工作知识库

Appearance

Spring集成Redis面试题库 ​

生成时间：2026-05-24 20:18

【面试题】1. Redis的ZSet数据结构底层是如何实现的？适合什么场景？ ​

【标准答案】ZSet底层有两种编码方式：元素少时用ziplist（紧凑连续内存），元素多时用skiplist+hashtable组合。skiplist支持O(logN)的有序插入和范围查询，hashtable支持O(1)的成员查找。典型场景：排行榜（游戏积分榜）、延迟队列（时间戳作为score）、带权重的任务调度。Spring Data Redis用opsForZSet().add(key, value, score)操作，取TOP N用reverseRangeWithScores。

【面试题】2. Redis的RDB和AOF有什么区别？生产环境怎么选？ ​

【标准答案】RDB是定时快照，文件小、恢复快，但有数据丢失风险（两次快照间的数据丢失）；AOF是追加写日志，数据更安全但文件大、恢复慢。生产环境推荐混合持久化：RDB做基础备份，AOF记录增量，既保证恢复速度又减少数据丢失。配置aof-use-rdb-preamble yes，AOF重写时先写RDB格式，再追加AOF。如果对数据丢失零容忍，用AOF everysec；如果更关注恢复速度，用RDB+定时备份。

【面试题】3. 什么是缓存穿透？Spring Boot项目中如何解决？ ​

【标准答案】缓存穿透指查询不存在的数据，缓存和数据库都没有，导致每次请求都穿透到数据库。解决方案有两种：①布隆过滤器（Guava或Redisson实现）：启动时加载所有有效key，请求前先判断key可能存在才查库；②空值缓存：查询为空也缓存，设置短TTL（如5分钟）。Spring Boot实现：用@Cacheable(cacheNames="user", unless="#result==null")，空结果不缓存需手动处理；或用Redisson的RBitSet实现布隆过滤器。推荐组合使用，布隆过滤器挡大部分恶意请求，空值缓存兜底。

【面试题】4. Redisson分布式锁的看门狗机制是什么？为什么要这个设计？ ​

【标准答案】看门狗是为了解决锁超时问题。设置锁过期时间太短，业务没执行完锁就释放，可能被其他线程抢占；时间太长，服务宕机锁无法及时释放。看门狗机制：Redisson给锁默认30秒，后台线程每隔10秒（1/3的过期时间）自动续期，业务执行完释放锁。核心代码：RLock lock = redisson.getLock("myLock"); lock.lock();，lock()不传过期时间就启用看门狗。注意：只在加锁机器存活时续期，宕机看门狗也停，锁自动过期释放，避免死锁。

【面试题】5. Spring Cache的@Cacheable注解中condition和unless有什么区别？ ​

【标准答案】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，决定是否缓存结果。典型用法：condition="#id>0"表示只有id>0才查缓存；unless="#result==null"表示结果为null不缓存。两者可以组合：@Cacheable(cacheNames="user", condition="#id>0", unless="#result.status=='INACTIVE'")。注意：condition返回true才执行方法并缓存，false直接执行方法不查缓存也不缓存结果；unless只影响是否缓存，不影响查询缓存和执行方法。

【面试题】6. Redis Cluster的16384个槽位是怎么分配和迁移的？ ​

【标准答案】Cluster把所有key分成16384个槽，每个节点负责一部分槽位。key的槽位计算：CRC16(key) % 16384。客户端连接任一节点，请求的key不在此节点返回MOVED重定向。槽位迁移：用redis-cli reshard命令，迁出节点执行CLUSTER SETSLOT <slot> IMPORTING，迁入节点执行CLUSTER SETSLOT <slot> MIGRATING，迁移过程中用ASK重定向。迁移不影响服务：迁出节点负责迁移期间的所有请求，数据迁移用MIGRATE命令原子性转移。Spring Boot配置：spring.redis.cluster.nodes=node1:6379,node2:6379,node3:6379，Lettuce自动重定向。

【面试题】7. 缓存和数据库双写一致性有哪些方案？各有什么优缺点？ ​

【标准答案】三种主流方案：①Cache Aside（旁路缓存）：读时先查缓存，miss再查库并回填；写时先更新库再删缓存。优点是简单可靠，缺点是有短暂不一致窗口。②Write Through：写时同步更新缓存和数据库，像操作单一存储。优点是强一致，缺点是写性能差。③Write Behind：先写缓存，异步批量写数据库。优点是写性能极高，缺点是有数据丢失风险。生产环境推荐Cache Aside+延迟双删：更新数据库后删缓存，延迟几百毫秒再删一次，防止并发读脏数据。更高要求用Canal监听binlog异步更新缓存，实现最终一致性。

【面试题】8. 用Redis实现接口限流有哪些算法？如何保证原子性？ ​

【标准答案】四种主流算法：①固定窗口：INCR key计数，用EXPIRE设置窗口，简单但有临界突变问题；②滑动窗口：ZSet存储时间戳，ZREMRANGEBYSCORE清理过期记录，ZCARD统计，精确但内存开销大；③令牌桶：Lua脚本实现"获取令牌+判断+扣减"原子操作，允许突发流量；④漏桶：按固定速率处理请求，用ZRANGE按时间戳排序。推荐用Redisson的RRateLimiter，内部用Lua脚本保证原子性，Spring Boot直接注入使用：rateLimiter.tryAcquire(1, 1, TimeUnit.SECONDS)。关键：限流判断必须原子，用Lua或Redisson，不能分开执行多个命令。

【面试题】9. Redis的Stream和Pub/Sub有什么区别？什么场景用Stream？ ​

【标准答案】Pub/Sub是实时广播，消息不持久化，客户端离线就丢失；Stream是持久化消息队列，支持消费者组、消息确认、历史回溯。Stream核心命令：XADD写入、XREADGROUP消费、XACK确认、XPENDING查看未确认消息。适用场景：消息需要可靠投递（如订单处理）、需要消费者组负载均衡、需要回溯历史消息。Spring Data Redis用StreamMessageListenerContainer消费Stream，配置消费者组：StreamOffset.create("mystream", ReadOffset.lastConsumed())。Pub/Sub适合实时推送、缓存失效通知等允许丢失的场景。

【面试题】10. Redis的BigKey问题是什么？如何排查和拆分？ ​

【标准答案】BigKey指单个key的value过大：String超过10KB、集合元素超过5000个、List/Hash/ZSet成员过多。危害：网络带宽占用、主线程阻塞、过期删除耗时长、集群迁移慢。排查方法：用MEMORY USAGE key查看内存占用，用redis-cli --bigkeys扫描，用DEBUG OBJECT key看编码。拆分方案：①String大字段：压缩后分片存储，或转Hash结构；②大集合：按业务维度拆分，如用户关注列表拆成user:follow:1、user:follow:2多个key；③分桶存储：key加上桶编号，如order:202401:01到order:202401:10。预防：设计时控制单个key大小，用Hash代替大String，定期扫描清理。

本轮题目覆盖知识点：

  • ZSet数据结构底层编码与场景选型
  • RDB/AOF持久化原理与生产实践
  • 缓存穿透问题与布隆过滤器实现
  • Redisson分布式锁看门狗机制
  • Spring Cache注解详解
  • Redis Cluster槽位分配与迁移
  • 缓存与数据库双写一致性方案
  • Redis限流算法与原子性保证
  • Stream消息队列与Pub/Sub对比
  • BigKey排查与拆分最佳实践