Java开发之Redis核心内容【面试篇 完结版】

文章目录

  • 前言
  • 一、redis使用场景
    • 1. 知识分布
    • 2. 缓存穿透
      • ① 问题引入
      • ② 举例说明
      • ③ 解决方案
      • ④ 实战面试
    • 3. 缓存击穿
      • ① 问题引入
      • ② 举例说明
      • ③ 解决方案
      • ④ 实战面试
    • 4. 缓存雪崩
      • ① 问题引入
      • ② 举例说明
      • ③ 解决方案
      • ④ 实战面试
    • 5. 缓存-双写一致性
      • ① 问题引入
      • ② 举例说明
      • ③ 解决方案
      • ④ 实战面试
    • 6. 缓存-持久化
      • ① 问题引入
      • ② Redis持久化-RDB(数据备份文件)
      • ③ Redis持久化-AOF(追加文件)
      • ④ RDB与AOF对比
      • ⑤ 实战面试
    • 7. 缓存-数据过期策略
      • ① 问题引入
      • ② Redis数据删除策略-惰性删除
      • ③ Redis数据删除策略-定期删除
      • ④ Redis的数据过期策略总结
      • ⑤ 实战面试
    • 8. 缓存-数据淘汰策略
      • ① 问题引入
      • ② 选择删除的Key-8种策略
      • ③ 其他面试问题
      • ④ 数据淘汰策略总结
      • ⑤ 实战面试
  • 二、Redis分布式锁
    • 1. 使用场景
      • ① 问题引入
      • ② 举例说明-抢卷场景
    • 2. 实现原理(setnx、redisson)
      • ① setnx实现分布式锁
      • ② redisson实现分布式锁
    • 3. 分布式锁总结
      • ① 问题总结
      • ② 实战面试
  • 三、Redis的其他面试问题
    • 1. 主从复制(高并发)
      • ① 问题引入
      • ② 主从数据同步原理
      • ③ 问题总结
      • ④ 实战面试
    • 2. 哨兵模式(髙可用)
      • ① 哨兵的作用
      • ② 服务状态监控
      • ③ Redis集群(哨兵模式)脑裂
      • ④ 问题总结
      • ⑤ 实战面试
    • 3. 分片集群(海量数据存储)
      • ① 问题引入
      • ② 分片集群结构
      • ③ 分片集群的数据读写
      • ④ 问题总结
      • ⑤ 实战面试
    • 4. Redis单线程
      • ① 问题引入
      • ② 用户空间与内核空间
      • ③ 阻塞IO与非阻塞IO
      • ④ IO多路复用
      • ⑤ Redis网络模型
      • ⑥ 问题总结
      • ⑦ 实战面试
  • 引用声明


前言

本文主要记录redis的缓存穿透、缓存击穿、缓存雪崩、双写一致性、持久化、数据过期策略、数据淘汰策略、分布式锁等问题的分析与面试回答示例。


提示:以下是本篇文章正文内容,下面案例可供参考

一、redis使用场景

1. 知识分布

()
在这里插入图片描述

在这里插入图片描述

2. 缓存穿透

① 问题引入

在这里插入图片描述

② 举例说明

一个get请求路径:api/news/getById/1
从数据库中查询到了数据并加载到redis缓存,直接查询redis中的数据,查询到了就返回结果,否则查数据库,具体流程如下:
在这里插入图片描述
缓存穿透:查询一个不存在的数据,mysql查询不到数据也不会直接写入缓存,就会导致每次请求都查数据库,给数据库增加压力。

③ 解决方案

方案一:缓存空数据,查询返回的数据为空,仍把这个空结果进行缓存
优点:简单
缺点:消耗内存,可能数据库数据已经修改,但是redis中还是之前的空数据

方案二:布隆过滤器,拦截不存在的数据
优点:内存占用较少,没有多余的key
缺点:实现复杂,存在误判
在这里插入图片描述
补充:
在添加数据到数据库时,也需要添加到redis、布隆过滤器中
布隆过滤器依赖bitmap(位图):一个以(bit)位为单位的数组,只能存储二进制(0、1)

布隆过滤器的作用:用于检索一个元素是否在一个集合中。
比如添加一个id=1的数据,经过哈希函数计算,将0改为1,表示存在数据。
在这里插入图片描述
当id=1和id=2都存在,但是id=3不存在,经过hash函数计算得到的结果是存在,这就是误判。
误判率:数组越小误判率就越大,数组越大误判率就越小,但是同时带了了更多的内存消耗。
在这里插入图片描述
布隆过滤器的实现中我们可以控制误判率(5%之内)
在这里插入图片描述

④ 实战面试

在这里插入图片描述

3. 缓存击穿

① 问题引入

在这里插入图片描述

② 举例说明

缓存击穿: 当某一个热门的key设置了过期时间,当key过期的时候,恰好这个时间点对这个key有大量的并发请求过来,redis缓存重建的过程比较慢,这些并发请求可能会瞬间把数据库压垮。
在这里插入图片描述

③ 解决方案

**方案一:**互斥锁
优点:数据强一致
缺点:性能查
补充:当线程1在缓存的过程中,其他线程只能等待;当线程1把数据缓存成功,其他的线程就可以获取到数据

在这里插入图片描述

方案二: 逻辑过期
优点:高可用,保证查询效率
缺点:不能保证数据绝对一致
补充:当线程2没有将最新数据加入到缓存之前,所有的线程获取的都是过期数据,当线程2将数据更新完成后,所有的线程获取到最新数据。
在这里插入图片描述

④ 实战面试

在这里插入图片描述

4. 缓存雪崩

① 问题引入

在这里插入图片描述

② 举例说明

缓存雪崩: 是指在同一时段大量的缓存key同时失效或者Redis服务宕机导致大量请求到达数据库,带来巨大压力。
在这里插入图片描述

③ 解决方案

方案一:
情况:大量的缓存key同时失效
方法:给不同的key设置不同的过期时间,在原有的时间基础上再加一个随机时间值;
方案二:
情况:大量的缓存key同时失效
方法:给业务添加多级缓存;
方案三:
情况:Redis服务宕机
方法:利用Redis集群提高服务的可用性,比如哨兵模式、集群模式。
方案四:
情况:降级作为系统保底策略,适用于穿透、击穿、雪崩
方法:给缓存业务添加降级限流策略,比如nginx或者springcloud gateway

④ 实战面试

在这里插入图片描述

5. 缓存-双写一致性

① 问题引入

② 举例说明

双写一致性: 当修改了数据库的数据也要同时更新缓存的数据,缓存和数据库的数据要保持一致。
读操作:缓存命中,直接返回;缓存未命中查询数据库,写入缓存,设定超时时间。
在这里插入图片描述
写操作:延迟双删
在这里插入图片描述

  1. 先删除缓存还是先删除数据库?
    情况一:先删除缓存,再操作数据库,可能会出现脏数据
    在这里插入图片描述
    情况二:先操作数据库,再删除缓存,也可能会出现脏数据
    在这里插入图片描述
  2. 为什么要删除两次缓存?
    降低脏数据的出现
  3. 为什么要延时删除?
    数据库是主从分离的,延时把同步数据,也可能出现脏数据

③ 解决方案

方案一: 分布式锁
优点:保证强一致性
缺点:性能低
在这里插入图片描述
方案二: 共享锁与排他锁(优化版)
优点:保证数据强一致性
共享锁:读锁readLock,加锁之后,其他线程可以共享读操作
在这里插入图片描述
排他锁:独占锁writeLock也叫,加锁之后,阻塞其他线程读写操作
在这里插入图片描述
方案三: MQ异步通知
优点:保证数据的一致性
在这里插入图片描述
方案四: Canal异步通知
在这里插入图片描述

④ 实战面试

分为两种情况进行回答,主要是业务需要是属于一致性要求高、延迟一致性
在这里插入图片描述
情况一:强一致性
在这里插入图片描述
情况二:延迟一致
在这里插入图片描述

6. 缓存-持久化

① 问题引入

在这里插入图片描述
在Redis中提供了两种数据持久化的方式:1、RDB 2、AOF

② Redis持久化-RDB(数据备份文件)

RDB全称Redis Database Backup file (Redis数据备份文件),也被叫做Redis数据快照。简单来说就是把内存中的所有数据都记录到磁盘中。当Redis实例故障重启后,从磁盘读取快照文件,恢复数据。
主动备份 (进入redis客户端)
在这里插入图片描述
自动备份(触发条件)
Redis内部有触发RDB的机制,可以在redis.conf文件中找到,格式如下:
在这里插入图片描述
RDB的执行原理: bgsave开始时会fork主进程得到子进程,子进程共享主进程的内存数据。完成fork后读取内存数据并写入RDB 文件。
fork采用的是copy-on-write技术:
· 当主进程执行读操作时,访问共享内存;
· 当主进程执行写操作时,则会拷贝一份数据,执行写操作。
在这里插入图片描述

③ Redis持久化-AOF(追加文件)

AOF全称为Append Only File(追加文件)。Redis处理的每一个写命令都会记录在AOF文件,可以看做是命令日志文件。
在这里插入图片描述

AOF默认是关闭的,需要修改redis.conf配置文件来开启AOF,格式如下:
在这里插入图片描述AOF的命令记录的频率也可以通过redis.conf文件来配:
在这里插入图片描述
因为是记录命令,AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作,但只有最后一次与操作才有意义。通过执行bgrewriteaof命令,可以让AOF文件执行重写功能,用最少的命令达到相同效果。
例如:同时对num进行两次操作,重写文件
,
自动触发重写:Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置:
在这里插入图片描述

④ RDB与AOF对比

RDB和AOF各有自己的优缺点,如果对数据安全性要求较高,在实际开发中往往会结合两者来使用。
在这里插入图片描述

⑤ 实战面试

在这里插入图片描述

7. 缓存-数据过期策略

① 问题引入

在这里插入图片描述
Redis对数据设置数据的有效时间,数据过期以后,就需要将数据从内存中删除掉。可以按照不同的规则进行删除,这种删除规则就被称之为数据的删除策略(数据过期策略)。
有两种删除方式:惰性删除、定期删除
Redis的过期删除策略:惰性删除+定期删除两种策略进行配合使用

② Redis数据删除策略-惰性删除

惰性删除:设置该key过期时间后,我们不去管它,当需要该key时, 我们在检查其是否过期,如果过期,我们就删掉它,反之返回该key
优点:对CPU友好,只会在使用该key时才会进行过期检查,对于很多用不到的key不用浪费时间进行过期检查
缺点:对内存不友好,如果一个key已经过期, 但是一直没有使用, 那么该key就会一直存在内存中, 内存永远不会释放

在这里插入图片描述

③ Redis数据删除策略-定期删除

定期删除:每隔一段时间,,我们就对一些key进行检查 ,删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查,并删除其中的过期key)。
定期清理有两种模式:
SLOW模式是定时任务,执行频率默认为10hz,每次不超过25ms,以通过修改配置文件redis.conf的hz选项来调
整这个次数
FAST模式执行频率不固定,但两次间隔不低于2ms,每次耗时不超过1ms
优点:可以通过限制删除操作执行的时长和频率来减少删除操作对CPU的影响。另外定期删除,也能有效释放过期键占用的内存。
缺点:难以确定删除操作执行的时长和频率。

④ Redis的数据过期策略总结

惰性删除:访问key的时候判断是否过期,如果过期,则删除
定期删除:定期检查一定量的key是否过期( SLOW模式+ FAST模式)
Redis的过期删除策略:惰性删除+定期删除两种策略进行配合使用

⑤ 实战面试

在这里插入图片描述

8. 缓存-数据淘汰策略

① 问题引入

在这里插入图片描述
这个问题主要是想知道redis的-数据淘汰策略
数据的淘汰策略:当Redis中的内存不够用时, 此时在向Redis中添加新的key,那么Redis就会按照某一种规则将内存中的数据删除掉,这种数据的删除规则被称之为内存的淘汰策略

② 选择删除的Key-8种策略

  1. noeviction:不淘汰任何key,但是内存满时不允许写入新数据,默认就是这种策略
  2. volatile-ttl:对设置了TTL的key,比较key的剩余TTL值,TTL越小越先被淘汰(TTL过期时间)
  3. allkeys-random:对全体key,随机进行淘汰。
  4. volatile-random:对设置了TTL的key,随机进行淘汰。
  5. alkeys-lru:对全体key,基于LRU算法进行淘汰
  6. volatile-Iru: 对设置了TTL的key,基于LRU算法进行淘汰
  7. allkeys-lfu:对全体key,基于LFU算法进行淘汰
  8. volatile-lfu:对设置了TTL的key,基于LFU算法进行淘汰

补充LRU和LFU:
LRU (Least Recently Used)最近最少使用。用当前时间减去最后一次访问时间,这个值越大则淘汰优先级越高。(例如:key1是在3s之前访问的, key2是在9s之前访问的,删除的就是key2)
LFU (Least Frequently Used))最少频率使用。会统计每个key的访问频率,值越小淘汰优先级越高。(例如:key1最近5s访问了4次, key2最近5s访问了9次,删除的就是key1)

推荐使用:
1 . 优先使用 allkeys-lru策略。充分利用LRU算法的优势,把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分,建议使用。
2.如果业务中数据访问频率差别不大,没有明显冷热数据区分,建议使用allkeys-random,随机选择淘汰。
3.如果业务中有置顶的需求,可以使用volatile-lru 策略,同时置顶数据不设置过期时间,这些数据就一直不被删除,会淘汰其他设置过期时间的数据。
4.如果业务中有短时高频访问的数据,可以使用allkeys-lfu或volatile-lfu策略。

