罗罗编程学习记录
本页内容 展开查看

05.5.1.3 过期删除、内存淘汰与缓存一致性

所属:全栈开发面试题库 / 05 数据库与存储 / 05.5 NoSQL 与专用存储 / 05.5.1 Redis 与 KV 存储

覆盖范围

  • 过期机制:惰性删除 + 定期采样删除
  • 内存淘汰:8 种策略、近似 LRU/LFU、策略选择
  • 缓存一致性:Cache Aside、延迟双删、并发脏读窗口、binlog 异步失效
  • TTL 抖动、逻辑过期、内存碎片、异步删除与失败兜底

高频题速览

编号 题目 难度 频率
05.5.1.3-002 惰性删除 基础 ★★★★☆
05.5.1.3-003 定期采样删除 进阶 ★★★★☆
05.5.1.3-004 8 种淘汰策略 进阶 ★★★★★
05.5.1.3-005 近似 LRU 高级 ★★★★☆
05.5.1.3-009 Cache Aside 双写 进阶 ★★★★★
05.5.1.3-010 延迟双删 进阶 ★★★★☆
05.5.1.3-011 并发脏读窗口 高级 ★★★★☆
05.5.1.3-012 binlog 异步失效 高级 ★★★☆☆

两条删除线

过期删除:key 已到 TTL,从 Redis 移除(惰性 + 定期)
内存淘汰:内存达 maxmemory,按策略淘汰未过期/已过期 key(防止 OOM)
缓存一致性:DB 与缓存双写时序,控制脏读窗口,最终一致

05.5.1.3-001 给 key 设置过期有哪些命令?

频率 ★★☆☆☆ | 难度 基础

一句话结论

EXPIRE/PEXPIRE 设秒/毫秒 TTL,EXPIREAT/PEXPIREAT 设截止时间戳,TTL/PTTL 查剩余,PERSIST 移除过期。

概念解释

  • 相对时间:EXPIRE key 60。
  • 绝对时间:EXPIREAT key <unix秒>。
  • 查询:TTL 秒、PTTL 毫秒;-1 无过期,-2 不存在。

原理流程

SET → EXPIRE 写入过期字典 → 到期由删除机制清理

代码 / 命令

redis-cli SET session:1 "x" EX 60
redis-cli TTL session:1
redis-cli PTTL session:1
redis-cli PERSIST session:1

常见误区

  • 误区:SET 覆盖会保留旧 TTL。正解:不带 EX/PX 的 SET 会清除过期设置。
  • 误区:EXPIRE 0 立即删除。正解:按版本语义核对,通常用 DEL/UNLINK 显式删除。

追问

  • 问:INCR 会重置 TTL 吗?答:不会,只改值。
  • 问:Hash 字段能单独设 TTL 吗?答:不能,TTL 作用于整个 key。

05.5.1.3-002 什么是惰性删除?

频率 ★★★★☆ | 难度 基础

一句话结论

惰性删除:访问到已过期 key 时才检查并删除它;不主动扫描,过期 key 若一直不被访问会暂留内存。

概念解释

  • 触发时机:命令访问该 key 时。
  • 行为:发现过期即删除并返回不存在。
  • 优点:不占后台 CPU;缺点:冷过期 key 占内存。

原理流程

访问 key → 查过期字典 → 已过期?→ 删除并返回 nil;未过期正常返回

代码 / 命令

redis-cli SET k "v" EX 5
# 5 秒后访问
redis-cli GET k        # nil,惰性删除触发

常见误区

  • 误区:过期瞬间 key 就被删掉。正解:惰性删除要等访问时才执行。
  • 误区:只靠惰性删除就不会有过期残留。正解:长期无人访问的过期 key 仍占内存。

追问

  • 问:惰性删除由谁执行?答:命令访问路径中检查。
  • 问:为什么还需要定期删除?答:回收长期不被访问的过期 key 内存。

05.5.1.3-003 定期(采样)删除是怎么工作的?

