Redis 麵霸篇：高頻問題橫掃核心知識點

「碼哥位元組」從高頻面試問題跟大家一起橫掃 Redis 核心知識點，從根本上理解 Redis ，不做八股文的工具人，做扭轉乾坤的大神。

碼哥到如今已經寫了 9 篇 Redis 連載，後臺有小夥伴也讓我寫一些關於面試的文章，於是“麵霸”系列便出道了。

如果大家用心讀完《Redis 系列》並理解，吊打面試官根本不是事。

1. Redis 核心篇：唯快不破的祕密
2. Redis 日誌篇：AOF 和 RDB 實現當機快速恢復，資料不丟失
3. Redis 高可用篇：主從架構資料一致性同步原理
4. Redis 實戰篇：6.x 版本 Sentinel 哨兵叢集搭建
5. Redis 高可用篇：Sentinel 哨兵叢集原理
6. Redis 實戰篇：6.x 版本 Cluster 叢集搭建
7. Redis 高可用篇：Cluster 叢集能無限擴充麼？原理是什麼？
8. Redis 實戰篇：巧用 Bitmap 實現億級海量資料統計
9. Redis 實戰篇：巧用資料結構實現億級資料統計

Redis 為什麼這麼快？

很多人只知道是 K/V NoSQl 記憶體資料庫，單執行緒……這都是沒有全面理解 Redis 導致無法繼續深問下去。

這個問題是基礎摸底，我們可以從 Redis 不同資料型別底層的資料結構實現、完全基於記憶體、IO 多路複用網路模型、執行緒模型、漸進式 rehash…...

到底有多快？

我們可以先說到底有多快，根據官方資料，Redis 的 QPS 可以達到約 100000（每秒請求數），有興趣的可以參考官方的基準程式測試《How fast is Redis？》，地址：https://redis.io/topics/benchmarks

橫軸是連線數，縱軸是 QPS。

這張圖反映了一個數量級，通過量化讓面試官覺得你有看過官方文件，很嚴謹。

基於記憶體實現

Redis 是基於記憶體的資料庫，跟磁碟資料庫相比，完全吊打磁碟的速度。

不論讀寫操作都是在記憶體上完成的，我們分別對比下記憶體操作與磁碟操作的差異。

磁碟呼叫

記憶體操作

記憶體直接由 CPU 控制，也就是 CPU 內部整合的記憶體控制器，所以說記憶體是直接與 CPU 對接，享受與 CPU 通訊的最優頻寬。

最後以一張圖量化系統的各種延時時間（部分資料引用 Brendan Gregg）

高效的資料結構

學習 MySQL 的時候我知道為了提高檢索速度使用了 B+ Tree 資料結構，所以 Redis 速度快應該也跟資料結構有關。

Redis 一共有 5 種資料型別，String、List、Hash、Set、SortedSet。

不同的資料型別底層使用了一種或者多種資料結構來支撐，目的就是為了追求更快的速度。

碼哥寄語：我們可以分別說明每種資料型別底層的資料結構優點，很多人只知道資料型別，而說出底層資料結構就能讓人眼前一亮。

SDS 簡單動態字串優勢

1. SDS 中 len 儲存這字串的長度，O(1) 時間複雜度查詢字串長度資訊。
2. 空間預分配：SDS 被修改後，程式不僅會為 SDS 分配所需要的必須空間，還會分配額外的未使用空間。
3. 惰性空間釋放：當對 SDS 進行縮短操作時，程式並不會回收多餘的記憶體空間，而是使用 free 欄位將這些位元組數量記錄下來不釋放，後面如果需要 append 操作，則直接使用 free 中未使用的空間，減少了記憶體的分配。

zipList 壓縮列表

壓縮列表是 List 、hash、 sorted Set 三種資料型別底層實現之一。

當一個列表只有少量資料的時候，並且每個列表項要麼就是小整數值，要麼就是長度比較短的字串，那麼 Redis 就會使用壓縮列表來做列表鍵的底層實現。

這樣記憶體緊湊，節約記憶體。

quicklist

後續版本對列表資料結構進行了改造，使用 quicklist 代替了 ziplist 和 linkedlist。

quicklist 是 ziplist 和 linkedlist 的混合體，它將 linkedlist 按段切分，每一段使用 ziplist 來緊湊儲存，多個 ziplist 之間使用雙向指標串接起來。

