Q1: Redis为什么这么快？

Redis速度快主要有四个核心原因。首先是基于内存操作，所有数据都存储在内存中，避免了磁盘I/O的开销，内存读写速度比磁盘快几万倍。其次采用单线程模型，避免了多线程环境下的线程切换和锁竞争带来的性能损耗。再者是优秀的底层数据结构设计，比如哈希表、跳跃表等高效数据结构，保证了各种操作的时间复杂度。最后是采用多路复用I/O模型，通过epoll等机制同时处理多个客户端连接，在等待某个连接的同时可以处理其他连接的请求，大大提升了整体吞吐量。

Q2: Redis都有哪些数据类型，分别适用什么场景？

Redis有五种基本数据类型。String字符串是最基础的类型，适用于缓存用户信息、session存储，还可以存储数字进行计数器操作。List列表是有序可重复的，常用来实现消息队列和存储时间线数据。Hash哈希结构特别适合存储对象信息，比如用户详情、商品信息，还有购物车场景，可以用用户ID作为key，商品ID和数量作为field-value。Set集合保证元素唯一性和无序性，适合去重和实现点赞、关注等功能。Sorted Set有序集合在Set基础上增加了score排序功能，是实现排行榜、热门推荐的最佳选择。

Q3: Sorted Set的底层是怎么实现的？

Sorted Set的底层实现会根据数据量动态选择不同的数据结构。

当数据量较小时，具体是元素个数小于128个且所有元素长度都小于64字节时，会使用压缩列表ziplist存储，这种方式内存占用小，遍历效率高。
![ti

当超过这个阈值时，就会转换为跳跃表skiplist实现。跳跃表是一种概率型数据结构，通过多层索引实现快速查找，平均时间复杂度是O(log n)，最坏情况是O(n)。每个节点维护指向不同层级的指针，查找时从最高层开始，逐层下降，这样既保证了查找效率，又支持范围查询操作。

Q4: 为什么Redis不用B+树而用跳表？

这个问题其实是Redis和MySQL设计理念的差异体现。MySQL使用B+树是因为数据存储在磁盘上，需要考虑磁盘I/O的成本，B+树的设计让叶子节点存储数据，非叶子节点存储索引，每次读取一个磁盘页就能获取一个节点的所有数据，并且叶子节点之间有指针连接，这样能最大限度减少磁盘I/O次数。而Redis的数据完全在内存中，不涉及磁盘I/O，内存访问速度是磁盘的百万倍，这种情况下跳表就更有优势了。跳表的实现比B+树简单很多，而且在内存环境下性能更好，维护成本也更低，所以Redis选择了跳表。

Q5: Redis可以用来做什么？

Redis的应用场景非常广泛。最常见的是作为缓存，将热点数据存储在内存中，减少对后端数据库的访问压力，大幅提升系统性能。还可以作为消息队列使用，利用List的push和pop操作实现简单队列，或者使用发布订阅功能实现更复杂的消息传递，实现系统解耦和异步处理。在分布式系统中，Redis还能实现分布式锁，使用SETNX命令可以保证同一时间只有一个进程获取锁，避免并发修改导致的数据不一致，不过生产环境建议使用Redisson等成熟框架实现可重入锁。另外Redis在计数器、排行榜、分布式会话管理等场景都有很好的应用，比如我之前项目中就用Redis存储AI对话的会话信息，用会话ID作为key，对话内容以JSON格式存储。

Q6: Redis的持久化机制有哪些？

Redis提供了三种持久化方案。RDB快照是将某个时间点的内存数据完整保存到磁盘，文件紧凑，恢复速度快，但可能会丢失最后一次快照后的数据。AOF日志是记录每个写操作命令，数据丢失风险小，文件可读性好，但文件相对较大，恢复速度较慢。Redis 4.0后推出了混合持久化方案，这是目前推荐的方式，它结合了RDB和AOF的优点，在AOF重写时，会把重写那一刻之前的内存以RDB格式写入AOF文件开头，后续的增量数据以AOF格式追加，这样既保证了快速启动，又最大程度减少了数据丢失风险。不过这种方案也有缺点，就是实现复杂度高，需要维护两种格式，AOF文件的可读性也会下降。

Q7: Redis集群了解吗？

Redis提供了三种集群方案。主从复制是最基础的，一个主节点负责写操作，多个从节点负责读操作，通过数据同步保证一致性，主要解决读压力问题。哨兵模式在主从基础上增加了高可用性，哨兵节点监控主从状态，当主节点故障时自动进行故障转移，选举新的主节点。Redis Cluster是官方的分布式解决方案，支持数据自动分片，通过一致性哈希将数据分散到不同节点，每个节点既可以是主节点也可以是从节点，支持横向扩展和故障自动转移，是大规模分布式场景的首选方案。

Q8: 缓存常见问题怎么解决？

缓存使用中主要有三个经典问题。缓存穿透是指请求的数据既不在缓存也不在数据库中，每次请求都会穿透到数据库，解决方案是缓存空值或使用布隆过滤器。缓存击穿是指热点数据过期的瞬间大量请求直接打到数据库，可以通过设置热点数据永不过期或使用互斥锁重建缓存来解决。缓存雪崩是指大量缓存同时过期，解决方案包括设置随机过期时间、使用多级缓存、限流降级等。
另外还有缓存一致性问题，可以通过延时双删、消息队列异步更新等方式来保证缓存和数据库的数据一致性。