案例場景

某大型綜合類電商平臺擁有龐大的用戶群體，且每逢節假日期間會迎來訂單量的爆發式增長。訂單處理系統需要快速響應大量的并發請求，并在短時間內完成訂單創建、庫存扣減、支付驗證等操作。由于訂單數據量大且操作頻繁，傳統的關系型數據庫難以滿足性能要求。公司擬引入 Redis作為訂單處理系統的一部分，利用其高性能的key-value存儲和內存操作優勢，將訂單號、用戶信息等關鍵數據緩存到Redis 中。并通過 Redis的自身機制，將訂單數據分布到多個Redis 節點，實現負載均衡和數據冗余。同時，利用Redis 的原子操作和事務特性，確保訂單處理過程中的數據一致性和完整性。

問題內容:

[問題1]

(8分)

Redis 數據分片方案有多種，請根據分片方案的特點填寫以下表格內容。

在系統設計方案討論時，王工提出除了以上兩種方案，還有一種分片方案，此方案不但能讓 redis 各結點負載相當，且從長久來說，更利于擴展Redis結點，請指出王工的分片方案，并說明該方案為何更利于擴展結點。

[問題2] (6分)

Redis 支持多種數據類型，請為以下應用場景選擇最合適的Redis數據類型。

(1)網站用戶畫像標簽。

(2)多用戶同時下訂單，扣減庫存時的分布式鎖。

(3)商品銷售周排行榜。

[問題3](6分)

Redis 緩存區容量有限，當緩存空間不足時，則需要淘汰緩存區中的部分數據。

volatile-lru 和 allkeys-lru 兩種算法有共性，即均遵循(1)原理，優先淘汰(2)的數據。同時，他們也有差異，差異在于volatile淘汰數據時的范圍限定為僅針對(3)。

[問題4](5分)

布隆過濾器可以解決Redis應用中的什么問題?用這種方法，會有什么缺點?

試題答案:

[問題1] (8分，(a)-(d)每空1分，后面每問2分)

(a) 取值范圍(b)不均勻 (c) 哈希值(d) 均勻

王工的分片方案為:一致性哈希。

該方案通過哈希環機制，增設了很多虛擬結點，再映射到物理結點，所以擴展結點時，不必像哈希分片那樣對所有數據重新分配結點。只需要將部分數據做重新調整。

[問題 2] (6分，每空2分)

(1) Set (2) String (3) Zset

[問題 3] (6分，每空2分)

(1) 局部性原理(2)最近未被訪問(3)設置了過期時間的數據

[問題4] (5分，第1問2分，第2問每條1分)

布隆過濾器可用于解決緩存穿透的問題。

其缺點包括:

1、有一定的誤判率，即存在假陽性，不能準確判斷元素是否在集合中。

2、一般情況下不能從布隆過濾器中刪除元素

3、不能獲取元素本身