skipList 跳躍表

sorted set 型別的排序功能便是通過「跳躍列表」資料結構來實現。

跳躍表（skiplist）是一種有序資料結構，它通過在每個節點中維持多個指向其他節點的指標，從而達到快速訪問節點的目的。

跳錶在連結串列的基礎上，增加了多層級索引，通過索引位置的幾個跳轉，實現資料的快速定位，如下圖所示：

整數陣列（intset）

當一個集合只包含整數值元素，並且這個集合的元素數量不多時，Redis 就會使用整數集合作為集合鍵的底層實現，節省記憶體。

單執行緒模型

碼哥寄語：我們需要注意的是，Redis 的單執行緒指的是 Redis 的網路 IO （6.x 版本後網路 IO 使用多執行緒）以及鍵值對指令讀寫是由一個執行緒來執行的。 對於 Redis 的持久化、叢集資料同步、非同步刪除等都是其他執行緒執行。

千萬別說 Redis 就只有一個執行緒。

單執行緒指的是 Redis 鍵值對讀寫指令的執行是單執行緒。

先說官方答案，讓人覺得足夠嚴謹，而不是人云亦云去背誦一些部落格。

官方答案：因為 Redis 是基於記憶體的操作，CPU 不是 Redis 的瓶頸，Redis 的瓶頸最有可能是機器記憶體的大小或者網路頻寬。既然單執行緒容易實現，而且 CPU 不會成為瓶頸，那就順理成章地採用單執行緒的方案了。原文地址：https://redis.io/topics/faq。

為啥不用多執行緒執行充分利用 CPU 呢？

在執行每個任務之前，CPU 需要知道任務在何處載入並開始執行。也就是說，系統需要幫助它預先設定 CPU 暫存器和程式計數器，這稱為 CPU 上下文。

切換上下文時，我們需要完成一系列工作，這是非常消耗資源的操作。

引入多執行緒開發，就需要使用同步原語來保護共享資源的併發讀寫，增加程式碼複雜度和除錯難度。

單執行緒又什麼好處？

1. 不會因為執行緒建立導致的效能消耗；
2. 避免上下文切換引起的 CPU 消耗，沒有多執行緒切換的開銷；
3. 避免了執行緒之間的競爭問題，比如新增鎖、釋放鎖、死鎖等，不需要考慮各種鎖問題。
4. 程式碼更清晰，處理邏輯簡單。

I/O 多路複用模型

Redis 採用 I/O 多路複用技術，併發處理連線。採用了 epoll + 自己實現的簡單的事件框架。

epoll 中的讀、寫、關閉、連線都轉化成了事件，然後利用 epoll 的多路複用特性，絕不在 IO 上浪費一點時間。

Redis 執行緒不會阻塞在某一個特定的監聽或已連線套接字上，也就是說，不會阻塞在某一個特定的客戶端請求處理上。正因為此，Redis 可以同時和多個客戶端連線並處理請求，從而提升併發性。

Redis 全域性 hash 字典

Redis 整體就是一個 雜湊表來儲存所有的鍵值對，無論資料型別是 5 種的任意一種。雜湊表，本質就是一個陣列，每個元素被叫做雜湊桶，不管什麼資料型別，每個桶裡面的 entry 儲存著實際具體值的指標。

而雜湊表的時間複雜度是 O(1)，只需要計算每個鍵的雜湊值，便知道對應的雜湊桶位置，定位桶裡面的 entry 找到對應資料，這個也是 Redis 快的原因之一。

Redis 使用物件（redisObject）來表示資料庫中的鍵值，當我們在 Redis 中建立一個鍵值對時，至少建立兩個物件，一個物件是用做鍵值對的鍵物件，另一個是鍵值對的值物件。

也就是每個 entry 儲存著 「鍵值對」的 redisObject 物件，通過 redisObject 的指標找到對應資料。

typedef struct redisObject{
    //型別
   unsigned type:4;
   //編碼
   unsigned encoding:4;
   //指向底層資料結構的指標
   void *ptr;
    //...
 }robj;