频率 ★★★★☆ | 难度 进阶

一句话结论

后台周期性从带过期的 key 中采样检查,删除发现的过期 key;过期比例超阈值则继续采样,控制单次扫描成本。

概念解释

  • 采样:不遍历全部 key,随机抽样带 TTL 的键。
  • 循环判断:本轮删除比例高则继续下一轮,上限内避免长时间阻塞。
  • 作用:回收冷过期 key 内存,弥补惰性删除不足。

原理流程

定时任务 → 抽样带过期 key → 删除过期项
过期占比高 → 继续抽样;占比低 → 本轮结束

代码 / 命令

# 采样删除相关阈值(按目标版本配置名核对)
redis-cli CONFIG GET "*expire*"

常见误区

  • 误区:定期删除扫描全库。正解:采样式,过期 key 不能保证立刻全部清掉。
  • 误区:已过期 key 一定在下个周期被删。正解:未被采样到的仍可能残留到下次访问。

追问

  • 问:采样删除为什么不全量扫?答:避免每次定时任务长时间阻塞主线程。
  • 问:大量同时过期 key 会怎样?答:集中采样删除可能造成短时 CPU 尖峰,TTL 应加随机抖动。

05.5.1.3-004 内存淘汰有哪 8 种策略?

频率 ★★★★★ | 难度 进阶

一句话结论

8 种策略分三组:不淘汰(noeviction)、从所有 key 淘汰(allkeys-lru/lfu/random)、从设了 TTL 的 key 淘汰(volatile-lru/lfu/random/ttl)。

概念解释

策略 范围 算法
noeviction — 不淘汰,写命令报错
allkeys-lru 全部 近似 LRU
allkeys-lfu 全部 LFU
allkeys-random 全部 随机
volatile-lru 有 TTL 近似 LRU
volatile-lfu 有 TTL LFU
volatile-random 有 TTL 随机
volatile-ttl 有 TTL 优先删剩余 TTL 短的

原理流程

内存达 maxmemory → 按策略选淘汰候选 → 释放内存 → 执行新写入

代码 / 命令

redis-cli CONFIG GET maxmemory-policy
redis-cli CONFIG SET maxmemory-policy allkeys-lru
redis-cli CONFIG GET maxmemory

常见误区

  • 误区:volatile-ttl 是按访问热度淘汰。正解:它按剩余存活时间短优先删,与热度无关。
  • 误区:noeviction 自动扩容。正解:写命令直接拒绝,需扩容或淘汰。

追问

  • 问:纯缓存常用哪种?答:allkeys-lru 或 allkeys-lfu,按热度回收。
  • 问:volatile-* 策略对无 TTL key 有效吗?答:候选只在设了过期的 key 中选。

05.5.1.3-005 近似 LRU 是怎么实现的?

频率 ★★★★☆ | 难度 高级

一句话结论

Redis 不维护完整 LRU 链表,而是采样少量 key 记录最近访问时间,淘汰采样中最久未访问者;样本越大越接近真实 LRU。

概念解释

  • 采样候选:配置 maxmemory-samples 控制每次抽样数量。
  • 访问时间戳:key 对象记录最近访问时间。
  • 近似取舍:省内存与维护成本,牺牲部分 LRU 精度。

原理流程

需淘汰 → 抽 N 个 key → 比较最近访问时间 → 淘汰最久未用

代码 / 命令

redis-cli CONFIG GET maxmemory-samples

常见误区

  • 误区:Redis LRU 是严格双向链表实现。正解:采样近似 LRU,不维护全量链表。
  • 误区:样本数越大越好。正解:样本增大淘汰判断更准,但单次淘汰扫描成本上升。

追问

  • 问:近似 LRU 可能误删什么?答:采样未覆盖的热 key 可能被低估,冷热点切换时需观察命中率。
  • 问:LFU 解决 LRU 什么问题?答:LRU 难区分"长期低频访问"与"真正热点",LFU 按频次。

05.5.1.3-006 LFU 是什么?频次怎么衰减?

