百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

面试官这Redis夺命连环12问,谁顶得住?

ztj100 2025-02-03 16:17 15 浏览 0 评论

面试官这夺命连环12问,谁顶得住?


面试官: 同学,我看你每个项目中都用到了Redis,你能说说你是怎样使用Redis的吗?


小A同学: 主要用来做缓存,分布式Session, 阅读量/点赞数统计


面试官: 嗯,好的,Redis如何做持久化的?


小A同学: bgsave做全量持久化到RDB二进制文件中,aof做增量持久化,存储的是文本协议数据。


面试官:它们的优缺点呢?


小A同学:rdb二进制文件启动加载速度可以更快,aof要重放命令,所以速度比较慢



面试官: Redis持久化期间,主进程还能对外提供服务吗?


小A同学: 能


面试官:那Redis如何处理新写入的数据呢,这个数据也会直接进行持久化吗?


小A同学:。。。这个可能吧!


面试官: Reids可以设置最大内存大小,如果数据达到了内存最大限制,Redis如何处理呢?


小A同学:可以配置淘汰策略 LRU 或者 LFU 淘汰策略。


面试官:Redis 的LRU算法实现原理,可以讲讲吗?


小A同学:这个不太清楚。



面试官: Redis 核心数据类型有哪些?


小A同学: string, hash, list, set, zset.


面试官:存储数据用 string 类型 和 hash 类型,你是如何选择的呢?


小A同学:string 对大量字段的对象中的某个数据进行获取,需要进行整体的数据获取,在客户端完成反序列化,而hash可以获取指定字段获取数据。所以根据访问需求来选择。


面试官:还有其他的考虑吗?


小A同学:没有


面试官: zset 底层的实现原理有了解过吗?


小A同学: 好像是跳表实现的吧!


面试官: 你能讲讲它的实现原理以及时间复杂度分析吗?


小A同学:这个不太清楚。



面试官: 你能说说缓存穿透是怎么回事吗?


小A同学:要查询的数据,缓存中不存在,直接打到了数据库,这种请求如果很多的话,全都穿透到数据库, 就会导致数据库奔溃,


面试官:解决方案呢?


小A同学:可以用布隆过滤器来阻挡。


面试官:布隆过滤器的实现原理是什么?能讲讲么?


小A同学:这个不太清楚。


面试官:好的,感谢你参加我们公司的面试,咱们今天就先到这里


为什么面试老是遇到Redis问题?Redis的底层设计原理明明懂一些,可就是说不到点子上?以后还遇到这些Redis的面试题可怎么办?想想就慌!

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: