面试题：Redis Rehash高级难度问题

可能出现的问题影响系统稳定性

性能下降：
- rehash过程中，Redis需要分配新的哈希表空间，并将旧表数据迁移到新表，这会消耗额外的CPU和内存资源，导致系统响应时间变长，在高并发读写场景下，读写性能会显著下降。
- 例如，原本可以在1ms内完成的读操作，可能会因为rehash的资源占用而延长到10ms甚至更久。
内存问题：
- 在rehash期间，新旧哈希表会同时存在，这会导致内存使用量暂时增加。如果系统内存紧张，可能会触发操作系统的内存交换（swap），进一步严重影响系统性能。
- 比如，系统内存接近上限，rehash导致内存瞬间超过上限，触发swap，使得系统整体变得卡顿。
数据一致性问题：
- 在高并发读写时，数据在rehash迁移过程中，可能会出现读操作从旧表读取数据，而写操作已经更新到新表的情况，导致数据不一致。
- 例如，客户端先读取一个旧值，然后另一个客户端更新了该值到新表，第一个客户端再写入时，可能基于旧值进行操作，造成数据不一致。

通过配置或代码层面的优化来降低这些影响

配置层面：
- 调整哈希表扩容阈值：可以通过配置hash-max-ziplist-entries和hash-max-ziplist-value等参数来调整哈希表的扩容策略。适当增大这些值，可以减少哈希表频繁扩容（rehash）的次数。例如，在Redis配置文件中，将hash-max-ziplist-entries从默认的512适当增大到1024，这样在哈希表元素数量增长到1024之前不会触发扩容。
- 开启渐进式rehash：Redis默认采用渐进式rehash，通过server.hz参数控制每秒执行的rehash次数。适当调整server.hz值，例如从默认的10适当增大到20，可以加快rehash速度，但同时也会增加CPU负载。要根据系统的CPU资源情况合理调整，在redis.conf文件中修改hz参数值即可。
代码层面：
- 客户端重试机制：在客户端代码中实现重试机制。当因为rehash导致读写操作失败（如超时等情况）时，客户端可以进行重试。例如，在Java中使用Jedis客户端，可以通过如下代码实现简单重试：

Jedis jedis = new Jedis("localhost");
int retryCount = 3;
for (int i = 0; i < retryCount; i++) {
    try {
        jedis.set("key", "value");
        break;
    } catch (JedisConnectionException e) {
        if (i == retryCount - 1) {
            throw e;
        }
    }
}

读写分离：在代码层面实现读写分离逻辑，将读操作尽量分配到旧表（在渐进式rehash期间），写操作分配到新表，减少数据不一致的可能性。可以通过维护一个标志位来判断当前操作应该指向新表还是旧表，例如：

import redis

redis_client = redis.StrictRedis(host='localhost', port=6379, db=0)
is_rehash_finished = False

def read(key):
    if is_rehash_finished:
        return redis_client.get(key)
    else:
        # 这里可以实现从旧表读取逻辑（假设可以直接访问旧表，实际可能需要更复杂逻辑）
        pass

def write(key, value):
    redis_client.set(key, value)
    if not is_rehash_finished:
        # 这里可以实现同步更新旧表逻辑（假设可以直接访问旧表，实际可能需要更复杂逻辑）
        pass

星途面试题库

面试题：Redis Rehash高级难度问题

知识考点

面试题答案

可能出现的问题影响系统稳定性

通过配置或代码层面的优化来降低这些影响