hooyantsing's Blog

35_缓存穿透和雪崩

字数统计: 1.4k阅读时长: 4 min
2020/08/19

35 缓存穿透和雪崩

Redis最新超详细版教程通俗易懂

Redis缓存穿透和雪崩

Redis缓存的使用,极大的提升了应用程序的性能和效率,特别是数据查询方面。但同时,它也带来了一些问题。其中,最要害的问题,就是 数据一致性的问题 ,从严格意义上讲,这个问题无解。如果对数据的一致性要求很高,那么就不能使用缓存。

另外的一些经典问题就是, 缓存穿透缓存雪崩缓存击穿

缓存穿透

概念

缓存穿透的概念非常简单,用户想要查询一个数据,发现redis内存数据库没有,也就是缓存没有命中,于是向持久层数据库查询。发现也没有,于是本次查询失败。当用户很多时候,缓存都没有命中,于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力,这时候就相当于出现了缓存穿透。

解决方案

布隆过滤器

布隆过滤器是一种数据结构,对所有可能查询的参数以hash形式存储,在控制层先进性校验,不符合则丢弃,从而避免对底层存储系统的查询压力。

31008b62dcaa17c91dc96b0657c894c4.png

缓存空对象

当存储层不命中后,即使返回的空对象也将其缓存起来,同时会设置一个过期时间,之后再访问这个数据将会从缓存中获取,保护了后端数据源。

f858f5750032dc0fbc934f8c47dd5de6.png

但是这中方法存在两个问题:

  1. 如果空值能够被缓存起来,这就意味着缓存需要更多的空间存储更多的键,因为这当中可能会有很多的空值的键。
  2. 即使对空值设置了过期时间,还是会存在缓存层和存储层的数据会有一段时间窗口不一致,这对于需要保持一致性的业务会有影响。

    缓存击穿

概述

这里需要注意和缓存击穿的区别。缓存击穿,是指一个key非常热点,在不停的抗大并发,大并发集中对这一个点进行访问,当在这个key在失效的瞬间,持续的大并发就穿破缓存,直接请求数据库,就像在一个屏障上凿开了一个洞。

当某个key在过期的瞬间,有大量的请求并发访问,这类数据一般是热点数据,由于缓存过期,会同时访问数据库来查询最新数据,并回写缓存,会导致数据库瞬间压力过大。

解决方案

设置热点数据永不会过期

从缓存层面看,没有设置过期时间,所以不会出现热点key过期后产生的问题。

加互斥锁

分布式锁:使用分布式锁,保证对每个key同时只有一个线程去查询后端服务,其他线程没有获得分布式锁的权限,因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁,因此对分布式锁的考验很大。说人话,就是缓存和数据库之间数据交互仅允许一个线程,其他的都得等着。

缓存雪崩

概念

缓存雪崩,是指在某一个时间段,缓存集中过期失效。Redis宕机。

产生雪崩的原因之一,比如马上就要到双十二零点,很快就会迎来一波抢购,这波商品时间比较集中的放入了缓存,假设缓存一个小时。那么到了凌晨一点钟的时候,这批商品的缓存就过期了。而对这批商品的访问查询,都落到了数据库上,对于数据库而言,就会产生周期性的压力波峰。于是所有的请求都会到达存储层,存储层的调用会暴增,造成存储层也会挂掉的情况。

352109807e0a27b7fd54a88277535746.png

其实集中过期,倒不是非常致命,比较致命的缓存雪崩,是缓存服务器某个节点宕机或断网。因为自然形成的缓存雪崩,一定在某个时间段集中创建缓存,这个时候,数据库也是可以顶住压力的。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机,对数据库服务器造成的压力是不可预知的,很有可能瞬间就把数据库压垮。

解决方案

redis高可用

这个思想的含义是,既然redis有可能挂掉,那我多增设几台redis,这样一台挂掉后其他的还可以继续工作,其实就是搭建的集群。

限流降级

这个解决方案的思想是,在缓存失效后,通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存,其他线程等待。

数据预热

数据加热的含义就是在正式部署之前,我先把可能的数据先预先访问一边,这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key,设置不同的过期时间,让缓存失效的时间点

CATALOG
  1. 1. 35 缓存穿透和雪崩
    1. 1.1. Redis缓存穿透和雪崩
      1. 1.1.1. 缓存穿透
        1. 1.1.1.1. 布隆过滤器
        2. 1.1.1.2. 缓存空对象
      2. 1.1.2. 缓存击穿
        1. 1.1.2.1. 设置热点数据永不会过期
        2. 1.1.2.2. 加互斥锁
      3. 1.1.3. 缓存雪崩
        1. 1.1.3.1. redis高可用
        2. 1.1.3.2. 限流降级
        3. 1.1.3.3. 数据预热