什么是缓存穿透，怎么解决

缓存穿透是指查询一个一定不存在的数据，导致每次请求都到DB查询，可能导致DB异常，大概率是遭到攻击，可以使用布隆过滤器来解决。

布隆过滤器

布隆过滤器用于检索一个元素是否在一个集合中，可以使用redisson实现，原理是通过多次hash计算将key映射到一个位数组（以位为单位存储信息。每个位只能存储0或1两种状态）中，如果一个元素对应的所有位都是1，那么它可能存在于集合中；但如果任何一个位是0，就可以肯定这个元素不在集合中。
当然这种方法有一定的误报率，非常适合于那些可以容忍偶尔误报的场景，因为与此带来的高效查询相比，这是可以接受的。

什么是缓存击穿，怎么解决

缓存击穿是指对于设置了过期时间的key，缓存在过期时，恰好有大量对这个key的请求过来，请求发现缓存过期就会从DB加载，这些请求可能会导致DB异常。
可以通过锁解决

使用SETNX设置一个互斥锁。
判断是否设置成功：
如果设置成功，说明当前没有其他请求在加载数据，那么这个请求就负责加载数据（load db）。
如果设置失败，说明已经有其他请求在加载数据了，当前请求则可以等待一小段时间后重试获取缓存。
完成数据加载后：
将数据回设到缓存中。
释放锁，让其他请求可以获取到最新的缓存数据。

互斥锁和分布式锁

都是通过某种形式的SETNX命令来实现，但它们的概念和使用场合有所不同：
**互斥锁（Mutex Lock）**通常用于确保某个时间点只有一个进程或线程可以执行某个代码段。
**分布式锁（Distributed Lock）**是用于在分布式系统中防止多个进程同时访问某个共享资源。
**排他锁（Exclusive Locks）**或写锁在读写锁的上下文中使用，是一种特别的锁，用于写操作。提及排他锁时，我们往往是在讨论读写锁的一部分，它和另一种锁——共享锁或读锁——共同作用，以维持数据的完整性。
互斥锁和排他锁在概念上是相似的

什么是缓存雪崩，怎么解决

缓存雪崩指的是缓存使用了相同的过期时间，导致在某一时刻同时失效，请求全部转到DB，可能导致DB异常。
在原有失效时间增加随机值，分散失效时间

Redis作为缓存，mysql如何与redis进行同步呢？（双写一致）

一致性要求高

结合业务，车辆登录状态同步，（看车辆点火时间）时效性比较高，使用读写锁保证一致性
采用redisson的读写锁，读的时候添加共享锁，不影响并发读取；更新时添加排他锁，保证写操作的独占性。
非常适合读多写少的场景，需要注意的是，无论是读还是写操作，都应该使用同一把锁（例如，如果有一个锁对象叫做myLock，那么所有尝试读的线程都应该通过这个myLock获取共享锁（读锁），而所有尝试写的线程则应该通过相同的myLock获取排他锁（写锁））

排他锁底层

setnx

允许延迟一致

延时双删

并不能绝对保证数据的强一致性
**写数据库：**首先，将新的数据写入数据库。
**删除缓存：**然后，立即删除缓存中的旧数据。
**延时：**等待一段时间（延时），这个时间足够长以确保所有从库里携带了旧数据的请求都完成，
**再次删除缓存：**在延时之后，再次删除缓存，以处理在延时期间，新的读请求将旧的数据又写回缓存的情况。
（再次删除后，缓存再次被写入就一定是新数据了，不在乎延时期间的请求是新是旧）

