面试题一：有序集合在日常工作中的使用场景有哪些？

有序集合在工作中的应用场景有很多，例如“

排行榜：可以将用户的得分作为有序集合的分支，用户的ID作为成员，通过有序集合的排名功能可以得到用户的排名信息。例如：

zadd hot 1e aid 1 99 aid 2 95 aid 3 9 aid 4

用户关注集合：可以将用户的关注数作为有序集合的分值，用户ID作为成员，通过分值的排序可以得到关注数最多的用户。例如：

zadd user_1_friends 17 zhangsan 18 lisi

商品价格排序：可以将商品价格作为有序集合的分值，商品ID作为成员，通过有序集合的排序功能可以得到价格从高到低的商品列表

zadd prize 10 apple 20 banana

面试题二：使用Redis实现分布式锁存在什么问题？如何解决这些问题？

默认情况，使用setnx lock true实现分布式锁会存在以下问题：

1. 死锁问题：setnx如果未设置过期时间，并且锁忘记删除或加锁线程当即都会导致死锁，也就是分布式锁一直被占用的情况
2. 锁误删问题：setnx设置了过期时间，达到了过期时间，锁被其他线程占用，但是上一次线程又进行unlock操作，导致解锁别人的锁
3. 不可重入问题：也就是说同一个线程在已经获取某个锁的情况下，如果再次请求获取该锁，则会请求失败（因为只有第一次加锁会成功）。也就是说，一个线程不能对自己持有的锁进行重复锁定
4. 无法自动续期：线程持有锁的时间到了，但任务未完成，锁会因为超时自动释放。setnx无法根据任务执行情况，设置新的超时时间，以延长锁的时间

解决方法：

解决死锁问题：设置超时时间

set lock true ex 10 nx

解决锁误删问题：锁误删可以通过将锁标识存储到 Redis 中来解决，删除之前先判断锁归属(也就是将线程 id 存储到分布式的value 值内，删除之前先判断锁 value 值是否等于当前线程 id)，如果属于你的锁再删除，否则不删除就可以，这就解决了锁误删的问题

通用解决方案：以上问题有一个通用的解决方案，那就是使用 Redisson 架来实现 Redis 分布式锁，这样可以解决死锁问题，也可以解决锁误删、不可重入和无法自动续期的问题了

面试题三：说一下什么是Redisson？使用它如何实现分布式锁？它实现的分布式锁有什么优点？

Redisson 是一个在 Redis 的基础上实现的 Java 驻内存数据网格客户端（In-Memory Data Grid）。它不仅提供了一系列的 redis 常用数据结构命令服务，还提供了许多分布式服务，例如分布式锁、分布式对象、分布式集合、分布式远程服务、分布式调度任务服务等等。

使用 Redisson 实现分布式锁的步骤如下：

1. 获取需要加锁的资源：`RLock lock = redisson.getLock("lockKey");`
2. 加锁，并且设置锁过期时间，防止死锁的产生：`lock.lock();`
3. 执行具体业务逻辑
4. 释放锁：`lock.unlock();`

Redisson 实现的分布式锁有以下优点：

1. 多个 redis 操作乱脚本整体提交，保证性能同时，保证整体原子性。
2. 看门狗自动延续锁生命周期，防止未处理完锁过期问题，但是同时造成了阻塞，甚至锁死。
3. 提供了使用 Redis 的最简单和最便捷的方法，使得使用者能够将精力更集中地放在处理业务逻辑上。
4. 在分布式锁的基础上还提供了联锁（MultiLock），读写锁（ReadWriteLock），公平锁（Fair Lock），红锁（RedLock），信号量（Semaphore），可过期性信号量（PermitExpirableSemaphore）和闭锁（CountDownLatch）等，这些都是实际当中对多线程高并发应用至关重要的基本部件。
5. 通过实现基于 Redis 的高阶应用方案，使 Redisson 成为构建分布式系统的重要工具。
    

面试题四：说一下Redisson中的看门狗机制？

Redisson 中的看门狗机制是一种自动延长锁有效期的机制。当一个线程获取了一个锁，但是还没有执行完毕，看门狗会自动帮助线程延长锁的超时时间，防止锁因为超时而被释放 

