分散过期时间：给key的过期时间加随机值（如50-70分钟）；
加锁/限流：缓存失效时，用分布式锁限制只有一个线程查数据库；
多级缓存：增加本地缓存（如Guava Cache）。
3. 缓存击穿（热点key过期）
风险：热点key失效导致数据库压力大；
解决：
永不过期：热点key设置永不过期，后台异步更新；
互斥锁：缓存失效时，用SETNX加锁，保证只有一个线程查数据库；
预加载：大促前提前加载热点数据。
解析：
穿透：拦截无效请求；
雪崩：分散过期+限流；
击穿：永不过期+互斥锁。
题目7：Redis的“大Key”问题是什么？如何定位和处理？
答案：
1. 大Key定义
满足任一条件：
String：value>10KB；
Hash/List/Set/ZSet：元素数>1000或总大小>100KB。
2. 大Key危害
内存占用高；
操作大Key会阻塞Redis（如HGETALL）；
持久化慢（fork子进程耗时）。
3. 定位方法
redis-cli --bigkeys：扫描大Key；
RedisInsight：可视化查看key大小；
自定义Lua脚本：计算key的大小。
4. 处理方法
拆分大Key：将大Hash拆分为多个小Hash（如user#️⃣1、user#️⃣2）；
压缩数据：用Gzip压缩文本/二进制数据；
异步删除：用UNLINK代替DEL（避免阻塞）；
优化数据结构：用ZSet代替List。
解析：
大Key是“隐形杀手”，需定期定位。拆分是最有效的方法，避免单Key阻塞Redis。
题目8：Redis的事务和Lua脚本有什么区别？适用场景？
答案：
1. 事务（Transaction）
原理：MULTI开启事务，EXEC执行批量命令，保证原子性（全执行或全不执行）；
特点：简单，支持批量命令；但不支持复杂逻辑，不回滚。
场景：批量更新简单key（如SET a 1; SET b 2）。
2. Lua脚本
原理：用Lua编写脚本，在Redis服务器端执行，保证原子性；
特点：支持复杂逻辑（条件/循环），高效（减少网络开销）；
场景：需要原子性的复杂操作（如分布式锁、扣减库存+记录日志）。
对比：
维度 事务 Lua脚本
逻辑复杂度 简单 复杂
网络开销 大（多次请求） 小（一次传输）
回滚支持 不支持 支持
解析：
事务适合简单批量操作，Lua脚本适合复杂逻辑。例如，扣减库存并记录日志，用Lua脚本保证原子性。
题目9：Redis的过期键删除策略有哪些？惰性删除和定期删除的原理？
答案：
Redis采用惰性删除+定期删除的组合策略：
1. 惰性删除
原理：客户端访问过期key时，Redis才删除该key；
优缺点：节省CPU，但可能导致内存泄漏。
2. 定期删除
原理：每隔100毫秒，随机抽取部分过期key检查，删除已过期的；
优缺点：减少内存泄漏，但占用CPU。
解析：
两者结合平衡了性能与内存——惰性删除解决“漏删”，定期删除解决“内存泄漏”。
题目10：电商大促场景下，如何设计Redis架构？
答案：
电商大促的核心挑战是高并发、热点数据、高可用，架构设计需覆盖以下几点：
1. 缓存预热
大促前加载热点商品数据到Redis，避免请求穿透到数据库。
2. 热点数据处理
拆分热点Key：将大Key拆分为多个小Key（如rank:1、rank:2）；
本地缓存：应用层加Guava Cache，减少Redis访问；
互斥锁：热点Key更新时加SETNX锁，避免并发问题。
3. 集群与高可用
采用Redis Cluster：水平扩展节点，提升存储和写性能；
部署哨兵：监控节点状态，自动故障转移；
多机房部署：避免单机房故障。
4. 性能优化
Pipeline：批量处理命令，减少网络开销；
避免大Key：拆分大Key，优化数据结构；
调整持久化：开启AOF的everysec，关闭RDB（或降低频率）。
5. 熔断与降级
熔断：Redis故障时切断请求，避免雪崩；
降级：Redis不可用时，降级到本地缓存或数据库。
6. 监控与日志
监控指标：QPS、内存使用率、CPU、连接数；
慢查询日志：优化慢命令（如HGETALL）。
解析：
大促架构是“预防+容错+优化”——预热和本地缓存预防高并发，集群保证高可用，熔断降级保证服务可用。
总结
Redis面试的核心是理解原理+实战经验：
基础概念：Redis是什么、特点、数据结构；
核心机制：持久化、过期删除、单线程；
分布式：哨兵、集群；
生产实践：缓存问题、大Key、高可用设计。
