說說Redis cluster

在redis cluster集群架構中，可以由N個redis master node組成，每個master node都可以掛載多個slave node。
可以自動將數據進行分片，每個master上放一部分數據；
還提供內置的高可用支持，部分master不可用時，還是可以繼續工作的，因為每個master都有salve節點，那么如果mater掛掉，redis cluster這套機制，就會自動將某個slave切換成master；
支持讀寫分離：對于每個master來說，都負責寫請求，寫就寫到master，然后讀就從mater對應的slave去讀；

總結：redis cluster（多master + 讀寫分離 + 高可用）

我們只要基于redis cluster去搭建redis集群即可，不需要再手工去搭建replication復制+主從架構+讀寫分離+哨兵集群+高可用，不需要這樣去搭了。

redis cluster 和 redis replication + sentinal的使用場景是什么

redis replication + Sentinal：redis的一主多從，讀寫分離+哨兵機制

如果數據量很少，主要是承載高并發高性能的場景，比如緩存一般就幾個G的話，單機足夠了。那就搭建主從復制的架構（redis replication），一個mater，多個slave，要幾個slave跟你要求的讀吞吐量有關系，然后自己搭建一個sentinal集群，去保證redis主從架構的高可用性，就可以了。

而redis cluster 主要是針對海量數據+高并發+高可用的場景，如果是海量數據，如果你的數據量很大，那么建議就用redis cluster。

redis cluster是如何實現數據分布的？這種方式有什么優點？

redis cluster有固定的16384個hash slot（哈希槽），對每個key計算CRC16值，然后對16384取模，可以獲取key對應的hash slot。

redis cluster中每個master都會持有部分slot（槽），比如有3個master，那么可能每個master持有5000多個hash slot。

hash slot讓node的增加和移除很簡單，增加一個master，就將其他master的hash slot移動部分過去，減少一個master，就將它的hash slot移動到其他master上去。每次增加或減少master節點都是對16384取模，而不是根據master數量，這樣原本在老的master上的數據不會因master的新增或減少而找不到。并且增加或減少master時redis cluster移動hash slot的成本是非常低的。

redis cluster節點間通信是什么機制？

redis cluster節點間采取gossip協議進行通信，所有節點都持有iFeng元數據，不同的節點如果出現了元數據的變更之后U不斷地i將元數據發送給其他節點讓其他節點進行數據變更。

節點互相之間不斷通信，保持整個集群所有節點的數據是完整的。
主要交換故障信息、節點的增加和移除、hash slot信息等。

這種機制的好處在于，元數據的更新比較分散，不是集中在一個地方，更新請求會陸陸續續，打到所有節點上去更新，有一定的延時，降低了壓力;

缺點，元數據更新有延時，可能導致集群的一些操作會有一些滯后。

如果現在有個讀超高并發的系統，用Redis來抗住大部分讀請求，你會怎么設計？

首先，如果是讀高并發的話，先看讀并發的數量級是多少，因為redis單機的讀QPS在萬級，每秒幾萬沒問題，使用一主多從+哨兵集群的緩存架構來承載每秒10W+的讀并發，主從復制，讀寫分離。使用哨兵集群主要是提高緩存架構的可用性，解決單點故障問題。主庫負責寫，多個從庫負責讀，支持水平擴容，根據讀請求的QPS來決定加多少個redis從實例。如果讀并發繼續增加的話，只需要增加redis從實例就行了。

如果系統現在的業務量上升了，需要緩存1T+的數據，你怎么做？

因為Redis支撐海量數據的瓶頸在于單機容量，所以這個時候我會選擇redis cluster模式，每個主節點存一部分數據，假設一個master存32G，那只需要n*32G>=1T，n個這樣的master節點就可以支持1T+的海量數據的存儲了。

Redis單主的瓶頸不在于讀寫的并發，而在于內存容量，即使是一主多從也是不能解決該問題，因為一主多從架構下，多個slave的數據和master的完全一樣。假如master是10G那slave也只能存10G數據。所以數據量受單主的影響。
而這個時候又需要緩存海量數據，那就必須得有多主了，并且多個主保存的數據還不能一樣。redis官方給出的 redis cluster 模式完美的解決了這個問題。

了解什么是redis的雪崩和穿透嗎？如何應對？

其實這是問到緩存必問的，因為緩存雪崩和穿透，那是緩存最大的兩個問題，要么不出現，一旦出現就是致命性的問題。所以面試官一定會問你。

我先描述下如何出現的緩存雪崩吧。

舉個例子，假設每天高峰期的時候系統每秒請求是5000次，緩存在高峰期可以分擔每秒4000次請求，另外1000次請求落到數據庫（假設數據庫每秒可承擔2000次請求）。如果此時過來5000請求，但是redis因為某些原因掛掉了，緩存整個就不能用了，那么這5000個請求就全部落到數據庫。顯然數據庫扛不住，直接崩潰。此時，如果沒用什么特別的方案來處理這個故障，只是很著急的重啟數據庫，結果因為緩存還沒數據，立馬數據庫又被新的流量給打死了。這就是緩存雪崩。

對于緩存雪崩主要分為事前事中事后，
事前：如果緩存不可用是因為緩存中的大部分數據集中失效，我們可以對緩存的失效時間加上一個隨機值，使失效時間分散一點，盡量避免集中失效。另外如果是因為別的原因redis宕機導致緩存不可用，這時候我們就需要提前做好Redis高可用的架構，如主從+哨兵或redis cluster，來避免Redis出現故障時整個緩存不可用，全盤崩潰。

事中：可以將一小部分數據同樣緩存到本地ehcache（本地緩存組件）緩存，另外加上hystrix限流&降級組件，避免MySQL被打死。

事后：如果真的發生雪崩，我們還可以用redis的RDB或AOF重啟redis快速從磁盤加載緩存數據。這就需要我們提前打開Redis持久化機制，在雪崩發生的事后快速恢復緩存數據，一旦重啟從磁盤中恢復數據到內存。

另外一個問題，緩存穿透，一般是黑客惡意攻擊，或是自己系統出bug。例如黑客惡意偽造請求，這些請求都是數據庫根本查不到的，所以緩存中也沒用，那這些大量的惡意請求都會落到數據庫去查詢，數據庫不就掛了嗎？

解決辦法就是
1、只要從數據庫沒查到，就寫入一個空值到緩存里去。
2、使用布隆過濾器對請求的key進行一層過濾，過濾掉系統認為不存在不合法的key。