Hash 衝突怎麼辦？

Redis 通過鏈式雜湊解決衝突：也就是同一個 桶裡面的元素使用連結串列儲存。但是當連結串列過長就會導致查詢效能變差可能，所以 Redis 為了追求快，使用了兩個全域性雜湊表。用於 rehash 操作，增加現有的雜湊桶數量，減少雜湊衝突。

開始預設使用 「hash 表 1 」儲存鍵值對資料，「hash 表 2」 此刻沒有分配空間。當資料越來多觸發 rehash 操作，則執行以下操作：

1. 給 「hash 表 2 」分配更大的空間；
2. 將 「hash 表 1 」的資料重新對映拷貝到 「hash 表 2」 中；
3. 釋放 hash 表 1 的空間。

值得注意的是，將 hash 表 1 的資料重新對映到 hash 表 2 的過程中並不是一次性的，這樣會造成 Redis 阻塞，無法提供服務。

而是採用了漸進式 rehash，每次處理客戶端請求的時候，先從「 hash 表 1」 中第一個索引開始，將這個位置的 所有資料拷貝到 「hash 表 2」 中，就這樣將 rehash 分散到多次請求過程中，避免耗時阻塞。

Redis 如何實現持久化？當機後如何恢復資料？

Redis 的資料持久化使用了「RDB 資料快照」的方式來實現當機快速恢復。但是 過於頻繁的執行全量資料快照，有兩個嚴重效能開銷：

1. 頻繁生成 RDB 檔案寫入磁碟，磁碟壓力過大。會出現上一個 RDB 還未執行完，下一個又開始生成，陷入死迴圈。
2. fork 出 bgsave 子程式會阻塞主執行緒，主執行緒的記憶體越大，阻塞時間越長。

所以 Redis 還設計了 AOF 寫後日志記錄對記憶體進行修改的指令記錄。

面試官：什麼是 RDB 記憶體快照？

在 Redis 執行「寫」指令過程中，記憶體資料會一直變化。所謂的記憶體快照，指的就是 Redis 記憶體中的資料在某一刻的狀態資料。

好比時間定格在某一刻，當我們拍照的，通過照片就能把某一刻的瞬間畫面完全記錄下來。

Redis 跟這個類似，就是把某一刻的資料以檔案的形式拍下來，寫到磁碟上。這個快照檔案叫做 RDB 檔案，RDB 就是 Redis DataBase 的縮寫。

在做資料恢復時，直接將 RDB 檔案讀入記憶體完成恢復。

面試官：在生成 RDB 期間，Redis 可以同時處理寫請求麼？

可以的，Redis 使用作業系統的多程式寫時複製技術 COW(Copy On Write) 來實現快照持久化，保證資料一致性。

Redis 在持久化時會呼叫 glibc 的函式fork產生一個子程式，快照持久化完全交給子程式來處理，父程式繼續處理客戶端請求。

當主執行緒執行寫指令修改資料的時候，這個資料就會複製一份副本， bgsave 子程式讀取這個副本資料寫到 RDB 檔案。

這既保證了快照的完整性，也允許主執行緒同時對資料進行修改，避免了對正常業務的影響。

面試官：那 AOF 又是什麼？

AOF 日誌記錄了自 Redis 例項建立以來所有的修改性指令序列，那麼就可以通過對一個空的 Redis 例項順序執行所有的指令，也就是「重放」，來恢復 Redis 當前例項的記憶體資料結構的狀態。

Redis 提供的 AOF 配置項appendfsync寫回策略直接決定 AOF 持久化功能的效率和安全性。

• always：同步寫回，寫指令執行完畢立馬將 aof_buf緩衝區中的內容刷寫到 AOF 檔案。
• everysec：每秒寫回，寫指令執行完，日誌只會寫到 AOF 檔案緩衝區，每隔一秒就把緩衝區內容同步到磁碟。
• no： 作業系統控制，寫執行執行完畢，把日誌寫到 AOF 檔案記憶體緩衝區，由作業系統決定何時刷寫到磁碟。

