Redis缓存穿透和雪崩

引用学习：https://space.bilibili.com/95256449/

• 所有的问题针对的都是服务器的高可用

• 这里不会分析解决方案的底层，只会说明问题的产生和基本的解决方案

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，它带来了一些问题。

其中，最要害的问题，就是数据的一致性问题（比如：数据库的秒杀商品已经没了，缓存中还有，因为会设置缓存的过期时间，所以缓存中的数据没有过期不会更新），从某种意义上讲，这个问题是无解的。

如果对数据的一致性要求很高，那么就不能使用缓存。

另外还有一些典型的问题就是，缓存穿透、缓存击穿、缓存雪崩。目前，业界也有比较流行的解决方案。

缓存穿透

概念

缓存的穿透的概念很简单，用户想要查询一个数据，发现redis内存数据库没有，也就是缓存未命中，于是向持久层数据库查询。发现也没有，于是本次查询是啊比。当很多的用户都发起这个请求，缓存都没有命中（比如秒杀！），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。

通俗来说：缓存没有，直接去查数据库，这是没有问题的，但是高并发的情况下，会压垮数据库，导致宕机。

解决方案

1、第一种：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，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力；

2、第二种：缓存空对象

当存储层不命中后，即使返回空的对象，也进行缓存起来，同时会设置一个过期时间，之后访问这个数据将会从缓存中获取，保护了后端数据源；

但是这种方法会存在两个问题：

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、即使对控制设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响的。

缓存击穿

概述

这里需要注意和缓存穿透的区别。

缓存的击穿，是指一个key非常的热点，在不停的扛着大并发，大并发集中对一个点进行访问，当这个key失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一堵墙上凿开了一个洞。

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

通俗来说：缓存中的数据还有10s过期，现在有上百万的并发请求正在读取，当缓存失效的一瞬间，大量的并发请求直接对存储层进行访问，一瞬间服务器扛不住，就会宕机。

微博就是这样经常宕机的。

解决方案

1、第一种：设置热点数据永不过期

从缓存层面来看，不设置过期的时间，所以就不会出现热点key过期后产生的问题。

但是永不过期会影响到内存的空间占用，并且Redis还有一种机制，在内存满了的时候，会有几种策略随机：

1、volatile-lru：只对设置了过期时间的key进行LRU（默认值） 
2、allkeys-lru ： 删除lru算法的key 
3、volatile-random：随机删除即将过期key
4、allkeys-random：随机删除 
5、volatile-ttl ： 删除即将过期的 
6、noeviction ： 永不过期，返回错误

这个在redis.conf配置文件中讲到了。

2、加互斥锁

分布式锁：使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其他线程没有获取分布式锁的权限，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，因此分布式锁的考验很大。

缓存雪崩

概念

缓存雪崩，是指在某一时间段，缓存集中过期实失效，或者服务宕机（断电，扫地大妈又把服务器插头拔了）！

产生雪崩的原因之一：比如在写文本的时候，马上就要到双十一零点，很快就会迎来一波抢购，这波商品时间比较集中的放入缓存，假如这波商品的缓存为一个小时，那么到了凌晨一点钟的时候，这波商品的缓存都过期了。而对这波商品的查询，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。对于所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。

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，一定是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

1、redis高可用

让这个思想的含义是，既然redis有可能挂掉，那我多增加几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建集群。（异地多活！在SpringCloud的eureka讲解中又说到）

2、限流降级（加锁和队列，在JUC中讲解过）

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

3、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访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生的大并发访问前，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尽量均匀，不要一瞬间都失效了，那么又会造成缓存雪崩了。