具体来说，Redisson 的看门狗机制工作流程如下： 

•  当一个线程成功获取锁后，如果没有指定锁的租赁时间（lease time），那么看门狗会启动一个定时任务，每隔 lockWatchdogTimeout / 3 的时间，就会自动将锁的有效期延长到 lockWatchdogTimeout。 

• 如果线程在执行过程中一直没有释放锁，那么看门狗会一直帮助线程续期，直到线程执行完毕并释放锁。 

• 如果线程在获取锁时指定了租赁时间，那么看门狗就不会启动，锁会在租赁时间结束后自动释放。  

这种机制可以有效防止因线程执行时间过长而导致的锁提前释放，同时也避免了因线程突然宕机导致的死锁。默认情况下，看门狗的续期时间是 30 秒，但是可以通过修改 Config.lockWatchdogTimeout 来另行指定

面试题五：什么是RedLock吗？它有什么优缺点？推荐使用RedLock吗？为什么？

RedLock 是一种基于 Redis 实现的分布式锁算法。它的主要优点和缺点，以及是否推荐使用，如下： 

优点： 

1. 互斥性：在任何时候，只能有一个客户端能够持有

2. 避免死锁：当客户端拿到锁后，即使客户端崩溃或者因为其他原因无法释放锁，锁也会因为设置了失效时间而自动被释放

3. 高可靠性：相比于普通的基于单个 Redis 实例的分布式锁，RedLock 算法在多个 Redis 实例之间实现分布式锁，从而提高了锁的可靠性

缺点： 

1. 时钟偏移：RedLock 算法依赖于各个 Redis 节点的系统时钟是准确同步的，如果节点之间的时钟存在较大的偏移，可能导致锁的获取和释放出现问题

2. 资源需求：需要部署多台 Redis 机器

3. 极端情况下的问题：在极端情况下，可能会出现两个线程同时获得锁的情况

关于是否推荐使用 RedLock，这取决于具体的使用场景。RedLock 提供了一种在多个 Redis 实例之间实现分布式锁的可靠方法。然而，如果你的应用不需要一个高度可靠的分布式锁，或者你的 Redis 环境只有一个实例，那么使用 RedLock 可能就没有必要了。此外，还需要考虑到 RedLock 的资源需求和可能的时钟偏移问题。总的来说，如果你的应用需要一个高度可靠的分布式锁，并且你能够管理多个 Redis 实例，那么 RedLock 是一个值得考虑的选项。但是，有一些观点认为 Redisson 的 RedLock 实现并不推荐使用，因此在选择使用 RedLock 之前，建议详细研究其可能的问题和限制

面试题六：什么是布隆过滤器？它有什么特点？说一下它的底层实现原理？

布隆过滤器（Bloom Filter）是一种数据结构，它实际上是由一个很长的二进制向量（位数组）和一系列随机映射函数（哈希函数）组成

特点：
高效地插入和查询：布隆过滤器的增加和查询元素的时间复杂度为O(K)，其中K为哈希函数的个数
占用内存小：布隆过滤器的空间复杂度为O(m)，不会随着元素增加而增加
有一定的误识别率：布隆过滤器返回的结果是概率性的，而不是非常准确的理论情况下添加到集合中的元素越多，误报的可能性就越大
删除困难：存放在布隆过滤器的数据不容易删除

底层实现原理：
当一个元素加入布隆过滤器中的时候，会使用布隆过滤器中的哈希函数对元素值进行计算，得到哈希值（有几个哈希函数得到几个哈希值）。根据得到的哈希值，在位数组中把对应下标的值置为1

当我们需要判断一个元素是否存在于布隆过滤器的时候，会进行如下操作：对给定元素再次进行相同的哈希计算；得到值之后判断位数组中的每个元素是否都为1，如果值都为1，那么说明这个值在布隆过滤器中，如果存在一个值不为1，说明该元素不在布隆过滤器中

