缓存世界中的三大问题及解决方案

Redis 经常用于系统中的缓存，可以极大地提高了系统性能和效率，但同时也带来一些问题。一个是数据一致性问题。从严格意义上讲，只要使用缓存，就会出现一致性问题，这是无法解决的。另一个问题是本文将讨论的缓存穿透，缓存击穿和缓存雪崩，这三个问题不仅限于 Redis，其他缓存工具同样需要面对这三个问题。接下来我详细讲解这三个问题以及对应的解决方案。

一、缓存穿透

缓存穿透意味着当用户查询数据库不存在数据时，返回的结果为空，并且结果不会在缓存中存储。假设用户不断发起这样的请求，它将永远不会访问缓存，导致所有查询都落在数据库上，从而导致数据库被打死。

public Object getGoods(Long goodsId) {

    //从 Redis 获取 goods 信息
    Object goodsInfo = redisTemplate.opsForValue()
                .get(String.valueOf(goodsId));
        if (goodsInfo != null) { 
            return goodsInfo;
        }

    //从数据库查询 goods 信息，并存入 Redis
    goodsInfo = goodsDao.selectByGoodsId(goodsId);
        if (goodsInfo != null) { 
        redisTemplate.opsForValue()
                .set(String.valueOf(goodsId), goodsInfo);
        }
    return goodsInfo;
}

假设 goodsId 没有负数情况，如果发起一个参数 goodsId = -1 的请求，这个数据在缓存中肯定不会存在，每次它都会进入查询数据库，并且数据查询结果也是 null，并且不会缓存结果到 Redis。

解：

1）通过用户认证、参数验证等，在上层拦截这些不合理的请求；

2）当数据库查询结果为空时，数据也被缓存，但缓存有效期设置较短，以免影响正常数据的缓存。

解：

实际上，在大多数实际业务场景中，缓存击穿是实时发生的，但不会对数据库造成太大压力，因为一般的公司业务，并发量不会那么高。当然如果你不幸有这种情况，你可以通过设置这些热点键，使其永远不会过期。另一种方法是通过互斥锁来控制查询数据库的线程访问，但这种会导致系统的吞吐率下降，需要实际情况使用。

数据未加载到缓存中，或者缓存同时在大范围中失效，导致所有请求查找数据库，导致数据库、CPU 和内存过载，甚至停机。

一个简单的雪崩过程：

1） Redis 集群的大面积故障；

2）缓存失败，但仍有大量请求访问缓存服务 Redis；

3）在大量 Redis 请求失败后，请求转向数据库；

4）数据库请求急剧增加，导致数据库被打死；

5）由于你应用程序服务大部分都依赖于数据库和 Redis 服务，它很快就会导致服务器集群的雪崩，最后整个系统将彻底崩溃。

解：

事前：高可用的缓存

高可用的缓存是防止出现整个缓存故障。即使个别节点，机器甚甚至机房都关闭，系统仍然可以提供服务，Redis 哨兵(Sentinel) 和 Redis 集群(Cluster) 都可以做到高可用。

事中：缓存降级（临时支持）

当访问次数急剧增加导致服务出现问题时，我们如何确保服务仍然可用。在国内使用比较多的是 Hystrix，它通过熔断、降级、限流三个手段来降低雪崩发生后的损失。只要确保数据库不死，系统总可以响应请求，每年的春节 12306 我们不都是这么过来的吗？只要还可以响应起码还有抢到票的机会。

事后：Redis 备份和快速预热

1） Redis 数据备份和恢复

2）快速缓存预热

目前的大部分的系统都增加了缓存机制，避免对数据库造成过大压力导致系统出问题，极大的提升系统稳定性。虽然使用缓存能够给系统带来了一定的质的提升，但同时也带来缓存穿透、缓存击穿、缓存雪崩问题等问题。特别是当并发量增大、恶意攻击的时候，是很难避免。这些问题应该在设计系统时候就应该考虑，这样设计出来的系统才经得起考验。

扩展阅读