赶紧收藏!2024 年最常见 20道 Redis面试题(三)

上一篇地址:赶紧收藏!2024 年最常见 20道 Redis面试题(二)-CSDN博客

五、Redis的持久化机制是什么?

Redis 是一个高性能的键值存储系统,支持多种类型的数据结构,如字符串、哈希、列表、集合、有序集合等。为了确保数据的安全性,Redis 提供了两种持久化机制,分别是 RDB(Redis Database)和 AOF(Append Only File)。

RDB 持久化

RDB 是一种快照式的持久化方式,它会在指定的时间间隔内将内存中的数据集生成快照并保存到磁盘上。RDB 持久化可以手动执行,也可以设置自动执行。自动执行的配置主要有:

  • save <seconds> <changes>:在指定的秒数内,如果数据变化了指定的次数,则执行快照保存。
  • bgsave:在后台异步执行快照保存,不会阻塞主线程。

RDB 持久化的优点是恢复速度快,适合大规模的数据恢复。但是,RDB 持久化的缺点是如果 Redis 服务突然崩溃,那么最后一次快照之后的数据变更将会丢失。

AOF 持久化

AOF 持久化是通过记录每次写操作命令来实现的。Redis 会将所有写操作追加到 AOF 文件的末尾。AOF 持久化可以配置为:

  • appendonly yes:开启 AOF 持久化。
  • appendfsync:配置 AOF 文件的同步策略,可以是 always(每次写操作都同步)、everysec(每秒同步一次)或者 no(操作系统控制同步)。

AOF 持久化的优点是数据安全性高,可以提供更完整的数据恢复。缺点是 AOF 文件可能会比 RDB 文件大,恢复速度也可能会慢一些。

混合持久化

Redis 4.0 之后引入了混合持久化(RDB + AOF)的方式,这种方式结合了 RDB 和 AOF 的优点。在混合持久化中,Redis 首先会创建一个 RDB 文件,然后继续使用 AOF 记录 RDB 创建后的所有写操作。这样,在恢复时,Redis 可以首先加载 RDB 文件来快速恢复数据,然后通过 AOF 文件来恢复 RDB 创建后的数据变更。

配置持久化

持久化机制的配置通常在 Redis 的配置文件 redis.conf 中设置。用户可以根据自己的需求来配置 RDB、AOF 或混合持久化。

总结

Redis 的持久化机制是确保数据安全性的重要功能,通过 RDB、AOF 或混合持久化,用户可以根据实际的应用场景来选择合适的持久化策略。

六、Redis的同步机制是什么?

Redis 的同步机制主要涉及到主从复制(Master-Slave Replication)和集群(Cluster)中的分片数据同步。以下是这两种情况下的同步机制的详细说明:

主从复制(Master-Slave Replication)

主从复制是 Redis 提供的一种高可用性解决方案,它允许多个从节点(Slave)复制主节点(Master)的数据。主从复制的同步机制包括:

  1. 初次同步:当从节点第一次连接到主节点时,它会发起一个全量同步请求。主节点会创建一个数据集的快照(RDB 文件),然后发送给从节点。从节点接收并加载这个快照,接着主节点会将快照创建后的所有写操作命令发送给从节点,从节点执行这些命令来保证数据的一致性。

  2. 增量同步:在初次同步之后,主节点会持续地将新的写操作命令发送给从节点。这个过程称为增量同步。Redis 使用一个称为“复制偏移量”(replication offset)的机制来跟踪主从节点之间的数据同步状态。

  3. 心跳机制:主从节点之间会定期发送心跳信息,以确保彼此之间的连接是活跃的。心跳信息也用于传输复制偏移量,帮助主节点了解从节点的同步状态。

  4. 故障转移:在主节点发生故障时,从节点可以被提升为新的主节点,这个过程称为故障转移(failover)。故障转移可以通过手动操作或使用 Redis Sentinel 来自动完成。

集群(Cluster)中的分片数据同步

Redis 集群是一种分布式数据存储解决方案,它将数据自动分割成多个分片(slots),并分布在不同的节点上。集群中的同步机制包括:

