1. 项目概述427的Redis八股Caffeine 面经这个标题直指当下技术面试中的核心考察点——缓存系统的设计与实现。作为一名经历过数十次技术面试的面试官我深知Redis和Caffeine这两个缓存方案在面试中的高频出现率。本文将系统梳理这两个技术栈的面试要点帮助求职者从容应对缓存相关的技术考察。Redis作为分布式缓存的事实标准其数据结构、持久化机制、集群方案等知识点几乎出现在90%的中高级后端开发岗位面试中。而Caffeine作为本地缓存的新锐代表凭借其出色的性能和灵活的淘汰策略正逐渐取代Guava Cache成为Java技术栈的首选本地缓存方案。2. 核心知识点解析2.1 Redis核心八股文2.1.1 数据结构与适用场景Redis之所以强大关键在于其丰富的数据结构设计String最基础类型常用于缓存简单数据、计数器等Hash适合存储对象如用户信息List可实现消息队列、最新消息排行Set去重场景如共同好友ZSet带权重的有序集合适合排行榜Bitmap位操作适合签到统计HyperLogLog基数统计如UV计算GEO地理位置相关计算面试高频问题如何用Redis实现分布式锁 常见误区是直接使用SETNX命令正确做法应结合过期时间和唯一标识避免死锁和误删。2.1.2 持久化机制对比Redis提供两种持久化方式RDB快照定时生成数据快照文件紧凑恢复速度快可能丢失最后一次快照后的数据AOF追加日志记录每个写操作数据安全性更高文件体积大恢复速度慢生产环境通常采用混合模式Redis 4.0结合两者优势。2.2 Caffeine深度剖析2.2.1 核心特性Caffeine作为Java本地缓存库具有以下突出特点基于Window-TinyLFU淘汰算法命中率显著提升异步刷新机制避免缓存雪崩灵活的过期策略基于大小、时间、引用完善的监控统计支持2.2.2 性能优化技巧在实际项目中优化Caffeine使用时有几个关键参数需要注意Caffeine.newBuilder() .maximumSize(10_000) // 最大条目数 .expireAfterWrite(10, TimeUnit.MINUTES) // 写入后过期时间 .refreshAfterWrite(1, TimeUnit.MINUTES) // 刷新间隔 .recordStats() // 开启统计 .build();3. 面试实战技巧3.1 Redis高频问题集锦缓存穿透解决方案布隆过滤器拦截空值缓存接口层校验缓存雪崩应对策略随机过期时间多级缓存熔断降级机制缓存一致性保障方案先更新数据库再删除缓存延迟双删订阅binlog异步更新3.2 Caffeine实战问题内存占用控制合理设置maximumSize使用weigher函数计算复杂对象权重配合WeakReference/SoftReference使用缓存预热最佳实践启动时异步加载热点数据使用LoadingCache自动加载结合Spring的PostConstruct注解4. 组合使用场景在实际系统架构中Redis和Caffeine通常会配合使用形成多级缓存体系请求首先访问Caffeine本地缓存未命中则查询Redis集群仍未命中才访问数据库回填时同时更新两级缓存这种架构能有效降低Redis压力提升系统整体吞吐量。一个典型的实现方案如下public class MultiLevelCache { private final CacheString, Object localCache Caffeine.newBuilder() .maximumSize(1000) .expireAfterWrite(1, TimeUnit.HOURS) .build(); private final RedisTemplateString, Object redisTemplate; public Object get(String key) { // 先查本地缓存 Object value localCache.getIfPresent(key); if (value ! null) { return value; } // 查Redis value redisTemplate.opsForValue().get(key); if (value ! null) { localCache.put(key, value); return value; } // 查数据库 value queryFromDB(key); if (value ! null) { redisTemplate.opsForValue().set(key, value); localCache.put(key, value); } return value; } }5. 性能调优经验5.1 Redis性能瓶颈排查慢查询分析使用slowlog get命令监控执行时间超过阈值的命令优化复杂O(N)操作内存优化使用hash结构存储对象合理设置过期时间监控内存碎片率5.2 Caffeine调优要点命中率提升调整Window-TinyLFU窗口大小合理设置缓存大小预加载热点数据GC优化避免缓存大对象使用软引用减轻GC压力监控缓存回收情况6. 常见问题解决方案6.1 Redis连接池异常现象连接数暴增出现Cannot get Jedis connection异常解决方案检查连接泄露未正确close调整连接池参数spring.redis.jedis.pool.max-active50 spring.redis.jedis.pool.max-wait1000 spring.redis.jedis.pool.max-idle20 spring.redis.jedis.pool.min-idle5添加连接有效性检测6.2 Caffeine内存溢出现象频繁Full GCOOM异常处理步骤使用JVisualVM分析堆内存检查缓存对象大小添加权重计算器.weigher((String key, Object value) - calculateSize(value))限制最大权重.maximumWeight(1_000_000)7. 面试案例分析7.1 设计微博热搜榜考察点Redis数据结构选择与性能考量解决方案使用ZSet存储热搜词和热度值定时任务计算热度多级缓存架构本地缓存存储前100名Redis存储完整榜单防刷机制滑动窗口限流行为分析过滤7.2 电商秒杀系统设计考察点缓存与数据库一致性关键技术库存预热到RedisRedis原子递减保证不超卖异步扣减数据库本地缓存Redis多级校验熔断降级策略8. 最新趋势与扩展8.1 Redis模块化发展RedisSearch全文搜索功能RedisJSON原生JSON支持RedisGraph图数据库能力RedisTimeSeries时序数据处理8.2 Caffeine高级特性事件监听.removalListener((String key, Object value, RemovalCause cause) - { // 处理移除事件 })异步加载.buildAsync(key - loadFromDB(key))策略组合.expireAfterAccess(10, TimeUnit.MINUTES) .expireAfterWrite(1, TimeUnit.HOURS)在实际项目中使用这些缓存技术时我最大的体会是没有银弹方案必须根据业务特点选择合适的缓存策略。比如对于配置信息这类读多写少的数据采用CaffeineRedis双缓存能获得极佳的响应速度而对于频繁更新的数据则需要仔细设计过期策略和更新机制避免脏读问题。