③ 其他面试问题

1.数据库有1000万数据,Redis只能缓存20万数据,如何保证Redis中的数据都是热点数据?
回答:使用allkeys-Iru(挑选最近最少使用的数据淘汰)淘汰策略,留下来的都是经常访问的热点数据

2 . Redis的内存用完了会发生什么?
提示:主要看数据淘汰策略是什么?如果是默认的配置( noeviction ),会直接报错

④ 数据淘汰策略总结

  1. Redis提供了8种不同的数据淘汰策略,默认是noeviction不删除任何数据,内存不足直接报错
  2. LRU:最少最近使用。用当前时间减去最后一次访问时间,这个值越大则淘汰
    优先级越高。
  3. LFU:最少频率使用。会统计每个key的访问频率,值越小淘汰优先级越高

注意:平时开发过程中用的比较多的就是allkeys-Iru(结合自己的业务场景)

⑤ 实战面试

在这里插入图片描述

二、Redis分布式锁

1. 使用场景

① 问题引入

在这里插入图片描述
分布式锁使用的场景:集群情况下的定时任务、抢单、幂等性场景(需要结合项目中的业务进行回答)

② 举例说明-抢卷场景

系统获取优惠劵数量,然后判断是否还有优惠劵,还有剩余就自减,没有就返回异常。
在这里插入图片描述
两个线程同时去查询并且剩余优惠卷只有1张就会出现问题,如:线程1和线程2查询到的剩余量都是剩余1张优惠劵,然后线程1先进行自减,此时优惠劵的剩余量是0张,但是线程2是在这之前就查询到的剩余1张的信息,线程2就会继续执行自减,此时就会出现异常。
在这里插入图片描述
解决方法一:加互斥锁(单台服务器)
这种方式虽然可以解决上面这个问题,但是没办法支撑更多的并发请求,只适用于单台服务器。
在这里插入图片描述
解决方法二:分布式锁(集群)
服务集群部署:
在这里插入图片描述
在线程1有锁的情况下,所有的线程都需要等待,如下图所示:

在这里插入图片描述

2. 实现原理(setnx、redisson)

① setnx实现分布式锁

Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在,则SET)的简写。
在这里插入图片描述

补充:如果不设置过期时间可能会导致死锁问题(服务器宕机无法正常释放锁,那么设置过期时间可以解决这个问题)
在这里插入图片描述
有两种方案:根据业务执行时间预估、给锁续期

② redisson实现分布式锁

线程1持有锁,线程2不断循环尝试加锁,如果线程1一直没有释放锁,线程2循环到一定的次数就会直接结束,线程2获取锁失败。
等待机制在高并发的情况下可以增加分布式锁的使用性能。
在这里插入图片描述
lua保证命令执行的原子性:可以调用redis命令,保证多条命令执行的原子性。

在这里插入图片描述
三个重点:

  1. watch dog可以给锁续期
  2. 抢不到锁的线程会进行尝试等待
  3. 所有的redis命令是基于lua脚本完成的,保证执行的原子性

redisson实现的分布式锁-可重入:
同一个线程可以重入,比如在add1方法中调用了add2方法
在这里插入图片描述
redisson实现的分布式锁-主从一致性
主节点:负责写入数据(增删改)
从节点:负责读取数据(查)
在这里插入图片描述
如果主节点宕机,通过redis的哨兵模式在剩下的子节点中选出主节点,但这样也出现了新的问题,两个线程同时持有一把锁。用红锁可以解决。
在这里插入图片描述
RedLock(红锁):不能只在一个redis实例上创建锁,应该是在多个redis实例上创建锁(n/ 2+1),避免在一个redis实例上加锁。
在这里插入图片描述
补充:在项目中不推荐采用红锁,因为实现复杂、性能差、运维繁琐,需要提供多个独立的redis节点。
解决主从可以使用zookeeper

3. 分布式锁总结

① 问题总结

在这里插入图片描述
回答:
先按照自己简历上的业务进行描述分布式锁使用的场景(比如抢劵系统)
我们当使用的redisson实现的分布式锁,底层是setnxlua脚本(保证原子性)

在这里插入图片描述
回答:在redisson的分布式锁中,提供了一个WatchDog(看门狗),一个线程获取锁成功以后,WatchDog会给持有锁的线程续期(默认是每隔10秒续期一次)
在这里插入图片描述
回答:可以重入,多个锁重入需要判断是否是当前线程,在redis中进行存储的时候使用的hash结构,来存储线程信息和重入的次数。
在这里插入图片描述
回答:不能解决,但是可以使用redisson提供的红锁来解决,但是这样的话,性能就大低了,如果业务中非要保证数据的强一致性,建议采用zookeeper实现的分布式锁。

② 实战面试

在这里插入图片描述

三、Redis的其他面试问题

在这里插入图片描述
在Redis中提供的集群方案总共有三种:
1.主从复制
2.哨兵模式
3.分片集群

1.redis主从数据同步的流程是什么?
2.怎么保证redis的高并发高可用?
3.你们使用redis是单点还是集群,哪种集群?
4.Redis分片集群中数据是怎么存储和读取的?
5.Redis集群脑裂,该怎么解决呢?

