1. 核心概念

Redis 作为一个高性能的内存数据结构存储系统，在现代后端架构中扮演着“万金油”的角色。面试中被问到“项目中如何使用 Redis”时，不应只回答“做缓存”，而应结合具体业务场景，展示对 Redis 丰富数据结构的理解。

2. 常见业务场景

2.1 缓存（Cache）

  • 场景：减轻数据库压力，提升热点数据读取速度。
  • 实现：
    • String：缓存 JSON 序列化的对象（如用户信息、商品详情）。
    • Hash：缓存对象属性（如 HSET user:1001 name "Alice" age 18），便于单字段修改。
  • 考量：需考虑缓存穿透、击穿、雪崩及数据一致性（双写/延迟双删/Canal）。

2.2 分布式锁（Distributed Lock）

  • 场景：在分布式环境下，控制对共享资源的互斥访问（如秒杀扣库存、定时任务防重）。
  • 实现：
    • 简单版：SET key value NX EX 10。
    • 进阶版：使用 Redisson 框架（支持看门狗自动续期、可重入锁）。

2.3 计数器与限流（Counter & Rate Limiter）

  • 场景：视频播放量、点赞数、接口限流（1分钟访问100次）。
  • 实现：
    • INCR：原子递增，高性能统计播放量。
    • ZSet/Lua：滑动窗口限流。
    • Redis Cell：漏桶算法限流。

2.4 排行榜（Leaderboard）

  • 场景：游戏积分榜、直播礼物榜、热搜话题。
  • 实现：利用 Sorted Set (ZSet)。
    • ZADD rank:daily 100 user1（添加分数）
    • ZREVRANGE rank:daily 0 9（获取前10名）

2.5 Session 共享（Session Sharing）

  • 场景：分布式应用中，解决多实例间的 Session 不一致问题。
  • 实现：Spring Session + Redis。将 Session 数据统一存储在 Redis 中，实现无状态服务。

2.6 消息队列（Message Queue）

  • 场景：轻量级异步解耦（如发送验证码、日志处理）。
  • 实现：
    • List：LPUSH + BRPOP（简单的阻塞队列）。
    • Stream（5.0+）：支持消费者组、消息持久化、ACK 机制，类似 Kafka。

2.7 位统计（Bitmap）

  • 场景：用户签到（一年365天仅需365 bit）、在线状态、活跃用户统计。
  • 实现：SETBIT key offset value，BITCOUNT。

2.8 地理位置（Geo）

  • 场景：附近的人、网约车距离计算。
  • 实现：Redis GEO 模块（底层基于 ZSet）。
    • GEOADD：添加坐标。
    • GEORADIUS：查询附近 5km 的人。

3. 总结

Redis 远不止是缓存。

面试回答示例：

“在我的项目中，Redis 主要用于以下几个场景：

  1. 核心缓存：缓存热点商品信息，降低 MySQL 压力。
  2. 分布式锁：使用 Redisson 实现跨服务的互斥控制，防止秒杀超卖。
  3. 计数器：利用 INCR 原子性统计文章阅读量。
  4. 排行榜：使用 ZSet 维护每日活跃用户排行。
  5. Session 共享：配合 Spring Session 实现分布式登录状态管理。 此外，我们还尝试过用 Bitmap 做用户签到，极其节省空间。”