频率 ★★★☆☆ | 难度 高级

一句话结论

LFU 按访问频次淘汰,频次用对数计数器记录并随时间衰减,避免历史高频但已变冷的 key 长期占内存。

概念解释

  • 频次计数:访问递增,对数增长避免计数无限膨胀。
  • 衰减:随时间降低频次,反映近期热度。
  • 适用:热点长期稳定、需区分冷热的缓存。

原理流程

访问 → 频次递增
时间推移 → 频次衰减
淘汰 → 选频次最低者

代码 / 命令

redis-cli CONFIG SET maxmemory-policy allkeys-lfu
redis-cli CONFIG GET lfu-*

常见误区

  • 误区:LFU 计数线性累加。正解:对数计数器,避免高频访问计数过大。
  • 误区:LFU 不需要衰减。正解:不衰减会让历史热门 key 永不淘汰。

追问

  • 问:LRU 与 LFU 怎么选?答:热点按近期访问选 LRU;按访问频次、冷热区分选 LFU。
  • 问:新冷启动 key 会不会被误淘汰?答:频次低,短期未访问即可能被淘汰,需预热。

05.5.1.3-007 生产怎么选淘汰策略?

频率 ★★★☆☆ | 难度 进阶

一句话结论

纯缓存优先 allkeys-lru/lfu;需保留持久化语义、只淘汰临时数据用 volatile-*;不能丢数据用 noeviction 并扩容。

概念解释

  • 纯缓存:数据可从 DB 重建,按热度淘汰。
  • 混合存储:部分 key 不能丢,给可丢 key 设 TTL,用 volatile-*。
  • 不能淘汰:noeviction,写满即报错,必须靠扩容。

原理流程

数据是否可重建 → 可重建:allkeys-*;不可重建:volatile-* 或 noeviction

代码 / 命令

redis-cli INFO memory | grep -E "maxmemory|evicted_keys"

常见误区

  • 误区:所有业务都用 noeviction 最安全。正解:内存写满后写入失败,反而影响可用性。
  • 误区:volatile-lru 会淘汰无 TTL 的持久 key。正解:候选只在有过期 key 中。

追问

  • 问:evicted_keys 指标看什么?答:累计淘汰 key 数,持续增长说明内存不足或策略过激。
  • 问:淘汰导致命中率下降怎么办?答:扩容、调大 maxmemory、优化热点分布。

05.5.1.3-008 maxmemory 与内存指标怎么核对?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

maxmemory 设内存上限;INFO memory 看 used_memory、mem_fragmentation_ratio、evicted_keys 判断水位与淘汰。

概念解释

  • used_memory:Redis 分配器使用的内存。
  • 碎片率:实际占用与逻辑内存比值。
  • evicted_keys:累计淘汰数量。

原理流程

used_memory 接近 maxmemory → 触发淘汰
碎片率高 → 内存实际占用大于逻辑占用

代码 / 命令

redis-cli CONFIG GET maxmemory
redis-cli INFO memory

常见误区

  • 误区:used_memory 就是操作系统看到的 RSS。正解:RSS 含碎片与分配器保留,二者有差异。
  • 误区:不设 maxmemory 就安全。正解:无上限可能吃到机器内存引发 OOM。

追问

  • 问:碎片率多少需关注?答:明显大于 1 且持续上升需分析大 key 与删除模式(经验阈值按环境核对)。
  • 问:used_memory 包含持久化缓冲吗?答:包含进程内分配,fork/COW 峰值需另估。

05.5.1.3-009 Cache Aside 模式下缓存与数据库怎么双写?

