场景：Redis分布式锁，是如何实现的？

需要结合项目中的业务进行回答，通常情况下，分布式锁使用的场景：

集群情况下的定时任务、抢单、幂等性场景。

抢券场景：

/*** 抢购优惠券* @throws InterruptedException
*/
public void rushToPurchase() throws InterruptedException {//获取优惠券数量Integer num = (Integer) redisTemplate.opsForValue().get(“num”);//判断是否抢完if (null == num || num <= 0) {throw new RuntimeException(“优惠券已抢完");}//优惠券数量减一，说明抢到了优惠券num = num - 1;//重新设置优惠券的数量redisTemplate.opsForValue().set("num", num);
}

抢券执行流程：

public void rushToPurchase() throws InterruptedException {synchronized (this){       //查询优惠券数量Integer num = (Integer) redisTemplate.opsForValue().get("num");//判断是否抢完if (null == num || num <= 0) {throw new RuntimeException("商品已抢完");}//优惠券数量减一（减库存）num = num - 1;//重新设置优惠券的数量redisTemplate.opsForValue().set("num", num);}
}	

Redis分布式锁：

Redis实现分布式锁主要利用Redis的setnx命令，setnx是SET if not exists（如果不存在则SET）的简写。

• 获取锁：

  # 添加锁，NX是互斥，EX是设置超时时间
  SET lock value NX EX 10
  

• 释放锁：

  # 释放锁，删除即可
  DEL key
  

1.Reids分布式锁如何实现？

在Redis中提供了一个命令setnx（SET if not exists）由于Redis是单线程的，用了命令之后，只能有一个客户端对某一个key设置值，在没有过期或删除key的时候是其他客户端不能设置这个key的。

2.如何控制Redis实现分布式锁有效时长呢？

Redis的setnx指令不好控制这个问题，我们当时才用的redis的一个框架redisson实现的。

在redisson中需要手动枷锁，并且可以控制锁的失效时间和等待时间，当锁住的一个业务还没有完全执行完成的时候，在redisson中引入了一个看门狗机制，就是说每隔一段时间就检查当前业务是否还持有锁，如果持有就增加加锁的持有时间，当业务执行完成之后需要使用释放锁就可以了。

还有一个好处就是，在高并发喜爱，一个业务有可能会执行很快，先客户1持有锁的时候，客户2来了以后并不会马上拒绝，它会自旋不断尝试获取锁，如果客户1释放之后，客户2就可以马上持有锁，性能也得到了提升。

3.redisson实现的分布式锁是可重入的吗？

是可以重入的，为了避免死锁的产生，这个重入其实在内部就是判断是否当前线程持有的锁，如果是当前线程持有的锁就会计数，如果释放锁就会在计算上减一。在存储数据的时候采用的hash结构，大key可以按照自己的业务进行定制，其中小key是当前线程的唯一标识，value是当前线程重入的次数。

4.redisson实现的分布式锁能解决主从一致性的问题吗？

这个是不能的，比如，当线程1加锁成功后，master节点数据会异步复制到slave节点，此时当前持有redis锁的master节点宕机，slave节点被提升为新的master节点，假如现在来了一个线程2，再次加锁，会在新的master节点上加锁成功，这个时候就会出现两个节点同时持有一把锁的问题。

我们可以利用redisson提供的红锁来解决这个问题，它的主要作用是，不能只在一个redis实例上创建锁，应该是在多个redis实例上创建锁，并且要求在大多数redis节点上都成功创建锁，红锁中要求是redis的节点数量要过半。这样就能避免线程1加锁成功后master节点宕机导致线程2成功加锁到新的master节点上的问题了。

但是，如果使用了红锁，因为需要同时在多个节点上都添加锁，性能就变得很低了，并且运维维护的成本也非常高，所以，我们一般在项目中也不会直接使用红锁，并且官方也暂时废弃了这个红锁。

5.那么如果业务非要保持数据的强一致性，这个该怎么解决呢？

redis本身就是支持高可用的，做到强一致性，就非常影响性能，所以如果有强一致性要求高的业务，建议使用zookeeper实现的分布式锁，它是可以保证强一致性的。

6.Redis集群有哪些方案，知道嘛？

在Redis中提供的集群方案总共有三种：主从复制、哨兵模式、Redis分片集群。

7.介绍一下主从同步

单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，可以搭建主从集群，实现读写分离。一般都是一主多从，主节点负责写数据，从节点负责读数据，主节点写入数据之后，需要吧数据同步到从节点中。

8.能说一下主从同步数据的流程吗？

主从同步分为了两个阶段，一个是全量同步，一个是增量同步。

全量同步是指从节点第一次与主节点建立连接的时候使用全量同步，流程是这样的：

第一：从节点请求主节点同步数据，其中从节点会携带自己的replication id 和 offset偏移量。

第二：主节点判断是否是第一次请求，主要判断的依据就是，主节点与从节点是否是同一个replication id 和 offset发送给从节点，让从节点与主节点的信息保持一致。