沒有兩全其美的策略，我們需要在效能和可靠性上做一個取捨。

面試官：既然 RDB 有兩個效能問題，那為何不用 AOF 即可。

AOF 寫前日誌，記錄的是每個「寫」指令操作。不會像 RDB 全量快照導致效能損耗，但是執行速度沒有 RDB 快，同時日誌檔案過大也會造成效能問題。

所以，Redis 設計了一個殺手鐗「AOF 重寫機制」，Redis 提供了 bgrewriteaof指令用於對 AOF 日誌進行瘦身。

其原理就是開闢一個子程式對記憶體進行遍歷轉換成一系列 Redis 的操作指令，序列化到一個新的 AOF 日誌檔案中。序列化完畢後再將操作期間發生的增量 AOF 日誌追加到這個新的 AOF 日誌檔案中，追加完畢後就立即替代舊的 AOF 日誌檔案了，瘦身工作就完成了。

面試官：如何實現 資料儘可能少丟失又能兼顧效能呢？

重啟 Redis 時，我們很少使用 rdb 來恢復記憶體狀態，因為會丟失大量資料。我們通常使用 AOF 日誌重放，但是重放 AOF 日誌效能相對 rdb 來說要慢很多，這樣在 Redis 例項很大的情況下，啟動需要花費很長的時間。

Redis 4.0 為了解決這個問題，帶來了一個新的持久化選項——混合持久化。將 rdb 檔案的內容和增量的 AOF 日誌檔案存在一起。這裡的 AOF 日誌不再是全量的日誌，而是自持久化開始到持久化結束的這段時間發生的增量 AOF 日誌，通常這部分 AOF 日誌很小。

於是在 Redis 重啟的時候，可以先載入 rdb 的內容，然後再重放增量 AOF 日誌就可以完全替代之前的 AOF 全量檔案重放，重啟效率因此大幅得到提升。

Redis 主從架構資料同步

Redis 提供了主從模式，通過主從複製，將資料冗餘一份複製到其他 Redis 伺服器。

面試官：主從之間資料如何保證一致性？

為了保證副本資料的一致性，主從架構採用了讀寫分離的方式。

• 讀操作：主、從庫都可以執行；
• 寫操作：主庫先執行，之後將寫操作同步到從庫；

面試官：主從複製還有其他作用麼？

1. 故障恢復：當主節點當機，其他節點依然可以提供服務；
2. 負載均衡：Master 節點提供寫服務，Slave 節點提供讀服務，分擔壓力；
3. 高可用基石：是哨兵和 cluster 實施的基礎，是高可用的基石。

面試官：主從複製如何實現的？

同步分為三種情況：

1. 第一次主從庫全量複製；
2. 主從正常執行期間的同步；
3. 主從庫間網路斷開重連同步。

面試官：第一次同步怎麼實現？

主從庫第一次複製過程大體可以分為 3 個階段：連線建立階段（即準備階段）、主庫同步資料到從庫階段、傳送同步期間新寫命令到從庫階段；

1. 建立連線：從庫會和主庫建立連線，從庫執行 replicaof 併傳送 psync 命令並告訴主庫即將進行同步，主庫確認回覆後，主從庫間就開始同步了。
2. 主庫同步資料給從庫：master 執行 bgsave命令生成 RDB 檔案，並將檔案傳送給從庫，同時主庫為每一個 slave 開闢一塊 replication buffer 緩衝區記錄從生成 RDB 檔案開始收到的所有寫命令。從庫儲存 RDB 並清空資料庫再載入 RDB 資料到記憶體中。
3. 傳送 RDB 之後接收到的新寫命令到從庫：在生成 RDB 檔案之後的寫操作並沒有記錄到剛剛的 RDB 檔案中，為了保證主從庫資料的一致性，所以主庫會在記憶體中使用一個叫 replication buffer 記錄 RDB 檔案生成後的所有寫操作。並將裡面的資料傳送到 slave。