频率 ★★★★★ | 难度 进阶

一句话结论

读:先查缓存,未命中查 DB 并回填;写:先更新 DB,再删除缓存(不是更新缓存),降低脏数据概率。

概念解释

  • 读路径:缓存 → DB → 回填缓存。
  • 写路径:更新 DB → 删除缓存,下次读重建。
  • 删缓存优于更新缓存:避免并发写导致缓存值错乱,且减少无效计算。

原理流程

读:cache miss → DB → SET cache
写:UPDATE DB → DEL cache
下次读:miss → DB 最新值回填

代码 / 命令

# 写:先库后删缓存(应用层伪代码)
# 1. update db where id=?
# 2. DEL cache:user:1
redis-cli DEL cache:user:1

常见误区

  • 误区:写时先更新缓存再更新 DB。正解:缓存与库更新顺序错乱会留脏缓存;标准是更新库后删缓存。
  • 误区:写时更新缓存值。正解:删除让读路径重建,避免并发写覆盖与缓存计算成本。

追问

  • 问:为什么是删缓存而不是改缓存?答:多字段/复杂值并发写时,更新顺序难保证;删除把一致性交给下次读。
  • 问:读回填时并发 miss 怎么办?答:可能并发查库回填,需加锁或接受短暂重复回填。

05.5.1.3-010 什么是延迟双删?为什么要删两次?

频率 ★★★★☆ | 难度 进阶

一句话结论

更新 DB 前后各删一次缓存,第二次延迟删除用于清理"更新期间被旧读回填"的脏缓存,缩小并发脏读窗口。

概念解释

  • 第一次删:写前删,清掉旧值。
  • 更新 DB:提交新值。
  • 第二次延迟删:等待并发旧读回填完成后再删一次。

原理流程

DEL cache → UPDATE DB → 延迟 DEL cache
期间并发旧读可能回填旧值 → 第二次删除清掉

代码 / 命令

# 伪代码:延迟双删
redis-cli DEL cache:user:1
# update db
# 延迟一小段时间(略大于一次读库+回填耗时)后:
redis-cli DEL cache:user:1

常见误区

  • 误区:延迟双删能彻底消除不一致。正解:它缩小窗口,延迟设置不当仍可能残留脏值。
  • 误区:第二次删是更新缓存。正解:仍是删除,不写新值。

追问

  • 问:延迟时间怎么定?答:略大于一次读请求从 DB 读到回填缓存的耗时,按链路实测。
  • 问:第二次删除失败怎么办?答:需重试/兜底(见 05.5.1.3-018)。

05.5.1.3-011 并发读写时脏读窗口是怎么产生的?

频率 ★★★★☆ | 难度 高级

一句话结论

读请求在写请求更新 DB 前后交错:旧值从 DB 读出后被回填缓存,写请求随后删缓存失败或晚于回填,缓存残留旧值。

概念解释

  • 交错时序:读 A 先读 DB 旧值;写 B 更新 DB 并删缓存;A 随后把旧值回填。
  • 结果:缓存被旧值覆盖,直到 TTL 或下次删除。
  • 窗口:读 DB 到回填缓存之间。

原理流程

A 读 DB 旧值
B 更新 DB → 删缓存
A 回填旧值到缓存  ← 脏缓存产生

代码 / 命令

# 典型脏读交错(应用层时序,非单条命令)
# A: GET miss → SELECT 旧值
# B: UPDATE DB → DEL cache
# A: SET cache 旧值

常见误区

  • 误区:先删缓存再更新 DB 就没有并发问题。正解:另一并发读仍可能在删后、写前读旧值回填。
  • 误区:加缓存锁能完全消除。正解:锁粒度与范围需覆盖读回填,否则窗口仍在。

追问

  • 问:怎么缩短窗口?答:延迟双删、缩短读库耗时、缓存值带版本号校验。
  • 问:强一致要求高的场景怎么办?答:关键数据不缓存或走分布式锁/事务,缓存只做最终一致。

05.5.1.3-012 用 binlog 异步失效缓存是怎么做的?