第三：在同时主节点会执行bgsave，生成rdb文件，发送给从节点去执行，从节点先把自己的数据清空，然后执行主节点发送过来的rdb文件，这样就保持了一致。

当然，如果在rdb生成执行期间，依然有请到了主节点，而主节点会以命令的方式记录到缓冲区，缓冲区是一个日志文件，最后把这个日志文件发送给从节点，这样就能保证主节点与从节点完全一致了，后期再同步数据的时候，都以来于这个日志文件，这个就是全量同步。

增量同步指的是，当从节点服务器重启之后，数据就不一致了，所以这个时候，从节点会请求主节点同步数据，主节点还是判断不是第一次请求，不是第一次就获取从节点的offset值，然后主节点从命令日志中获取offset值之后的数据，发送给从节点进行数据同步。

9.怎么保证Redis的高并发高可用？

首先可以搭建主从集群，再加上使用Redis中的哨兵模式，哨兵模式可以实现主从集群的自动鼓掌恢复，里面就包含了对主从服务的监控、自动故障恢复、通知；如果master故障，Sentinel会将一个slave提升为master。当故障实例恢复后以新的master为主；同时Sentinel也充当Redis客户端的服务发现来源，当集群发生故障转移时，会将最新信息推送给Redis的客户端，所以一般项目都会采用哨兵的模式来保证redis的高并发高可用。

10.你们使用redis时单点还是集群？哪种集群？

我们当时使用的是主从（1主1从）加哨兵。一般单节点不超过10G内存，如果Redis内存不足，则可以给不同服务分配独立的Redis主从节点。尽量不做分片集群。因为集群维护起来比较麻烦，并且集群之间的心跳检测和数据通信会消耗大量的网络带宽，也没有办法使用lua脚本和事务。

11.Redis集群脑裂，该怎么解决呢？

嗯，在这个项目很少见，不过脑裂的问题是这样的，我们现在用的redis的哨兵模式集群的，有的时候由于网络等原因可能会出现脑裂的情况，就是说，由于redis master节点和redis salve节点和sentinel处于不同的网络分区，使得sentinel没有能够心跳感知道master，所以通过选择的方式提升了一个salve为master，这样就存在了两个master，就像大脑分裂了一样，这样会导致客户端还在old master那里写入数据，新节点无法同步数据，当网络恢复后，sentinel会将old master降为salve，这时再从新master同步数据，这会导致old master中的大量数据丢失。

关于这个问题的解决，我记得在redis的配置中可以设置：第一可以设置最少的salve节点个数，比如设置至少有一个从节点才能同步数据，第二个可以设置主从数据复制和同步的延迟时间，达不到要求就拒接请求，就可以避免大量的数据丢失。

12.Redis的分片集群有什么作用？

分片集群主要解决的是，海量数据存储的问题，集群中有多个master，每个master保存不同数据，并且还可以给每个master设置多个slave节点，就可以继续增大集群的高并发能力。同时每个master之间通过ping监测彼此健康状态，就类似于哨兵模式了。当客户端请求可以访问集群任意节点，最终都会被转发到正确的节点。

13.Redis分片集群中数据是怎么存储和读取的？

Redis集群引入了哈希槽的概念，有16384个哈希槽，集群中每个主节点绑定了一定范围的哈希槽范围，key通过CRC16校验后对16384取模来决定放置哪个槽，通过槽找到对应的节点进行存储。

取值的逻辑是一样的/

14.Redis是单线程的，但是为什么还那么快？

1. 完全基于内存的，C语言编写

2. 采用单线程，避免不必要的上下文切换可竞争条件

3. 使用多路I/O复用模型，非阻塞IO

   例如：bgsave和bgrewriteaof都是在后台执行操作，不影响主线程的正常使用，不会产生阻塞

15.能解释一下I/O复用模型吗？

I/O多路复用是指利用单个线程来同时监听多个Socket，并在某个Socket可读、可写时得到通知，从而避免无效的等待，充分利用CPU资源。目前的I/O多路复用都是采用的epoll模式实现，它会在通知用户进程Socket就绪的同时，把已就绪的Socket写入用户空间，不需要挨个遍历Socket来判断是否就绪，提升了性能。

其中Redis的网络模型就是使用了I/O多路复用结合事件的处理器来应对多个Socket请求，比如，提供了连接应答处理器、命令回复处理器、命令请求处理器。

在Redis6.0之后，为了提升更好的性能，在命令回复处理器使用了多线程来处理回复事件，在命令请求处理器中，将命令的转换使用了多线程，增加命令的转换速度，在命令执行的时候，依然是单线程。

至今，我遇到的常见的Redis面试问题已经集合完毕。

如果您认为这篇文章对您有所帮助，希望能给我点一个免费的赞或收藏，这将是我创作的动力和鼓励！