Spring集成Redis面试题库
生成时间：2026-05-21 23:04
【面试题】1. 存储用户信息，用Hash还是String？底层编码原理是什么？
【标准答案】 生产上推荐用Hash。原因有三：
第一，Hash底层用ziplist（字段数少时）或hashtable（字段多时），ziplist紧凑省内存，适合用户信息这种多字段小值的场景。
第二，Hash可以单字段更新，比如只改头像URL，不用把整个用户对象序列化一遍再写回去，省IO也省带宽。
第三，String存对象通常用JSON序列化，改一个字段也得整体覆盖，内存碎片多，GC压力大。
底层编码：Hash在小数据量（field-value对<512，value<64字节）时用ziplist，否则转hashtable。String存整数用int，短字符串用embstr（<44字节），长字符串用raw（SDS）。
【面试题】2. RDB和AOF怎么选？混合持久化原理是什么？
【标准答案】 生产环境推荐混合持久化（Redis 4.0+默认开启）。
RDB优点是恢复快，文件小，但缺点是可能丢数据，因为bgsave是定期快照。AOF优点是数据安全，最多丢1秒数据，但缺点是文件大，恢复慢。
混合持久化原理：AOF重写时，先把当前状态用RDB格式写到AOF文件头部，后面的增量命令继续用AOF追加。加载时先读RDB恢复快照，再回放AOF增量。
配置方式：aof-use-rdb-preamble yes。
实际配置建议：主从架构中，主节点开AOF（everysec），从节点可以只开RDB减轻压力。
【面试题】3. 缓存穿透怎么解决？布隆过滤器原理是什么？
【标准答案】 缓存穿透是指查询一个根本不存在的数据，缓存和数据库都没有，请求直接穿透到数据库。
解决方案有三种：
第一种，空值缓存。查不到也缓存，但设短TTL（比如5分钟），避免长期占用内存。
第二种，布隆过滤器。把所有可能存在的key先加载到布隆过滤器，请求来时先过布隆，布隆说不存在就一定不存在，直接返回。
第三种，接口层校验。比如ID必须是正整数，负数直接拦截。
布隆过滤器原理：用一个位图和多个哈希函数，把key映射到位图上。查询时算哈希看位图，全1可能存在，有1个0就一定不存在。缺点是有误判率，但不存在的key一定会被拦截。Redis 4.0+可以用RedisBloom模块。
【面试题】4. Redisson分布式锁的看门狗机制是什么？如何实现可重入？
【标准答案】 看门狗是Redisson的自动续期机制。锁默认30秒过期，业务还没执行完怎么办？Redisson会在后台起一个定时任务，每10秒（过期时间的1/3）检查一下锁还持有没，持有就续期到30秒。
关键代码：RLock lock = redisson.getLock("myLock"); lock.lock(); 不用传时间参数就会启用看门狗。如果传了时间lock.lock(10, TimeUnit.SECONDS)，看门狗就失效，到点就释放。
可重入实现：用Hash结构存锁，key是锁名，field是持有者标识（线程ID），value是重入次数。加锁时value+1，解锁时-1，减到0删key。整个过程用Lua保证原子性。
【面试题】5. 缓存和数据库双写一致性，延迟双删是什么？
【标准答案】 最经典的是Cache Aside模式：读时先读缓存，没有读库再写缓存；写时先更新数据库，再删缓存。为什么是删而不是更新？因为删更简单，避免并发写时数据错乱。
但有个问题：主从延迟场景下，主库写完删缓存，从库还没同步，读请求走从库读到旧数据又写回缓存。这就需要延迟双删：先删缓存，更新数据库，延迟几百毫秒（大于主从延迟）再删一次缓存。
更高级方案：用Canal监听MySQL binlog，异步更新缓存，完全解耦业务代码。
【面试题】6. Redis Cluster为什么用16384个槽？节点间怎么通信？
【标准答案】 16384个槽是空间和成本的平衡。槽太少节点多了分不均，太多心跳包大。每个节点只需要维护自己负责的槽位bitmap，2KB就够了。
槽位分配：CRC16(key) % 16384 计算key属于哪个槽，每个节点负责一部分槽。客户端可以缓存槽位映射，直接路由到正确节点。
