面试题答案
一键面试Redis数据结构选型策略
- 关注列表和粉丝列表：使用Redis的
Sorted Set数据结构。- 理由：
Sorted Set可以以用户ID作为成员，添加关注或成为粉丝时，将操作时间戳作为分数。这样既可以保证成员唯一性（不会重复关注或重复成为粉丝），又能按关注/成为粉丝的时间顺序排序。例如，用户A关注用户B，ZADD userA_following 1679040000 B（1679040000为时间戳），获取用户A的关注列表时使用ZRANGE userA_following 0 -1。
- 理由：
- 共同关注的用户：结合
Sorted Set和Set。- 理由：对于每个用户的关注列表使用
Sorted Set，获取共同关注时，可以利用Set的交集操作。先将两个用户的关注列表（Sorted Set）转成Set，然后使用SINTER命令获取交集。例如，获取用户A和用户B的共同关注，先ZUNIONSTORE tempSet1 1 userA_following WITHSCORES，ZUNIONSTORE tempSet2 1 userB_following WITHSCORES，再SINTER tempSet1 tempSet2。
- 理由：对于每个用户的关注列表使用
- 互动次数统计和互动记录：
- 互动次数：使用
Hash数据结构。以用户ID作为键，互动类型（点赞、评论等）作为字段，互动次数作为值。例如，记录用户A对某内容的点赞次数，HINCRBY userA_interaction likes 1。 - 互动记录：使用
Sorted Set。以互动记录的唯一标识作为成员，时间戳作为分数。添加互动记录时，ZADD userA_interaction_records 1679040000 interaction_id，获取按时间排序的互动记录使用ZRANGE userA_interaction_records 0 -1 WITHSCORES。
- 互动次数：使用
数据结构组合使用提高性能
- 关注和粉丝操作优化：在添加关注或成为粉丝时，同时在关注列表和粉丝列表对应的
Sorted Set中进行操作，保证数据一致性。并且可以使用管道（Pipeline）技术，将多个相关命令打包发送，减少网络开销。 - 共同关注查询优化：提前计算并缓存一些常用的共同关注结果，比如热门用户之间的共同关注。可以使用
Lua脚本实现复杂的逻辑，如将关注列表转Set和求交集等操作在服务端原子性执行，减少网络交互。 - 互动统计和记录优化：对于互动次数统计，
Hash结构可以批量操作，如一次增加多种互动类型的次数。对于互动记录，在高并发写入时，可以采用分桶策略，根据时间或用户ID等维度将互动记录分散到不同的Sorted Set中，减少单个数据结构的压力。
Redis配置优化应对高并发
- 内存配置：
- 合理设置最大内存：根据服务器内存情况，使用
maxmemory配置项设置Redis最大使用内存，避免因内存耗尽导致性能问题。可以采用noeviction（不删除任何数据，只返回错误）、allkeys-lru（删除最近最少使用的键）等淘汰策略，根据业务需求选择合适的策略。 - 内存碎片整理：开启内存碎片自动整理，
activedefrag yes，当内存碎片率达到一定阈值时，Redis会自动进行碎片整理，提高内存利用率。
- 合理设置最大内存：根据服务器内存情况，使用
- 网络配置：
- 调整TCP backlog：通过
tcp-backlog配置项增大TCP连接队列长度，避免高并发时新连接被拒绝。例如设置为tcp-backlog 511。 - 优化网络延迟：尽量减少Redis服务器与应用服务器之间的网络跳数，使用高速网络连接。可以调整
tcp-keepalive配置项，设置合适的心跳包发送频率，保持TCP连接的活跃，减少连接中断的可能性。
- 调整TCP backlog：通过
- 持久化配置：
- 选择合适的持久化方式：
RDB适合大规模数据恢复，AOF适合数据安全性要求高的场景。如果对数据恢复速度要求较高且能容忍一定时间内的数据丢失，可以优先使用RDB；如果对数据完整性要求极高，应采用AOF。也可以两者结合使用。 - 优化持久化频率：对于
AOF，可以适当调整appendfsync策略，如使用everysec，每秒进行一次刷盘操作，在保证数据安全性的同时，减少I/O开销对性能的影响。对于RDB，合理设置save配置项的时间和数据量阈值，避免频繁进行RDB快照。
- 选择合适的持久化方式：