频率 ★★★☆☆ | 难度 高级

一句话结论

订阅数据库 binlog(Canal/Debezium 等),解析变更后异步删除对应缓存,把缓存失效从业务写路径解耦,统一处理多源写入。

概念解释

  • binlog 订阅:捕获行变更事件。
  • 失效动作:按变更 key 删除/刷新缓存。
  • 适用:多服务写同一数据、业务代码不便统一删缓存。

原理流程

DB 提交 → binlog → 订阅组件解析 → 发消息 → 消费删缓存

代码 / 命令

# 消费侧伪代码:解析行变更 → 删除缓存
# event: table=user, id=1
redis-cli DEL cache:user:1

常见误区

  • 误区:binlog 订阅是实时强同步。正解:异步链路,存在延迟窗口,消费故障会积压。
  • 误区:binlog 方案替代业务删缓存。正解:可作为兜底,关键路径仍需评估双写。

追问

  • 问:消费失败怎么处理?答:消息重试、死信队列与告警,避免失效永久丢失。
  • 问:binlog 解析延迟表现为什么?答:缓存短暂旧值,最终一致。

05.5.1.3-013 缓存一致性的边界在哪里?

频率 ★★★☆☆ | 难度 进阶

一句话结论

Cache Aside 只能做到最终一致,存在短暂脏读窗口;强一致需要事务/锁或不缓存关键读,需按业务容忍度选择。

概念解释

  • 最终一致:窗口内可能旧值,过期/删除后恢复一致。
  • 强一致:读必须拿到最新值,成本高。
  • 容忍度:价格、库存等敏感数据从严;画像、统计等可放宽。

原理流程

业务一致性要求 → 强一致:不缓存/加锁/事务
                → 最终一致:Cache Aside + TTL 兜底

代码 / 命令

# TTL 作为最后兜底:即使删除失败,到期也会重建
redis-cli SET cache:user:1 "v" EX 300

常见误区

  • 误区:加了缓存就必须强一致。正解:多数缓存场景接受秒级最终一致。
  • 误区:TTL 能解决写后立即读一致。正解:TTL 是兜底,写路径仍需主动失效。

追问

  • 问:库存扣减适合普通缓存吗?答:强一致/高并发扣减需 DB 事务或原子扣减,缓存只做展示。
  • 问:怎么度量不一致?答:抽样比对缓存与 DB 值,统计脏读比例与窗口时长。

05.5.1.3-014 为什么 TTL 要加随机抖动?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

大批 key 同一时刻过期会集中删除/回源,造成缓存穿透与 DB 抖动;TTL 加随机偏移打散过期时间。

概念解释

  • 同时过期:批量预热 key 相同 TTL,到期集中失效。
  • 抖动:基础 TTL + 随机区间,过期时间分散。
  • 目的:平滑删除与回源压力。

原理流程

固定 TTL:同一时刻大批过期 → 集中穿透
TTL ± random:错峰过期 → 压力分散

代码 / 命令

# 应用层伪代码:TTL = 300 + random(0, 60)
redis-cli SET cache:product:1 "v" EX 330

常见误区

  • 误区:抖动会让数据提前过期不可接受。正解:小范围随机,业务上可接受。
  • 误区:只有预热数据需要抖动。正解:批量导入/活动下发的 key 都应加。

追问

  • 问:集中过期还有什么表现?答:定期采样删除 CPU 尖峰、DB 瞬时压力上升。
  • 问:随机范围怎么定?答:按 TTL 量级取 10%~20% 抖动,实测峰值调整。

05.5.1.3-015 什么是逻辑过期与永不过期?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

逻辑过期:value 内嵌过期时间,key 不设物理 TTL,读到过期值后异步刷新;永不过期用于不能被淘汰的核心 key,需主动维护。

概念解释

  • 逻辑过期:缓存永不过期,返回值带过期标记,后台线程刷新,不阻塞读。
  • 永不过期:PERSIST 或不设 TTL,配合淘汰策略避免被驱逐。
  • 风险:不设物理过期,旧值可能长期残留,需主动刷新机制。

原理流程

读缓存 → 检查内嵌过期标记
未过期:返回;已过期:返回旧值 + 异步刷新

代码 / 命令

# value 中存 {"data":..., "expireAt":1732000000}
redis-cli SET cache:hot:1 '{"data":"x","expireAt":1732000000}'

常见误区

  • 误区:逻辑过期不需要刷新任务。正解:必须有异步刷新与兜底删除,否则旧值常驻。
  • 误区:永不过期 key 不会被淘汰。正解:allkeys-* 策略下仍可能被淘汰,需评估。

追问

  • 问:逻辑过期适合热点数据吗?答:适合,读不阻塞,牺牲短暂旧值换可用性。
  • 问:异步刷新失败怎么办?答:重试 + 告警,必要时降级返回 DB。

05.5.1.3-016 内存碎片率怎么看?高了怎么办?