1. 主从复制(高并发)

① 问题引入

单节点Redis的并发能力是有上限的,要进一步提高Redis的并发能力,就需要搭建主从集群,实现读写分离,增强并发能力。在这里插入图片描述在这里插入图片描述

② 主从数据同步原理

主从全量同步:
Replication ld:简称replid,是数据集的标记,id一致则说明是同一数据集。每一个master都有唯一的replid,slave则会继承master节点的replid;
offset:偏移量,随着记录在repl baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset,如果slave的offset小于master的offset,说明slave数据落后于master,需要更新。
在这里插入图片描述

思考问题:

  1. 主节点master如何判断从节点slave是第一次同步?
    回答:主节点与拿取从节点的replid,对比是否一致,不一致则是第一次同步;
  2. 主节点与从节点同步数据时,如何做到不多不少正好是从节点需要的那部分数据呢?
    第一次同步数据则会生成RDB文件,不是第一次同步数据就会根据偏移量来获取缺少的部分
    在这里插入图片描述

主从增量同步:slave重启或后期数据变化
从节点发送replid和offset给主节点

③ 问题总结

在这里插入图片描述
回答:单节点Redis的并发能力是有上限的,要进一步提高Redis的并发能力,就需要搭建主从集群,实现读与分离。一般都是一主多从,主节点负责写数据,从节点负责读数据
在这里插入图片描述
回答:
全量同步:
1.从节点请求主节点同步数据(replication id、 offset )
2.主节点判断是否是第一次请求,是第一次就与从节点同步版本信息(replication id和offset)
3.主节点执行bgsave,生成rdb文件后,发送给从节点去执行
4.在rdb生成执行期间,主节点会以命令的方式记录到缓冲区(一个日志文件)
5.把生成之后的命令日志文件发送给从节点进行同步
增量同步:
1.从节点请求主节点同步数据,主节点判断不是第一次请求,不是第一次就获取从节点的offset值
2.主节点从命令日志中获取offset值之后的数据,发送给从节点进行数据同步

④ 实战面试

2. 哨兵模式(髙可用)

Redis提供了哨兵(Sentinel)机制来实现主从集群的自动故障恢复(保证redis主从的高可用)。

① 哨兵的作用

哨兵的结构和作用如下:
监控:Sentinel会不断检查您的master和slave
是否按预期工作
自动故障恢复:如果master故障,Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主
通知: Sentinel充当Redis客户端的服务发现来源,当集群发生故障转移时,会将最新信息推送给Redis的客户端
在这里插入图片描述

② 服务状态监控

Sentinel基于心跳机制监测服务状态,每隔1秒向集群的每个实例发送ping命令:
主观下线:如果某sentinel节点发现某实例未在规定时间响应,则认为该实例主观下线。
客观下线:若超过指定数量(quorum)的sentinel都认为该实例主观下线,则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。

哨兵选主规则
● 首先判断主与从节点断开时间长短,如超过指定值就排该从节点
● 然后判断从节点的slave-priority值,越优先级越
如果slave-prority-样,则判断slave节点的offset值,越大优先级越高
● 最后是判断slave节点的运行id大小,越小优先级越高。
在这里插入图片描述

③ Redis集群(哨兵模式)脑裂

脑裂:主节点和从节点处于不同的网络分区,就会出现两个master
在这里插入图片描述
此时客户端是连接的之前的主节点,当网络恢复了就会把之前的主节点降级为子节点,那么后面新增加的数据就会被清空掉。
在这里插入图片描述
解决脑裂问题,通过redis中有两个配置参数:
1.min-replicas-to-write 1表示最少的salve节点为1个
2.min-replicas-max-lag 5表示数据复制和同步的延迟不能超过5秒

④ 问题总结

redis是作为缓存使用的,不适用存储海量数据,适合存储热点数据,redis单节点的写操作并发8万,读操作并发10万。
在这里插入图片描述
解决:我们可以修改redis的配置,可以设置最少的从节点数量以及缩短主从数据同步的延迟时间,达不到要求就拒绝请求就可以避免大量的数据丢失。

