27. Redis 使用的是哪种内存模型，如何支持高并发的写入与读取？

标准答案

Redis 采用 基于内存（In-Memory）的数据存储模型，主要依赖 跳表（SkipList）、哈希表（HashTable）、压缩列表（ZipList）和整数集合（IntSet） 等数据结构进行存储。为了支持高并发访问，Redis 采用了 单线程事件循环（Reactor 模型） 处理客户端请求，基于 I/O 多路复用（epoll/kqueue） 机制，实现了 高效的非阻塞并发处理。

此外，Redis 通过 多种数据结构优化、流水线（Pipeline）、持久化（AOF/RDB）、复制与分片 来提高读写吞吐量，同时利用 乐观锁（CAS）、复制偏移量、延迟队列 等机制来保证一致性。

答案解析

1️⃣ Redis 采用的内存存储模型

Redis 是 纯内存数据库，其数据模型主要基于 键值存储（Key-Value Store），但其值（Value）不仅限于字符串，还支持丰富的数据结构，如 列表、集合、有序集合、哈希等。底层数据存储依赖 多种优化过的数据结构，以提高查询和修改的效率：

数据结构	适用场景	主要特性
SDS（简单动态字符串）	存储字符串	变长字符串，减少内存碎片
哈希表（HashTable）	字典存储	O(1) 读写，扩容采用渐进式 rehash
跳表（SkipList）	有序集合（SortedSet）	O(logN) 查询，支持范围查找
压缩列表（ZipList）	短哈希表 / 短列表	连续内存，减少内存开销
整数集合（IntSet）	小规模整数集合	低内存占用，支持自动转换

Redis 通过 智能数据结构选择策略 来减少内存占用，例如：

• 小规模 Hash / List / Set 会使用 ZipList 或 IntSet 代替标准数据结构，降低指针开销。
• 哈希表采用渐进式 rehash，避免阻塞操作。

2️⃣ Redis 高并发读写的核心机制

Redis 采用 单线程 + I/O 多路复用 处理请求，结合 多种优化技术 来支持高并发：

🔹（1）单线程事件循环

Redis 主线程采用单线程处理客户端请求，避免了线程上下文切换、锁竞争等问题，提供了更高的 CPU 缓存命中率，提升了性能。

🔹 为什么单线程反而能高效处理请求？

1. Redis 主要是内存操作（O(1) / O(logN)），CPU 不是瓶颈，而是网络 I/O 和系统调用的开销更大。
2. 避免多线程锁竞争，减少加锁/解锁的开销，提高 CPU 利用率。
3. I/O 多路复用（epoll/kqueue）支持同时处理大量并发连接。

🔹（2）I/O 多路复用

Redis 使用 epoll（Linux）或 kqueue（macOS） 进行 非阻塞 I/O 处理：

• 采用 事件驱动机制（Reactor 模型），通过 select/poll/epoll/kqueue 等系统调用来监听多个连接，避免了传统阻塞 I/O 的低效。
• 事件类型包括：可读事件、可写事件、定时任务、文件事件等，采用 事件循环 进行调度。

示例：Linux epoll 监听多个 socket 事件：

epoll_create(); // 创建 epoll 事件监听
epoll_ctl();    // 添加 Redis 客户端 socket 到 epoll
epoll_wait();   // 监听多个事件，减少 CPU 轮询开销

🔹 优点：

• 减少了 CPU 轮询消耗（不像 select/poll 需要遍历整个事件列表）。
• 避免了线程切换（单线程即可高效处理数万级别的并发连接）。

🔹（3）Redis 的读写优化

Redis 采用 数据结构优化 + 异步处理 来提高吞吐量：

机制	作用	优势
Pipeline（流水线）	合并多个命令，减少 RTT	降低网络延迟
Lazy-Free（惰性删除）	异步删除大对象	避免阻塞主线程
QuickList（快速链表）	组合 ZipList 和 LinkedList	减少指针占用，提高缓存命中
HyperLogLog	近似去重	仅用 12KB 统计 10 亿级数据

3️⃣ Redis 在高并发下的读写一致性

🔹（1）Redis 复制机制

• 主从复制：采用 异步复制，主节点处理写请求后，异步同步到从节点，提高读吞吐。
• 偏移量控制：主从之间维护 复制偏移量，保证增量同步。
• Gossip 协议：Redis Cluster 通过 Gossip 机制 定期同步元数据，保证数据一致性。

问题：主从切换可能导致数据丢失？

• 解决方案：WAIT 机制，要求主节点等待至少 N 个从节点确认写入后才返回成功。

🔹（2）一致性控制

机制	作用	适用场景
事务（MULTI/EXEC）	批量执行多个命令，保证原子性	适用于小规模事务
WATCH 机制	监视键值变化，防止并发修改	适用于乐观锁场景
CAS（Compare-And-Swap）	结合 GET & SETNX 实现原子更新	分布式锁场景

示例：使用 WATCH 进行 CAS 操作：

WATCH counter
MULTI
INCR counter
EXEC

如果 counter 发生变更，事务 EXEC 将失败，需重试。

4️⃣ Redis 的高并发优化

Redis 采用 数据分片 + 复制 + 多线程 I/O 进行扩展：

1. 分片（Sharding）：Redis Cluster 采用 哈希槽（Hash Slot）机制 进行数据分布，避免单点瓶颈。
2. 多线程 I/O（Redis 6.0+）：
   • 仅限于 网络 I/O 线程，核心逻辑仍然是单线程。
   • io-threads 配置 开启多线程，提高网络吞吐：

     io-threads 4
     

   • 实测 吞吐量提高 2~3 倍，降低延迟。

深入追问

🔹 Redis 为什么采用单线程模型？它的瓶颈在哪？
🔹 Redis 的 epoll 和 Go 语言的 goroutine 调度模型有什么不同？
🔹 Redis 如何处理大对象删除时的阻塞问题？（惰性删除 vs 主动删除）

相关面试题

🔹 Redis 为什么单线程还能支撑高并发？
🔹 Redis 如何处理海量 Key 查询的高效索引？
🔹 Redis 的数据淘汰策略有哪些？如何优化内存占用？

总结

Redis 采用 基于内存（In-Memory）的数据模型，通过 高效数据结构（哈希表、跳表、压缩列表） 进行存储，并结合 单线程事件循环 + I/O 多路复用 来支持高并发读写。为了进一步优化吞吐，Redis 采用 Pipeline、异步删除、主从复制、分片（Cluster）、多线程 I/O（6.0+） 等技术，确保在高并发场景下依然具备高性能、低延迟 的特点。