从Redis核心机制到高并发实战解析
目录导读
- 缓存基础与设计原则
- Redis核心数据结构源码剖析
- 缓存淘汰策略与Redis实现
- 缓存穿透/击穿/雪崩及解决方案
- 分布式缓存一致性难题与解决思路
- 高频面试问答与真题解析
- 缓存源码学习的进阶路径
缓存基础与设计原则
缓存是计算机系统中用于解决“读写速度不匹配”问题的核心组件，在面试中，面试官常从“为什么用缓存”切入，考察你对局部性原理、热点数据识别、以及缓存与数据库协同工作的理解。
核心原则：
- 只缓存读多写少、变化不频繁的数据。
- 缓存的数据容量远小于数据库总量，命中率需监控。
- 设置合理的过期时间（TTL）,避免缓存无限膨胀。
Redis核心数据结构源码剖析
Redis不仅是缓存，更是高性能键值存储引擎,面试常考其底层实现：
| 数据结构 | 底层实现（源码层面） | 特点与适用场景 |
|---|---|---|
| String | SDS（简单动态字符串） | 避免C字符串拼接时内存频繁分配，兼容二进制安全 |
| List | 快速链表+压缩列表 | 消息队列、最新N条记录 |
| Hash | 字典+压缩列表 | 用户信息、对象属性缓存 |
| Set | 整数集合+字典 | 去重、交集/并集运算 |
| Zset | 跳表+字典 | 排行榜、延时队列 |
问答环节：
Q：Redis为什么用跳表而不是红黑树实现Zset？
A：跳表区间查询效率更高（O(logN)），且实现简单、支持无锁并发，跳表在插入/删除时只需调整邻居节点指针,而红黑树涉及复杂的旋转和颜色变换。
缓存淘汰策略与Redis实现
当缓存空间不足时，需要淘汰旧数据,常见策略：
- FIFO：先进先出，易实现但不够智能。
- LRU（Least Recently Used）：淘汰最近最少使用的数据，Redis近似LRU算法采样5个键淘汰，避免遍历所有键。
- LFU（Least Frequently Used）：淘汰使用频率最低的数据，Redis 4.0引入，利用概率统计计数器。
- TTL淘汰：优先淘汰即将过期的键。
源码关注点：
- Redis中
evict.c文件实现了淘汰逻辑，当内存超过maxmemory时，调用freeMemoryIfNeeded()循环淘汰。 - 淘汰策略通过配置
maxmemory-policy可选为allkeys-lru、volatile-lru、allkeys-random等。
问答环节：
Q：LRU和LFU哪个更优？
A：取决于业务模式，LRU适合“间歇性热点”数据（如新闻短暂刷屏），LFU适合“长期频繁访问”数据（如用户支付接口），但LFU可能存在“缓存污染”——早期热点数据即使不再被访问，其频率计数依然很高，Redis采用“衰减策略”缓解这一问题。
缓存穿透/击穿/雪崩及解决方案
这是面试中的高频灾难场景,需要你给出完整防御措施。
1 缓存穿透
现象： 查询一个数据库中不存在的数据，请求直接打到数据库。
解决方案：
- 布隆过滤器：将所有可能查询的key预先加入BloomFilter，过滤掉不在集合中的请求。
- 缓存空对象：即使数据库返回null，也缓存一个短TTL的空值（例如5秒）,避免重复穿透。
2 缓存击穿
现象： 某个热点key在失效瞬间，大量请求同时涌入数据库。
解决方案：
- 互斥锁：比如使用Redis的SETNX命令，当key失效时，只有一个线程能重建缓存。
- 逻辑过期：不设TTL，而将过期时间写在value里,通过后台线程异步更新。
3 缓存雪崩
现象： 大量缓存同时过期，或缓存服务宕机，导致所有请求直落数据库。
解决方案：
- 设置随机过期时间：避免大量key同时失效。
- 缓存高可用：使用Redis Sentinel或Cluster集群，部署多节点。
- 限流与降级：当缓存不可用，对非核心请求返回降级数据（如默认值）。
分布式缓存一致性难题与解决思路
缓存和数据库如何保持数据一致？这是面试官最爱追问的点。
常见模式：
- Cache-Aside（旁路缓存）：读时先查缓存，未命中则查数据库并回写缓存；写时先更新数据库，再删除缓存。
- Write-Through：写入数据库的同时更新缓存，适合读多写少场景。
- Write-Behind：异步批量写入,风险是可能丢数据。
一致性难点：
- 问题：先更新数据库再删除缓存，如果缓存删除失败，会出现脏数据。
- 解决方案：引入消息队列，让异步任务确保缓存删除成功。
- 终极方案：使用订阅数据库binlog（如Canal）进行缓存更新,做到最终一致性。
问答环节：
Q：为什么通常采用“删除缓存”而不是“更新缓存”？
A：删除更安全，更新缓存需要先读取旧值再计算新值，在高并发下容易产生“并发写覆盖”问题，而删除缓存后，下次请求会自动回写正确值，借助“写一致性”由数据库保证。
高频面试问答与真题解析
真题1： Redis为什么快？
- 基于内存操作，CPU缓存友好。
- 单线程模型避免锁竞争，多路复用I/O模型（epoll）。
- 数据结构设计精简（如SDS节省内存）。
真题2： 在高并发下，Redis的set()和get()性能瓶颈在哪里？
- 网络I/O：可以通过pipeline批量操作、连接池优化。
- CPU切换：单线程处理大key时耗时，建议使用
SCAN替代KEYS。 - 内存碎片：合理配置
activedefrag自动整理。
真题3： 如何设计一个本地缓存（如Guava Cache）与Redis组合的二层缓存？
- 第一层本地缓存：速度快但容量小，适合热点数据，使用LRU淘汰。
- 第二层Redis：容量大，负责持久化与分布式共享。
- 同步策略：本地缓存收到Redis的过期消息或监听数据库变更,主动失效本地key。
缓存源码学习的进阶路径
- 基础层：掌握Redis的数据结构（源码级）和淘汰策略实现。
- 应用层：理解缓存穿透、击穿、雪崩的防御方案，并能在代码中落地。
- 架构层：熟悉缓存与数据库的同步机制，能用binlog、消息队列解决一致性问题。
- 源码层：建议阅读Redis源码中
redis.h、t_string.c、ziplist.c、skiplist.c等关键文件。 - 最佳实践：根据业务访问模式选择缓存策略；使用监控工具（如Prometheus）统计命中率与内存使用。
缓存是提升系统吞吐量最直接的手段，而源码级别的理解能让你在面试中从“会用”进化到“会设计”，希望这篇文章能帮你理清常见考点,从容应对面试挑战。
文章由技术博主整理，若需转载请联系授权。
标签： LFU