⑤ 实战面试

在这里插入图片描述

3. 分片集群(海量数据存储)

① 问题引入

主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决:
● 海量数据存储问题
● 高并发写的问题

② 分片集群结构

使用分片集群可以解决上述问题,分片集群特征:
● 集群中有多个master,每个master保存不同数据
● 每个master都可以有多个slave节点
● master之间通过ping监测彼此健康状态
● 客户端请求可以访问集群任意节点,最终都会被转发到正确节点
在这里插入图片描述

③ 分片集群的数据读写

Redis分片集群引入了哈希槽的概念,Redis 集群有16384个哈希槽,每个key通过CRC16校验后对16384取模来
决定放置哪个槽,集群的每个节点负责一部分hash槽。
在这里插入图片描述

④ 问题总结

在这里插入图片描述

⑤ 实战面试

在这里插入图片描述

4. Redis单线程

① 问题引入

在这里插入图片描述
● Redis是纯内存操作, 执行速度非常快
● 采用单线程,避免不必要的上下文切换可竞争条件,多线程还要考虑线程安全问题
● 使用I/O多路复用模型, 非阻塞IO
在这里插入图片描述
Redis是纯内存操作,执行速度非常快,它的性能瓶颈是网络延迟而不是执行速度,I/O多路复 用模型主要就是实现了高效的网络请求
● 用户空间和内核空间
● 常见的IO模型
   ➢ 阻塞IO (Blocking I0)
   ➢ 非阻塞IO (Nonblocking I0)
   ➢ I0多路复用(IO Multiplexing)
●Redis网络模型

② 用户空间与内核空间

● Linux系统中一 -个进程使用的内存情况划分两部分:内核空间用户空间
用户空间只能执行受限的命令(Ring3) ,而且不能直接调用系统资源
必须通过内核提供的接口来访问
内核空间可以执行特权命令(Ring0) ,调用一-切系统资源在这里插入图片描述

Linux系统为了提高IO效率,会在用户空间和内核空间都加入缓冲区:
● 写数据时,要把用户缓冲数据拷贝到内核缓冲区,然后写入设备
● 读数据时, 要从设备读取数据到内核缓冲区,然后拷贝到用户缓冲区

③ 阻塞IO与非阻塞IO

阻塞IO就是两个阶段都必须阻塞等待:

阶段一:
1.用户进程尝试读取数据 (比如网卡数据)
2.此时数据尚未到达,内核需要等待数据
3.此时用户进程也处于阻塞状态

阶段二:
1.数据到达并拷贝到内核缓冲区,代表已就绪
2.将内核数据拷贝到用户缓冲区
3.拷贝过程中,用户进程依然阻塞等待
4.拷贝完成,用户进程解除阻塞,处理数据

阻塞IO模型中,用户进程在两个阶段都是阻塞状态
在这里插入图片描述

非阻塞IO的recvfrom操作会立即返回结果而不是阻塞用户进程。

阶段一:
1.用户进程尝试读取数据(比如网卡数据)
2.此时数据尚未到达,内核需要等待数据
3.返回异常给用户进程
4.用户进程拿到error后,再次尝试读取
5.循环往复,直到数据就绪

阶段二:
将内核数据拷贝到用户缓冲区
拷贝过程中,用户进程依然阻塞等待
拷贝完成,用户进程解除阻塞,处理数据

可以看到,非阻塞IO模型中,用户进程在第一个阶段是非阻塞,第二个阶段是阻塞状态。虽然是非阻塞,但性能并没有得到提高。而且忙等机制会导致CPU空转,CPU使用率暴增

在这里插入图片描述

④ IO多路复用

IO多路复用:是利用单个线程来同时监听多个Socket(客户端的连接),并在某个Socket可读、可写时得到通知,从而避免无效的等待,充分利用CPU资源。

阶段一:
1.用户进程调用select,指定要监听的Socket集合
2.内核监听对应的多个socket
3.任意一个或多个socket数据就绪则返回readable
4.此过程中用户进程阻塞

阶段二:
1.用户进程找到就绪的socket
2.依次调用recvfrom读取数据
3.内核将数据拷贝到用户空间
4.用户进程处理数据

在这里插入图片描述
IO多路复用(Linux系统)是利用单个线程来同时监听多个Socket,并在某个Socket可读、可写时得到通知,从而避免无效的等待,充分利用CPU资源。不过监听Socket的方式、通知的方式又有多种实现,常见的有:
select、poll、epoll