  1. 槽(Slot)分配:集群中的每个节点负责一定数量的槽。每个键值对根据其键的哈希值映射到一个特定的槽。

  2. 主从复制:在集群中,每个槽都可以有一个主节点和一个或多个从节点。从节点复制主节点的槽数据,确保数据的高可用性。

  3. 槽迁移:集群支持在线迁移槽,即在不停止服务的情况下,将一个槽从一个节点迁移到另一个节点。这允许集群动态地重新分配负载。

  4. 故障检测与恢复:集群节点会相互检测故障,如果一个主节点故障,集群会通过投票机制选择一个从节点来替换故障的主节点。

  5. 数据一致性:集群中的每个节点都会维护一个数据结构,记录其他节点的状态和槽的分配情况。这有助于在节点故障时快速恢复数据一致性。

总结

Redis 的同步机制是其高可用性和数据一致性的关键。主从复制允许数据在多个节点之间复制,而集群模式则通过分片和槽的分配,实现了数据的分布式存储和同步。通过这些机制,Redis 能够在保证高性能的同时,提供数据的可靠性和容错能力。

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.mfbz.cn/a/633420.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

遍历列表

自学python如何成为大佬(目录):https://blog.csdn.net/weixin_67859959/article/details/139049996?spm1001.2014.3001.5501 遍历列表中的所有元素是常用的一种操作&#xff0c;在遍历的过程中可以完成查询、处理等功能。在生活中&#xff0c;如果想要去商场买一件衣服&#…

Sui主网升级至V1.25.1版本

其他升级要点如下所示&#xff1a; 协议 #17335 在DeepBook上交易时&#xff0c;lot_size代表min_size&#xff0c;表示交易所需的最小数量。quantity_min_tick&#xff08;一个常数&#xff0c;1000&#xff09;现在是lot_size。交易数量现在必须是quantity_min_tick的倍数…

数据访问层设计_6.连接对象管理设计

1.数据库连接管理 在基于JDBC的数据库应用开发中&#xff0c;数据库连接的管理是一个难点&#xff0c;因为它是决定该应用性能的一个重要因素。 对于共享资源&#xff0c;有一个很著名的设计模式——资源池。该模式正是为了解决资源频繁分配、释放所造成的问题。把该模式应用到…

nss刷题(关于ssti)

1、[HNCTF 2022 WEEK2]ez_SSTI 首先是注入${7*7}没有回显出49的情况&#xff0c;再次注入{{7*7}}如果还是没有回显49就代表这里没有模板注入&#xff1b;如果注入{{7&#xff0a;7}}回显了49代表执行成功&#xff0c;继续往下走注入{{7*7}}&#xff0c;如果执行成功回显7777777…

基于深度学习OCR文本识别

第一步&#xff1a;概要 基于深度学习OCR文本识别分为两个模块&#xff1a;DBNet和CRNN。 DBNet是基于分割的文本检测算法&#xff0c;算法将可微分二值化模块(Differentiable Binarization)引入了分割模型&#xff0c;使得模型能够通过自适应的阈值图进行二值化&#xff0c;并…

复制即用!纯htmlcss写的炫酷input输入框

一般我们写css样式都要用样式库&#xff0c;但是嫌麻烦&#xff0c;如果能找到现成的内容复制上去就很香了&#xff0c;下文是笔者觉得好看的纯html&css写的样式&#xff0c;可以直接复制到Vue等内&#xff0c;十分方便。 input组件 1&#xff09; 下面这个很推荐&#…

微信小程序抓取数据包(Proxifier联动burpsuite)

1、打开bp&#xff0c;确保开启127.0.0.1&#xff1a;8080监听地址。 2、点击setting--proxy&#xff0c;点击impor CA certificate&#xff0c;生成bp的证书。 保存到桌面为1.cer&#xff0c;文件后缀为cer就OK了&#xff0c;前缀任意 3、安装证书&#xff0c;双击打开刚刚生成…

js的算法-选择排序(简单选择排序)

选择排序 每一趟&#xff08;如第i趟&#xff09;在后面n-i1(i1,2,……n-1)个待排序元素中选取关键字最小的元素&#xff0c;作为有序子序列的第i 个元素&#xff0c;直到第i个元素&#xff0c;直到第n-1趟做完&#xff0c;待排序元素只剩下1个&#xff0c;就不用再选了。 快…

C - Sigma Problem(AtCoder Beginner Contest 353)

题目的链接: C - Sigma Problem (atcoder.jp) 题目&#xff1a; 样例&#xff1a; 题目大致含意: 给你n个数&#xff0c;让你对这n个数进行操作&#xff0c;比如当前是第i个&#xff0c;那么让a[i] 和 后面的每个数进行相加, 例如a[i] a[i 1] 注意的是a[i] a[i 1]的结果…

