面试题答案
一键面试一、数据存储分布
- Redis：
- 缓存热点数据：例如热门商品信息、高频查询的用户简要信息等。这些数据访问频率高，将其存储在Redis中可大大提高读取速度。
- 存储查询结果：对于一些复杂且相对固定的查询结果进行缓存。如按照特定条件组合查询出来的订单列表等。可使用Redis的哈希（Hash）结构来存储查询结果，以查询条件作为键，查询结果作为值。
- MySQL：
- 存储全量数据：用户信息、订单信息、商品信息等所有数据的完整版本都存储在MySQL中。MySQL作为关系型数据库，适合存储结构化数据，并通过表结构来维护数据之间的关联关系，例如通过外键关联用户表、订单表和商品表。
二、读写流程
- 读操作流程：
- 应用程序发起查询请求。
- 首先从Redis中查找数据。如果Redis中存在所需数据，则直接返回给应用程序，这大大缩短了响应时间。
- 如果Redis中没有命中数据，则查询MySQL数据库。从MySQL获取数据后，一方面将数据返回给应用程序，另一方面将该数据写入Redis缓存，以便后续相同查询可以直接从Redis获取。
- 写操作流程：
- 应用程序发起写请求。
- 首先更新MySQL数据库，确保数据的持久性和一致性。
- 然后更新Redis缓存，使缓存数据与数据库保持一致。更新Redis时，可根据数据的特点选择合适的操作，如更新商品信息时，若使用哈希结构存储商品信息，可直接使用哈希更新操作。
三、保证数据一致性
- 读写顺序控制：写操作先更新MySQL，再更新Redis，确保数据库是最新的数据来源。读操作先查Redis，未命中再查MySQL，这样能保证从缓存读取的数据也是相对最新的。
- 缓存失效策略：为Redis中的缓存数据设置合理的过期时间。对于变化频繁的数据，设置较短的过期时间，如热门商品的库存信息；对于相对稳定的数据，设置较长的过期时间，如用户的基本注册信息。当缓存过期后，下次查询会从MySQL获取最新数据并重新缓存。
- 异步更新：在高并发场景下，为避免写操作对性能的影响，可以采用异步方式更新Redis。例如使用消息队列（如Kafka），将写操作的消息发送到队列中，由专门的消费者从队列中取出消息，先更新MySQL，再更新Redis。这样可以将写操作的压力分散，提高系统的整体性能。
四、保证查询高效性
- 索引优化：在MySQL中，针对常用的查询条件创建适当的索引。如在订单表中，根据订单状态、下单时间等经常用于查询的字段创建索引，以加快查询速度。
- Redis数据结构选择：根据数据特点选择合适的Redis数据结构。如用户信息可使用哈希结构存储，便于快速获取和更新单个字段；对于有序的查询结果，可使用有序集合（Sorted Set）来存储，方便按照特定顺序进行查询。
- 批量操作：在Redis中，尽量使用批量操作命令，如MGET、MSET等，减少与Redis的交互次数，提高查询效率。对于MySQL查询，也可使用批量查询语句，一次性获取多个相关数据。
五、面对数据量剧增和高并发请求时的扩展性
- Redis扩展性：
- 主从复制：通过主从复制机制，将主Redis的数据复制到多个从Redis节点。主节点负责写操作，从节点负责读操作，这样可以分担读请求压力，提高系统的读性能。同时，从节点还可以作为主节点的备份，提高系统的可用性。
- 集群部署：采用Redis Cluster模式，将数据分布在多个Redis节点上，每个节点负责一部分数据的存储和读写。这种方式可以根据数据量和请求量动态扩展节点数量，提高系统的存储和处理能力。
- MySQL扩展性：
- 分库分表：当数据量剧增时，可采用分库分表策略。水平分库是将不同业务的数据划分到不同的数据库中，垂直分表是将一个表中的不同字段拆分到多个表中。例如，将用户信息表按照用户ID范围进行水平拆分，将订单表中的大字段（如订单详情描述）拆分到单独的表中进行垂直拆分。这样可以降低单个数据库和表的负载，提高查询性能。
- 读写分离：通过MySQL主从复制实现读写分离，主库负责写操作，从库负责读操作。可以根据读请求的压力增加从库的数量，提高读性能。同时，为了保证数据一致性，可采用半同步复制等机制，确保从库的数据与主库尽可能实时同步。
- 整体架构扩展性：
- 负载均衡：在应用层前端部署负载均衡器（如Nginx），将高并发请求均匀分配到多个应用服务器上，避免单个应用服务器过载。同时，负载均衡器还可以对请求进行过滤和缓存，进一步提高系统的性能。
- 微服务架构：将复杂的业务逻辑拆分成多个微服务，每个微服务负责独立的业务功能，如用户服务、订单服务、商品服务等。这样可以根据不同业务的需求独立扩展相应的微服务，提高系统的整体扩展性和灵活性。