面試官：主從庫間的網路斷了咋辦？斷開後要重新全量複製麼？

在 Redis 2.8 之前，如果主從庫在命令傳播時出現了網路閃斷，那麼，從庫就會和主庫重新進行一次全量複製，開銷非常大。

從 Redis 2.8 開始，網路斷了之後，主從庫會採用增量複製的方式繼續同步。

增量複製：用於網路中斷等情況後的複製，只將中斷期間主節點執行的寫命令傳送給從節點，與全量複製相比更加高效。

斷開重連增量複製的實現奧祕就是 repl_backlog_buffer 緩衝區，不管在什麼時候 master 都會將寫指令操作記錄在 repl_backlog_buffer 中，因為記憶體有限， repl_backlog_buffer 是一個定長的環形陣列，如果陣列內容滿了，就會從頭開始覆蓋前面的內容。

master 使用 master_repl_offset記錄自己寫到的位置偏移量，slave 則使用 slave_repl_offset記錄已經讀取到的偏移量。

當主從斷開重連後，slave 會先傳送 psync 命令給 master，同時將自己的 runID，slave_repl_offset傳送給 master。

master 只需要把 master_repl_offset與 slave_repl_offset之間的命令同步給從庫即可。

增量複製執行流程如下圖：

面試官：那完成全量同步後，正常執行過程中如何同步資料呢？

當主從庫完成了全量複製，它們之間就會一直維護一個網路連線，主庫會通過這個連線將後續陸續收到的命令操作再同步給從庫，這個過程也稱為基於長連線的命令傳播，使用長連線的目的就是避免頻繁建立連線導致的開銷。

哨兵原理連環問

面試官：可以呀，知道這麼多，你知道 哨兵叢集原理麼？

哨兵是 Redis 的一種執行模式，它專注於對 Redis 例項（主節點、從節點）執行狀態的監控，並能夠在主節點發生故障時通過一系列的機制實現選主及主從切換，實現故障轉移，確保整個 Redis 系統的可用性。

他的架構圖如下：

Redis 哨兵具備的能力有如下幾個：

• 監控：持續監控 master 、slave 是否處於預期工作狀態。
• 自動切換主庫：當 Master 執行故障，哨兵啟動自動故障恢復流程：從 slave 中選擇一臺作為新 master。
• 通知：讓 slave 執行 replicaof ，與新的 master 同步；並且通知客戶端與新 master 建立連線。

面試官：哨兵之間是如何知道彼此的？

哨兵與 master 建立通訊，利用 master 提供釋出/訂閱機制釋出自己的資訊，比如身高體重、是否單身、IP、埠……

master 有一個 __sentinel__:hello 的專用通道，用於哨兵之間釋出和訂閱訊息。這就好比是 __sentinel__:hello 微信群，哨兵利用 master 建立的微信群釋出自己的訊息，同時關注其他哨兵釋出的訊息。

面試官：哨兵之間雖然建立連線了，但是還需要和 slave 建立連線，不然沒法監控他們呀，如何知道 slave 並監控他們的？

關鍵還是利用 master 來實現，哨兵向 master 傳送 INFO 命令， master 掌門自然是知道自己門下所有的 salve 小弟的。所以 master 接收到命令後，便將 slave 列表告訴哨兵。

哨兵根據 master 響應的 slave 名單資訊與每一個 salve 建立連線，並且根據這個連線持續監控哨兵。

Cluster 叢集連環炮

面試官：除了哨兵以外，還有其他的高可用手段麼？

有 Cluster 叢集實現高可用，哨兵叢集監控的 Redis 叢集是主從架構，無法很想擴充。使用 Redis Cluster 叢集，主要解決了大資料量儲存導致的各種慢問題，同時也便於橫向擴充。

在面向百萬、千萬級別的使用者規模時，橫向擴充套件的 Redis 切片叢集會是一個非常好的選擇。

面試官：什麼是 Cluster 叢集？

Redis 叢集是一種分散式資料庫方案，叢集通過分片（sharding）來進行資料管理（「分治思想」的一種實踐），並提供複製和故障轉移功能。

將資料劃分為 16384 的 slots，每個節點負責一部分槽位。槽位的資訊儲存於每個節點中。

它是去中心化的，如圖所示，該叢集有三個 Redis 節點組成，每個節點負責整個叢集的一部分資料，每個節點負責的資料多少可能不一樣。

三個節點相互連線組成一個對等的叢集，它們之間通過 Gossip協議相互互動叢集資訊，最後每個節點都儲存著其他節點的 slots 分配情況。

面試官：雜湊槽又是如何對映到 Redis 例項上呢？

1. 根據鍵值對的 key，使用 CRC16 演算法，計算出一個 16 bit 的值；
2. 將 16 bit 的值對 16384 執行取模，得到 0 ～ 16383 的數表示 key 對應的雜湊槽。
3. 根據該槽資訊定位到對應的例項。