GPIO模拟IIC通信测量环境光

目录 iic.h iic.c ap3216c.h ap3216.c main.c 实验效果 iic.h #ifndef __IIC_H__ #define __IIC_H__#include "stm32mp1xx_gpio.h" #include "stm32mp1xx_rcc.h" //SDA 数据线为PF15 //SCL 时钟线为PF14//配置PF15为输出模式 #define SET_SDA_OUT d…

医药进出口交易|基于SSM+vue的医药进出口交易系统的设计与实现(源码+数据库+文档)

医药进出口交易系统 目录 基于SSM&#xff0b;vue的医药进出口交易系统的设计与实现 一、前言 二、系统设计 三、系统功能设计 5.1系统登录 5.2管理员功能模块 5.3仓储部门功能模块 5.4业务部门功能模块 5.5供应部门功能模块 5.6财务部功能模块 5.7客户功能模块 …

【BUG】流式响应requests得到: ping - 和时间戳

前情提要 运行Langchain-Chatchat项目&#xff0c;使用自定义请求访问API Server流式输出 报错展示 b: ping - 2024-05-22 00:46:04.83252000:00\r\n\r\n报错原因 这通常是由于 Server-Sent Events (SSE) 实现中使用的“心跳”机制&#xff0c;以确保连接保持活跃。一些 SSE…

反序列化漏洞(JBoss、apache log4、apache Shiro、JWT)Weblogic未授权访问、代码执行、任意上传

1.1什么是反序列化 就是把一个对象变成可以传输的字符串&#xff0c;目的就是为了方便传输。假设&#xff0c;我们写了一个class&#xff0c;这个class里面存有一些变量。当这个class被实例化了之后&#xff0c;在使用过程中里面的一些变量值发生了改变。以后在某些时候还会用到…

附代码:策略常用-正余弦优化算法

正余弦优化算法作为群智能优化算法的一种, 正弦余弦算法 (sine cosine algorithm, SCA) 是 2016 年由 Mirjalili 提出的一种新型仿自然优化算法, 通过创建多个随机候选解, 利用正余弦函数的数学性质来平衡算法在搜系过程中的全局探索和局部开发能力。该算法具有结构简单、参数少…

鸿蒙开发接口应用程序包管理:【ApplicationInfo】

ApplicationInfo 说明&#xff1a; 本模块首批接口从API version 7 开始支持。后续版本的新增接口&#xff0c;采用上角标单独标记接口的起始版本。 开发前请熟悉鸿蒙开发指导文档&#xff1a; gitee.com/li-shizhen-skin/harmony-os/blob/master/README.md点击或者复制转到。…

ARTS Week 29

Algorithm 本周的算法题为 2413. 最小偶倍数 给你一个正整数 n &#xff0c;返回 2 和 n 的最小公倍数&#xff08;正整数&#xff09;。 示例 1&#xff1a;输入&#xff1a;n 5输出&#xff1a;10解释&#xff1a;5 和 2 的最小公倍数是 10 。 实现代码如下&#xff1a; con…

P6【力扣144,94,145】【数据结构】【二叉树遍历】C++版

【144】二叉树的前序遍历 1、递归法&#xff1a; class Solution { public:void preorder(TreeNode* root, vector<int> &res){if(root nullptr){return;}res.push_back(root->val);preorder(root->left, res);preorder(root->right, res);}vector<in…

AI--构建检索增强生成 (RAG) 应用程序

LLM 所实现的最强大的应用之一是复杂的问答 (Q&A) 聊天机器人。这些应用程序可以回答有关特定源信息的问题。这些应用程序使用一种称为检索增强生成 (RAG) 的技术。 典型的 RAG 应用程序有两个主要组件 索引&#xff1a;从源中提取数据并对其进行索引的管道。这通常在线下…

递增链表去重

题目描述&#xff1a; 题目思路&#xff1a; 1.链表内的val是递增的&#xff0c;所以相同的值只会连续重复地出现。 2.设置三个指针&#xff1a; ①指向头结点指针&#xff0c;用于返回链表 ②指向返回链表链尾的指针&#xff0c;用于在新链表添加结点 ③遍历旧链表结点的…

基于地理坐标的高阶几何编辑工具算法(5)——合并相交面

文章目录 工具步骤应用场景算法输入算法输出算法示意图算法原理 工具步骤 选中一个面&#xff0c;点击“合并相交面”工具&#xff0c;选择其他相邻面&#xff0c;空格执行合并。 应用场景 用于将相邻或相交的同类型几何面进行合并&#xff0c;达到综合效果。 算法输入 待…