节点通信：Gossip协议。每个节点定期（每秒）随机选几个节点交换信息，包括槽位分布、故障检测、新节点加入。好处是去中心化，坏处是有延迟，但秒级传播在大多数场景够用。
故障转移：节点间互相监控，多数节点认为某节点下线（客观下线）后，从节点发起选举，超过半数主节点同意就升级为主节点。
【面试题】7. Redis内存淘汰策略怎么选？LRU和LFU有什么区别？
【标准答案】 先说淘汰策略选型：
volatile-lru：只淘汰设置了过期时间的key，适合缓存场景。allkeys-lru：淘汰所有key中最近最少用的，适合纯缓存无业务数据。volatile-lfu：淘汰访问频率最低的，比LRU更抗突发流量。allkeys-lfu：所有key中淘汰访问频率最低的。volatile-ttl：淘汰快过期的。noeviction：不淘汰，内存满了写入报错，适合有业务数据的场景。
LRU是最近最少使用，LFU是最不经常使用。区别在于：LRU看重最后一次访问时间，LFU看重访问频率。突发大量访问后不再访问的key，LRU会认为它热点，LFU会根据频率衰减慢慢淘汰它。
Redis的LRU/LFU都是近似算法，不是真正维护链表，而是采样一小批（默认5个）淘汰最差的，速度快。
【面试题】8. 缓存雪崩和缓存击穿有什么区别？怎么解决？
【标准答案】 缓存雪崩是大量key同时过期或Redis宕机，请求全打到数据库。解决方案：过期时间加随机数（比如基础时间+随机1-5分钟），多级缓存（本地缓存+Redis），熔断降级（Hystrix/Sentinel），Redis高可用（主从+哨兵）。
缓存击穿是某个超级热点key过期瞬间，大量并发请求穿透到数据库。解决方案：互斥锁（只让一个请求去查库，其他等待），逻辑过期（不设TTL，后台异步更新），热点数据永不过期（配合主动更新）。
区别：雪崩是范围性的，击穿是单key热点。雪崩伤整体，击穿伤单点但压力大。
【面试题】9. Spring Cache的@Cacheable怎么用？condition和unless有什么区别？
【标准答案】 @Cacheable(value = "users", key = "#id")：查库前先查缓存，有就返回，没有执行方法再写缓存。
@CachePut：每次都执行方法，结果写入缓存，适合更新场景。
@CacheEvict：删除缓存，allEntries=true清空整个缓存区。
condition和unless区别：condition在方法执行前判断，决定是否走缓存；unless在方法执行后判断，决定是否写入缓存。
例子：@Cacheable(value = "users", condition = "#id > 0", unless = "#result == null")，ID必须大于0才走缓存，结果为null不写缓存（避免缓存穿透）。
TTL配置：在CacheManager里配，或者用@Cacheable(value = "users#60s")语法（需要自定义CacheResolver支持）。
【面试题】10. Redis限流怎么实现？滑动窗口和令牌桶有什么区别？
【标准答案】 固定窗口：用INCR计数，EXPIRE设过期时间。问题：窗口边界可能突发双倍流量。
滑动窗口：用ZSet存请求时间戳，每请求一次加一个时间戳，用ZREMRANGEBYSCORE删窗口外的，ZCARD计数。精度高但内存大。
令牌桶：固定速率往桶里放令牌，请求来了拿令牌，拿不到就拒绝。适合允许一定突发流量。用Lua脚本原子实现：桶容量、当前令牌数、上次放令牌时间都存Redis，请求来时算应该补充多少令牌，再判断够不够扣。
漏桶：请求排队，固定速率处理，适合保护下游，不允许突发。
Spring Boot集成：用Redisson的RRateLimiter，或自己写Lua脚本+RedisTemplate.execute()。
生产推荐：令牌桶应对正常业务，滑动窗口严格控频防刷接口。
题目统计：共10道题，覆盖数据结构、持久化、缓存实战、分布式锁、集群架构、内存管理、限流算法等核心考点。