鍵值對資料、雜湊槽、Redis 例項之間的對映關係如下：

面試官：Cluster 如何實現故障轉移？

Redis 叢集節點採用 Gossip 協議來廣播自己的狀態以及自己對整個叢集認知的改變。比如一個節點發現某個節點失聯了 (PFail)，它會將這條資訊向整個叢集廣播，其它節點也就可以收到這點失聯資訊。

如果一個節點收到了某個節點失聯的數量 (PFail Count) 已經達到了叢集的大多數，就可以標記該節點為確定下線狀態 (Fail)，然後向整個叢集廣播，強迫其它節點也接收該節點已經下線的事實，並立即對該失聯節點進行主從切換。

面試官：客戶端又怎麼確定訪問的資料到底分佈在哪個例項上呢？

Redis 例項會將自己的雜湊槽資訊通過 Gossip 協議傳送給叢集中其他的例項，實現了雜湊槽分配資訊的擴散。

這樣，叢集中的每個例項都有所有雜湊槽與例項之間的對映關係資訊。

當客戶端連線任何一個例項，例項就將雜湊槽與例項的對映關係響應給客戶端，客戶端就會將雜湊槽與例項對映資訊快取在本地。

當客戶端請求時，會計算出鍵所對應的雜湊槽，再通過本地快取的雜湊槽例項對映資訊定位到資料所在例項上，再將請求傳送給對應的例項。

面試官：什麼是 Redis 重定向機制？

雜湊槽與例項之間的對映關係由於新增例項或者負載均衡重新分配導致改變了，客戶端將請求傳送到例項上，這個例項沒有相應的資料，該 Redis 例項會告訴客戶端將請求傳送到其他的例項上。

Redis 通過 MOVED 錯誤和 ASK 錯誤告訴客戶端。

MOVED

MOVED 錯誤（負載均衡，資料已經遷移到其他例項上）：當客戶端將一個鍵值對操作請求傳送給某個例項，而這個鍵所在的槽並非由自己負責的時候，該例項會返回一個 MOVED 錯誤指引轉向正在負責該槽的節點。

同時，客戶端還會更新本地快取，將該 slot 與 Redis 例項對應關係更新正確。

ASK

如果某個 slot 的資料比較多，部分遷移到新例項，還有一部分沒有遷移。

如果請求的 key 在當前節點找到就直接執行命令，否則時候就需要 ASK 錯誤響應了。

槽部分遷移未完成的情況下，如果需要訪問的 key 所在 Slot 正在從 例項 1 遷移到 例項 2（如果 key 已經不在例項 1），例項 1 會返回客戶端一條 ASK 報錯資訊：客戶端請求的 key 所在的雜湊槽正在遷移到例項 2 上，你先給例項 2 傳送一個 ASKING 命令，接著發傳送操作命令。

比如客戶端請求定位到 key = 「公眾號:碼哥位元組」的槽 16330 在例項 172.17.18.1 上，節點 1 如果找得到就直接執行命令，否則響應 ASK 錯誤資訊，並指引客戶端轉向正在遷移的目標節點 172.17.18.2。

注意：ASK 錯誤指令並不會更新客戶端快取的雜湊槽分配資訊。

未完待續

本篇主要將 Redis 核心內容過了一遍，涉及到資料結構、記憶體模型、 IO 模型、持久化 RDB 和AOF 、主從複製原理、哨兵原理、cluster 原理。

「麵霸」系列會分為幾篇，分別從核心原理、高可用、實戰、如何避坑等方面全方位拿下 Redis。

大家覺得有所幫助希望可以動動手指點贊、分享、收藏、留言呀，也可以加「碼哥」微信「MageByte1024」進入專屬讀者群一起探討更多面試遇到的問題，碼哥知無不答。