面试题答案
一键面试系统架构角度
- 主从架构与读写分离：
- 配置主从架构，主节点负责写操作，从节点负责读操作。这样可以将读压力分散到多个从节点，减少主节点的负担，间接有利于内存碎片管理。因为主节点专注写操作，在处理内存分配和释放时，相对不会被读操作频繁打断，能更高效地管理内存。
- 对于读多写少的场景，这种架构可显著提升系统整体性能，从节点数量可根据读请求量动态调整。
- 集群架构：
- 采用Redis Cluster，将数据分布在多个节点上。通过哈希槽（hash slot）的方式，将数据均匀分配到各个节点，避免单个节点内存压力过大。每个节点只负责一部分数据的存储和管理，在一定程度上缓解内存碎片问题。
- 当业务增长时，可方便地通过添加节点来扩展集群，重新分配哈希槽，实现动态水平扩展，维持系统的高效运行。
- 分层架构：
- 引入多级缓存，如在Redis之前增加一层本地缓存（如Guava Cache）。对于一些经常访问且变动不频繁的数据，优先从本地缓存读取，减少对Redis的请求。只有在本地缓存未命中时，才访问Redis。这样能降低Redis的读写频率，减少内存分配和释放操作，从而减少内存碎片产生。
- 同时，可以在Redis之后添加持久化存储（如数据库），对于不要求实时性的数据，先写入Redis，再异步持久化到数据库。当Redis内存不足时，可淘汰部分数据，从数据库重新加载，保证系统数据的完整性。
配置参数调整角度
- maxmemory与maxmemory - policy：
- 设置合适的
maxmemory值，根据服务器实际内存情况和业务数据量预估，限制Redis使用的最大内存。避免Redis无限制占用内存导致系统内存不足，影响其他进程运行。 - 合理选择
maxmemory - policy策略。例如，对于读多写少且数据时效性要求高的场景，可选择volatile - ttl策略，优先淘汰设置了过期时间且即将过期的数据；对于一般性业务，allkeys - lru策略（淘汰最近最少使用的键）较为常用，它能有效利用内存空间，减少内存碎片产生。
- 设置合适的
- active - defrag：
- 开启
active - defrag功能，该功能会在Redis运行时主动进行内存碎片整理。通过配置active - defrag - threshold - lz（内存碎片占用内存达到此比例时开始整理）和active - defrag - threshold - hz（内存碎片占用内存达到更高比例时加大整理力度）等参数，控制碎片整理的时机和力度。 - 注意在开启该功能时，要平衡整理碎片对CPU的消耗和内存优化的效果。可根据业务低峰期适当提高整理力度，高峰期降低整理力度，避免影响业务正常运行。
- 开启
- hz参数：
hz参数控制Redis内部的定时任务频率。适当提高hz值（默认10），可使Redis更频繁地执行内存管理任务，如释放已删除键的内存等，有助于减少内存碎片的积累。但过高的hz值会增加CPU开销，需根据服务器CPU性能和业务负载进行调整。
数据操作优化角度
- 数据结构优化：
- 选择合适的数据结构。例如，对于存储大量相似结构的数据，使用哈希表（Hash）比使用多个字符串更节省内存空间。因为哈希表在内存中以紧凑的方式存储键值对，减少了内存碎片化。
- 对于有序集合（Sorted Set），如果不需要严格的排序功能，可考虑使用普通集合（Set），避免因维护排序索引而额外占用内存。
- 批量操作：
- 使用批量操作命令，如
MSET、MGET等。这样可以减少网络交互次数，同时在Redis内部，批量操作相对单个操作能更高效地分配和管理内存，减少内存碎片产生。例如，一次性设置多个键值对，Redis可以一次性分配连续的内存空间存储这些数据。
- 使用批量操作命令，如
- 数据淘汰与过期策略：
- 合理设置数据的过期时间，对于时效性强的数据，及时设置过期时间，让Redis自动淘汰过期数据，释放内存空间。避免无效数据长期占用内存，加剧内存碎片问题。
- 在代码层面，定期检查和删除不再使用的数据，例如通过定时任务，调用
DEL命令删除业务中不再需要的键值对，主动释放内存。
- 键值设计：
- 设计键名时，尽量保持简洁且有规律。避免过长或无规律的键名，因为过长的键名会占用更多内存，并且在查找和删除时效率较低。同样，值的大小也应尽量控制在合理范围内，避免大值的频繁存储和删除，导致内存碎片增多。