Java面试Redis案例

本文目录导读：

1. 高频案例：缓存穿透 / 击穿 / 雪崩
2. 分布式锁（重点考察）
3. 缓存与数据库双写一致性
4. 热点数据缓存（商品详情）
5. 排行榜（ZSet 应用）
6. 面试回答话术模板
7. 备战建议

下面给你一套 Java 面试中关于 Redis 的高频案例讲解，从简单到深入，覆盖缓存穿透、击穿、雪崩、分布式锁、数据一致性等核心场景，并附上代码示例和回答话术。

高频案例：缓存穿透 / 击穿 / 雪崩

这是面试官必问的“三兄弟”，核心考察你对缓存异常场景的理解和解决方案。

缓存穿透（查不存在的数据）

现象：大量请求查询一个缓存和数据库都不存在的 key，导致请求直接打到数据库。

解决方案：

• 缓存空值：如果数据库查不到，也把空值缓存起来，设置较短的过期时间（如 5 分钟）。
• 布隆过滤器：在缓存之前加一层 Bloom Filter，拦截不存在的 key。

代码示例（缓存空值）：

public String getData(String key) {
    // 1. 查缓存
    String value = redis.get(key);
    if (value != null) {
        return value;
    }
    // 2. 缓存未命中，查数据库
    String dbValue = queryDB(key);
    if (dbValue == null) {
        // 3. 缓存空值，防止穿透
        redis.set(key, "", 300);  // 5分钟过期
        return null;
    }
    // 4. 写回缓存
    redis.set(key, dbValue, 3600);
    return dbValue;
}

缓存击穿（热点 key 过期）

现象：一个热点 key 在过期瞬间，大量并发请求同时打向数据库。

解决方案：

• 互斥锁：只允许一个线程去重建缓存，其他线程等待。
• 逻辑过期：不设置物理过期时间，而是存一个逻辑过期时间，异步更新。

代码示例（互斥锁）：

public String getDataWithLock(String key) {
    String value = redis.get(key);
    if (value != null) {
        return value;
    }
    // 加锁（使用 Redis SETNX 实现）
    String lockKey = "lock:" + key;
    boolean locked = redis.setIfAbsent(lockKey, "1", 30, TimeUnit.SECONDS);
    if (locked) {
        try {
            // 二次检查（double check）
            value = redis.get(key);
            if (value != null) return value;
            // 查数据库
            value = queryDB(key);
            redis.set(key, value, 3600);
            return value;
        } finally {
            redis.delete(lockKey);
        }
    } else {
        // 等待重试
        Thread.sleep(100);
        return getDataWithLock(key);  // 递归重试
    }
}

缓存雪崩（大量 key 同时过期）

现象：大量 key 在同一时间过期，导致请求全部打到数据库。

解决方案：

• 随机过期时间：在设置过期时间时加上随机值。
• 多级缓存：本地缓存（Caffeine）+ Redis。
• 熔断降级：数据库压力过大时，直接返回默认值。

// 设置过期时间时加随机值
int expireTime = 3600 + new Random().nextInt(600);  // 1小时 + 0~10分钟随机
redis.set(key, value, expireTime);

分布式锁（重点考察）

场景

在分布式系统中,多个服务同时操作同一个资源（如库存扣减），需要保证互斥性。

要求

1. 互斥性：同一时刻只有一个线程能获取锁。
2. 防死锁：锁必须设置过期时间。
3. 防误删：只能删除自己的锁（加 value 标识）。

代码示例（Redisson 实现）

@Autowired
private RedissonClient redissonClient;
public void deductStock() {
    RLock lock = redissonClient.getLock("stock:1001");
    try {
        // 尝试加锁，等待 10 秒，锁有效 30 秒
        if (lock.tryLock(10, 30, TimeUnit.SECONDS)) {
            // 业务逻辑：扣减库存
            int stock = getStock();
            if (stock > 0) {
                reduceStock();
            }
        }
    } catch (InterruptedException e) {
        e.printStackTrace();
    } finally {
        lock.unlock();  // 释放锁
    }
}

面试关键点：

• 为什么不用 SETNX 自己实现？—— Redisson 有watch dog 自动续期、可重入等特性。
• 锁过期时间设置多少合适？—— 要结合业务执行时间，或使用 Redisson 自动续期。

缓存与数据库双写一致性

场景

更新数据库后,如何保证缓存一致？

方案对比

推荐方案（先更新 DB，再删缓存）

@Transactional
public void updateData(String id, String newValue) {
    // 1. 更新数据库
    database.update(id, newValue);
    // 2. 删除缓存
    redis.delete("key:" + id);
}

补充（延迟双删）：

public void updateData(String id, String newValue) {
    redis.delete("key:" + id);  // 先删缓存
    database.update(id, newValue);
    // 延迟 500ms 再删一次
    Thread.sleep(500);
    redis.delete("key:" + id);
}

热点数据缓存（商品详情）

场景

商品详情页高并发访问量巨大,如何设计？

方案

1. 多级缓存：本地缓存（Caffeine）→ Redis → 数据库。
2. 缓存预热：项目启动时，把热门商品加载到缓存。
3. 缓存更新策略：定时刷新 + 主动失效。

// 缓存预热
@Component
public class CachePreload implements ApplicationRunner {
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    @Override
    public void run(ApplicationArguments args) {
        List<Product> hotProducts = productService.getHotProducts();
        for (Product product : hotProducts) {
            redisTemplate.opsForValue().set("product:" + product.getId(), product, 1, TimeUnit.HOURS);
        }
    }
}

排行榜（ZSet 应用）

场景

游戏排行榜、销售榜单等。

代码示例

// 更新分数
redisTemplate.opsForZSet().add("rank", "user:1001", 85.5);
// 获取 Top 10
Set<Object> top10 = redisTemplate.opsForZSet().reverseRange("rank", 0, 9);
// 获取某用户排名
Long rank = redisTemplate.opsForZSet().reverseRank("rank", "user:1001");

面试回答话术模板

面试官问：“你们项目中 Redis 是怎么用的？”

建议从以下三方面回答：

缓存场景：商品详情缓存、用户信息缓存，使用 Spring Cache + Redis。
2. 分布式锁：库存扣减时使用 Redisson 分布式锁防止超卖。
3. 排行榜/计数器：点赞用 incr，排行榜用 ZSet。

然后引出经典问题：

“在缓存使用过程中，我们也考虑到了缓存穿透、击穿、雪崩。
穿透我们用缓存空值+布隆过滤器；
击穿我们用互斥锁；
雪崩用过期时间加随机值。
对于一致性，我们采用先更新数据库再删缓存的策略，最终一致即可。”

备战建议