差异:
1.select和poll只会通知用户进程有Socket就绪,但不确定具体是哪个Socket,需要用户进程逐个遍历Socket来确认
2.epoll则会在通知用户进程Socket就绪的同时,把已就绪的Socket写入用户空间

点餐案例(select、poll ):每个顾客可以通过自己的开关进行点灯,灯亮的时候服务员就去一个一个去询问,确定是谁点灯
点餐案例(epoll ):每个顾客可以控制服务员的计算机,客户按下按钮,计算器中显示几号桌就绪
在这里插入图片描述

⑤ Redis网络模型

Redis通过IO多路复用来提高网络性能,并且支持各种不同的多路复用实现,并且将这些实现进行封装,提供了统一的高性能事件库
在这里插入图片描述
redis的网络模型=IO多路复用+事件派发,对应不同的事件给不同的处理器。

⑥ 问题总结

在这里插入图片描述

⑦ 实战面试

在这里插入图片描述

引用声明

文章内容来源:https://www.bilibili.com/video/BV1yT411H7YK?p=7&spm_id_from=pageDriver&vd_source=98092b0aee05ae7c890b09fe07f13df4

https://www.bilibili.com/video/BV1cr4y1671t/?spm_id_from=333.337.search-card.all.click

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/127256.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

动态规划之子数组系列

子数组系列 1. 环形⼦数组的最⼤和2. 乘积最大子数组3. 等差数列划分4. 最长湍流子数组5. 单词拆分6. 环绕字符串中唯⼀的子字符串 1. 环形⼦数组的最⼤和 1.题目链接:环形⼦数组的最⼤和 2.题目描述:给定一个长度为 n 的环形整数数组 nums &#xff0c…

(其他) 剑指 Offer 67. 把字符串转换成整数 ——【Leetcode每日一题】

❓ 剑指 Offer 67. 把字符串转换成整数 难度:中等 写一个函数 StrToInt,实现把字符串转换成整数这个功能。不能使用 atoi 或者其他类似的库函数。 首先,该函数会根据需要丢弃无用的开头空格字符,直到寻找到第一个非空格的字符为…

STM32初学-外部RTC时钟芯片DS3231

RTC(Real_Time Clock)即实时时钟,它是电子产品中不可或缺的东西。其最直接的作用就是时钟功能。细心的朋友可以发现,当我们的电脑或者手机没联网时,仍然可以正常显示日期与时钟,这就是RTC的功劳。 RTC的运行无需网络连接&#xff…

JavaScript设计模式(三)——单例模式、装饰器模式、适配器模式

个人简介 👀个人主页: 前端杂货铺 🙋‍♂️学习方向: 主攻前端方向,正逐渐往全干发展 📃个人状态: 研发工程师,现效力于中国工业软件事业 🚀人生格言: 积跬步…

MySQL——日志

日志的作用 1.用来排错 2.用来做数据分析 3.了解程序的运行情况,是否健康--》了解MySQL的性能,运行情况 分类 mysql很多有类型的日志,按照组件划分的话,可以分为 服务层日志 和 存储引擎层日志 : - 服务层…

java包装类简单认识泛型

1 包装类 在 Java 中,由于基本类型不是继承自 Object ,为了在泛型代码中可以支持基本类型, Java 给每个基本类型都对应了一个包装 类型。类中比如由属性/方法 使用比较方便 1.1 基本数据类型和对应的包装类 1.2 装箱和拆箱 装包/装箱 : …

分布式版本控制工具——git

✅<1>主页&#xff1a;&#xff1a;我的代码爱吃辣 &#x1f4c3;<2>知识讲解&#xff1a;Linux——git ☂️<3>开发环境&#xff1a;Centos7 &#x1f4ac;<4>前言&#xff1a;git是一个开源的分布式版本控制系统&#xff0c;可以有效、高速地处理从很…

学习笔记——树上哈希

普通子树哈希 树上的很多东西都是转化成链上问题的&#xff0c;比如树上哈希 树上哈希&#xff0c;主要是用于树的同构这个东西上的 什么是树的同构&#xff1f; 如图&#xff0c;不考虑节点编号&#xff0c;三棵树是同构的 将树转化成链&#xff0c;一般有两种方式&#xf…

JS防抖和节流在前端开发中的应用场景

聚沙成塔每天进步一点点 ⭐ 专栏简介⭐ 防抖&#xff08;Debouncing&#xff09;⭐ 节流&#xff08;Throttling&#xff09;⭐ 写在最后 ⭐ 专栏简介 前端入门之旅&#xff1a;探索Web开发的奇妙世界 记得点击上方或者右侧链接订阅本专栏哦 几何带你启航前端之旅 欢迎来到前端…

KT142C-sop16语音芯片ic内置320Kbyte_USB更新内置空间详细说明

KT142C内置的是320K的空间&#xff0c;但是实际的大小&#xff0c;在电脑里面显示&#xff0c;应该是315Kbyte。 打开我的电脑&#xff0c;芯片连接PC之后&#xff0c;自动多出来了一个U盘&#xff0c;如下图所示&#xff1a; 这里的空间只有315KB &#xff0c;因为文件系统占…

猫头虎的技术笔记:Spring Boot启动报错解决方案

&#x1f337;&#x1f341; 博主猫头虎&#xff08;&#x1f405;&#x1f43e;&#xff09;带您 Go to New World✨&#x1f341; &#x1f984; 博客首页——&#x1f405;&#x1f43e;猫头虎的博客&#x1f390; &#x1f433; 《面试题大全专栏》 &#x1f995; 文章图文…

Java项目基于SpringBoot藏区特产销售系统,可作为毕业设计

博主介绍&#xff1a;✌程序员徐师兄、7年大厂程序员经历。全网粉丝30W,Csdn博客专家、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 今天为大家带来的是基于 Java SpringBootVue 的藏区特产销售系统 文章目录 1. 简介2.主要技术3 功能分析4 系…

【2023高教社杯】B题 多波束测线问题 问题分析、数学模型及参考文献

【2023高教社杯】B题 多波束测线问题 问题分析、数学模型及参考文献 1 题目 1.1 问题背景 多波束测深系统是利用声波在水中的传播特性来测量水体深度的技术&#xff0c;是在单波束测深的基础上发展起来的&#xff0c;该系统在与航迹垂直的平面内一次能发射出数十个乃至上百个…

Redis集群3.2.11离线安装详细版本(使用Ruby)

1.安装软件准备 1.Redis版本下载 Index of /releases/http://download.redis.io/releases/ 1.2gcc环境准备 GCC(GNU Compiler Collection,GNU编译器套件)是一套用于编译程序代码的开源编译器工具集。它的主要用途是将高级编程语言(如C、C++、Fortran等)编写的源代码转换…

SEO百度优化基础知识全解析(了解百度SEO标签作用)

百度SEO优化的作用介绍&#xff1a; 百度SEO优化是指通过对网站的内部结构、外部链接、内容质量、用户体验等方面进行优化&#xff0c;提升网站在百度搜索结果中的排名&#xff0c;从而提高网站的曝光率和流量。通过百度SEO优化&#xff0c;可以让更多的潜在用户找到你的网站&…

软件设计模式(二):工厂、门面、调停者和装饰器模式

前言 在这篇文章中&#xff0c;荔枝将会梳理软件设计模式中的四种&#xff1a;工厂模式、Facade模式、Mediator模式和装饰器Decorator模式。其中比较重要的就是工厂模式和装饰器模式&#xff0c;工厂模式在开发中使用的频数比较高。希望荔枝的这篇文章能讲清楚哈哈哈哈&#xf…

【STM32】文件系统FATFS与Flash的初步使用

文件系统简介 简介可以不看&#xff0c;直接看移植步骤 文件系统是介于应用层和底层间的模糊层。底层提供API&#xff0c;比如说使用SDIO或者SPI等读写一个字节。文件系统把这些API组合包装起来&#xff0c;并且提供一些列函数&#xff0c;我们可以使用这些函数进行更进一步的…

分享一个python基于数据可视化的智慧社区服务平台源码

&#x1f495;&#x1f495;作者&#xff1a;计算机源码社 &#x1f495;&#x1f495;个人简介&#xff1a;本人七年开发经验&#xff0c;擅长Java、Python、PHP、.NET、Node.js、微信小程序、爬虫、大数据等&#xff0c;大家有这一块的问题可以一起交流&#xff01; &#x1…

MySQL数据类型

目录 MySQL数据类型 数据类型分类 数值类型 tinyint类型 bit类型 float类型 decimal类型 字符串类型 char类型 varchar类型 char和varchar比较 时间日期类型 enum和set类型 MySQL数据类型 数据类型的作用&#xff1a; 决定了存储数据时应该开辟的空间大小。决定…

CocosCreator3.8研究笔记(十二)CocosCreator 字体资源理解

Cocos Creator 常用的字体资源有三种&#xff1a;系统字体、动态字体、位图字体。 一、系统字体 系统字体是调用运行平台自带的系统字体来渲染文字&#xff0c;不需要用户在项目中添加任何相关资源。 使用系统字体&#xff0c; Label 组件 Use System Font 属性需要勾选。 Fo…