优化

综上所述，延迟双删延时期间的数据很不稳定，延迟时间不好确定，所以可以使用异步读写锁的情况，数据被修改时，通过rabbitmq异步实现数据同步

Redis数据持久化怎么做的

redis提供了两种持久化方式

RDB是一个快照文件，把redis数据写到磁盘，宕机后从快照恢复
AOF是追加文件，redis写命令时，存储到文件，宕机后再执行一遍命令

RDB对比AOF

RDB是二进制文件，体积小，恢复快，但是可能会丢数据
AOF虽然慢，但是丢数据风险小，可以设置刷盘策略，每秒批量写入一次命令

Reids的过期策略

惰性删除：设置过期时间后，需要时检查是否过期，过期删除，反之返回key
定期删除：每隔一段时间，删除过期key

Redis的清理策略是定期清理和惰性删除两者并存

Redis的淘汰策略

当 Redis 的内存使用超过设定的 maxmemory 时，就回采取一些策略来清理数据，释放内存，这些策略就被称为淘汰策略。具体有以下几种：

noeviction： 达到最大内存后，不会主动淘汰数据，所有写入操作（包括del、set等）都将返回错误信息。
allkeys-lru：从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰。
volatile-lru：从已设过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰。
allkeys-random：随机移除某个 key。
volatile-random：从已设过期时间的数据集(server.db[i].expires)中任意选择数据淘汰。
volatile-ttl：根据键值对的剩余生存时间移除(越早过期，越先被移除)。

其中 “volatile” 的策略会尝试只淘汰已经设置了过期时间的键，而 “allkeys” 则会在所有键上进行淘汰。
默认的淘汰策略是 noeviction，并且默认不设定最大内存(maxmemory)，这意味着默认配置下 Redis 几乎不会进行内存的淘汰操作，当内存不足时，新的写入会失败。所以，根据应用场景的不同，需要我们去合理设置淘汰策略，以实现不同的业务需求。

数据库有1000万数据 ,Redis只能缓存20w数据, 如何保证Redis中的数据都是热点数据 ?

可以使用 allkeys-lru （挑选最近最少使用的数据淘汰）淘汰策略，那留下来的都是经常访问的热点数据

内存用完了会发生什么

根据淘汰策略，默认情况下直接报错
allkeys-lru会把最常访问的数据留在缓存

分布式锁如何实现

redis提供了setnx命令，只有在关键词不存在的情况下才设置值。

如何控制分布式锁有效时间

redisson

单纯依赖setnx不好控制，采用redisson实现，redisson默认开启看门狗，设置30秒超时，每隔10秒自动检测，增加到30秒，直到锁释放
或者直接指定超时时间，指定超时事件后看门狗默认失效

lua

if redis.call("setnx", KEYS[1], ARGV[1]) == 1 thenreturn redis.call("expire", KEYS[1], ARGV[2])
elsereturn 0
end

setnx 功能用于尝试获取锁，如果锁不存在（也就是还没有被其他客户端获取），那么设置锁并返回 1。如果锁已经存在，那么不做任何操作并返回 0。如果成功获取到锁，然后立即使用 expire 命令设置锁的有效时间。

redisson实现的分布式锁是可重入的吗？

在 Redisson 中，RLock 对象实现了 java.util.concurrent.locks.Lock 接口，因此它具有可重入的特性。这意味着同一个线程可以多次获取同一个锁，而不会被自己阻塞住。
每次当同一个线程再次获得同一把锁时，重入次数会增加；反过来，当释放锁时，重入次数则会减少。只有当重入次数减少到 0 时，该锁才真正被释放，其他线程才有机会获得该锁。
这种可重入的特性使得我们在使用 Redisson 的分布式锁时，可以像使用 Java 中的 synchronized 关键字或 ReentrantLock 锁一样，避免了死锁的发生，使得编程模型更为简洁和安全。
但是需要注意的是，虽然 RLock 支持可重入，但是在分布式环境中，由于网络等原因，可能会出现一些不可预见的情况。因此在实际使用过程中，可能还需要结合其他手段，如设置合理的锁超时时间，以防止死锁的发生。

参考

新版Java面试专题视频教程，java八股文面试全套真题+深度详解（含大厂高频面试真题）（https://www.bilibili.com/video/BV1yT411H7YK）