使用redis架构的高可用问题
Redis缓存的使用不可避免的会造成数据一致性问题,从严格意义来讲,这个问题没有解决办法。一旦出故障,丢多少ms多少s的数据都算丢。如果对数据一致性要求非常之高,那么久不能使用缓存。
下图展示的是请求的流程
缓存穿透
缓存穿透的概念很简单,用户想要查询一个数据,发现redis内存数据库没有,也就是缓存没有命中,于是向持久层数据库查询,这会给持久层数据库造成很大的压力,此时就会出现缓存穿透
缓存穿透的解决方案又两种
一、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,不符合规则的丢弃,避免了对底层存储系统的查询压力
二、缓存空对象
当存储层不命中后,即使返回空对象也对其缓存起来,同时设置一个过期时间,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。
缓存击穿(量太大,缓存过期)
缓存击穿是指一个key非常热点,在不停扛着大并发,大并发集中对这一点进行访问,当这个key失效的瞬间,持续的大并发会击穿缓存,直接请求数据库,就像在屏幕上凿开了一个洞
缓存击穿的两种解决方案
一、设置热点数据永不过期
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
二、加分布式锁
使用分布式锁,保证对于每一个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。这种方式将将高并发的压力转移到分布式锁,因此对分布式锁的考验很大。
缓存雪崩
缓存雪崩,指在一个时间段内缓存集中过期失效或者Redis宕机的情况 、
缓存中的key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,无非就是周期性的对数据库产生压力。但缓存服务节点宕机对数据库服务器造成的压力是不可预知的,很有可能瞬间把数据库压垮
缓存雪崩的三种解决方案
一、redis高可用
既然redis有可能挂掉,那我多增设几台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(异地多活更稳妥)
二、限流降级
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
三、数据预热
在正式部署前,先把可能的数据预先访问一遍,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。