布隆过滤器的底层实现原理是基于位数组和哈希函数的，因此，它的底层实现原理也可以看作是位数组和哈希函数的应用
 

面试题七：在Redis中如何实现布隆过滤器？

在 Redis 中实现布隆过滤器主要有以下两种方式： 

1. 使用 Bitmaps：Redis 提供了一套 Bitmaps 命令，可以用来操作位数组，这是布隆过滤器的基础。例如，setbit 命令可以用来设置位数组中的某一位，getbit 命令可以用来获取位数组中的某一位，bitcount 命令可以用来获取位数组中值为 1 的位的个数

2. 使用 Redisson：Redisson 是一个在 Java 程序中操作 Redis 的库，它提供了布隆过滤器的实现。例如，可以使用 redisson.getBloomFilter("filterName") 来获取一个布隆过滤器

具体的实现步骤如下： 

• 首先，需要在 Redis 中创建一个位数组，这可以通过 Redis 的 setbit 命令来实现

• 然后，当需要添加一个元素到布隆过滤器时，可以通过多个哈希函数，将元素哈希到位数组的不同位置，然后将这些位置的值设置为 1

• 当需要查询一个元素是否存在于布隆过滤器时，可以通过相同的哈希函数，将元素哈希到位数组的相同位置，然后检查这些位置的值是否都为 1。如果都为 1，则认为元素可能存在于布隆过滤器；如果有任何一个位置的值为 0，则认为元素一定不存在于布隆过滤器

面试题八：除了Redis还有其他实现布隆过滤器的手段吗？它们和Redis有什么区别？

除了Redis，还有其他一些方法可以实现布隆过滤器： 

1. 使用Bitmaps：Bitmaps是一种可以用来操作位数组的数据结构，这是布隆过滤器的基础。例如，setbit命令可以用来设置位数组中的某一位，getbit命令可以用来获取位数组中的某一位，bitcount命令可以用来获取位数组中值为1的位的个数

2. 使用Java库Redisson：Redisson是一个在Java程序中操作Redis的库，它提供了布隆过滤器的实现。例如，可以使用redisson.getBloomFilter("filterName")来获取一个布隆过滤器 

3. 使用Guava库：Guava是Google提供的一个Java库，它也提供了布隆过滤器的实现 

这些方法和Redis实现布隆过滤器的主要区别在于底层实现和使用的技术栈。例如，Redis使用的是内存数据存储和处理，而Guava则是在Java应用程序的JVM内存中实现布隆过滤器。此外，Redis提供的布隆过滤器可以在分布式环境中使用，而Guava提供的布隆过滤器则主要用于单机环境

面试题九：Redis中存储的数据会丢失吗？为什么？

Redis存储的数据不会丢失，保证数据不丢失的手段主要有以下两个

• 持久化:持久化是指将内存中的数据保存到硬盘上，以防止在服务器重启、宕机等意外情况下导致数据丢失由于 Redis 是一个基于内存的数据库系统，默认情况下所有的数据都存储在内存中，这意味着一旦服务进程终止或硬件故障，内存中的所有数据都将消失。而 Redis 提供了 3 种持久化的手段，以保证 Redis 可以将内存中的数据保存到磁盘上，这样无论是服务器重启，还是宕机，掉电等问题，Redis 的数据都不会丢失
• 多机部署:多机部署是指在多个独立的服务器或虚拟机上部署和运行 Redis 服务实例，以实现数据几余、高可2 .用性、可扩展性和负载均衡等目标。Redis 多机运行部署的实现总共有三种:主从模式、哨兵模式和集群模式

面试题十：Redis会怎么处理过期之后的键值对？它为什么要这样设计？

Redis 中过期的键值对不会立即删除，而是使用以下手段来删除过期键的
惰性删除(Lazy Expire): Redis 不会主动地、周期性地检查和除所有过期的键。惰性删除是指在 Redis 访问某个键值时，才会检查该键是否已经过期，如果已过期，则返回 NULL，并同时删除它
定期删除(Periodic Expire): 每隔一段时间检查一次数据库，随机删除一些过期键。定期删除在2redis.conf 配置文件中配置，如下图所示:

hz 等于 10 表示每秒钟删除 10 次，也就是每 100 毫秒执行一次定期删除

之所以要采用这两种方式来删除是为了保证清除过期数据，不影响 Redis 整体的执行效率