频率 ★★☆☆☆ | 难度 高级

一句话结论

mem_fragmentation_ratio 为 RSS 与 used_memory 之比;过高说明碎片多,常见大 key 频繁删除/修改,可整理内存或重启评估。

概念解释

  • 碎片:分配器空闲但无法复用的内存。
  • 高碎片原因:大小不一的频繁增删、大对象释放。
  • 处理:观察趋势、调整数据结构、必要时 MEMORY PURGE(分配器支持)或低峰重启。

原理流程

频繁删改不同大小 key → 分配器留空闲洞 → RSS > used_memory → 碎片率升高

代码 / 命令

redis-cli INFO memory | grep -E "mem_fragmentation_ratio|used_memory_rss"

常见误区

  • 误区:碎片率略大于 1 就必须处理。正解:轻微大于 1 属正常,持续走高且影响水位才需介入。
  • 误区:重启一定降低碎片且无成本。正解:重启需加载持久化文件,期间有恢复窗口。

追问

  • 问:为什么大 key 删除易产生碎片?答:大块释放后相邻空闲段难复用。
  • 问:activedefrag 是什么?答:内存主动整理开关(支持的分配器/版本),可在线整理(待确认版本)。

频率 ★★★☆☆ | 难度 进阶

一句话结论

DEL 同步删除大 key 阻塞主线程;UNLINK 先从键空间移除,后台线程异步释放内存,大 key 应优先用 UNLINK。

概念解释

  • DEL:立即释放内存,大集合耗时随元素数增长。
  • UNLINK:逻辑删除 + 后台惰性释放,主线程不阻塞。
  • 适用:大 Hash/List/Set/ZSet/String 大 value。

原理流程

DEL bigkey    → 主线程遍历释放 → 阻塞期间其他命令等待
UNLINK bigkey → 移除索引 → 后台线程释放内存

代码 / 命令

redis-cli UNLINK big:hash
redis-cli INFO stats | grep -a lazyfree

常见误区

  • 误区:UNLINK 立即释放内存。正解:索引先移除,实际内存在后台释放。
  • 误区:小 key 也必须用 UNLINK。正解:小对象释放快,DEL 即可。

追问

  • 问:后台释放由什么线程做?答:Redis 后台惰性释放任务。
  • 问:过期大 key 会自动异步释放吗?答:可配置惰性释放策略,按版本核对(待确认)。

05.5.1.3-018 删缓存失败有哪些兜底手段?

频率 ★★☆☆☆ | 难度 进阶

一句话结论

删缓存失败需重试、记录失败 key 异步补偿、订阅 binlog 二次失效,并以 TTL 作为最终兜底,避免脏缓存长期存在。

概念解释

  • 同步重试:短暂重试删除。
  • 异步补偿:失败入消息队列,定时扫补偿。
  • binlog 兜底:变更事件再次触发删除。
  • TTL 兜底:到期重建,限制脏值存活上限。

原理流程

DEL 失败 → 重试 → 仍失败:入补偿队列/binlog 订阅 → TTL 到期兜底

代码 / 命令

# 补偿任务伪代码:扫失败列表删除
redis-cli LRANGE cache:del:retry 0 -1
redis-cli DEL cache:user:1

常见误区

  • 误区:删一次失败就忽略。正解:不兜底会留脏缓存直到 TTL。
  • 误区:有 TTL 就不用重试。正解:TTL 窗口内脏值仍被读到,敏感数据需主动补偿。

追问

  • 问:补偿删除又失败怎么办?答:死信 + 人工告警,记录 key 与最后失败时间。
  • 问:怎么发现缓存与 DB 不一致?答:定期抽样比对 + 失效链路监控告警。

参考来源