1 缓存穿透
1.1 问题描述
缓存穿透是指查询一个一定不存在的数据,由于缓存不命中,并且出于容错考虑, 如果从存储层查不到数据则不写入缓存,这将导致这个不存在的数据每次请求都要到存储层去查询,失去了缓存的意义。
1.2 造成的原因
1.业务代码自身问题
2.恶意攻击。爬虫等等
1.3 解决方案
方案一:缓存空对象
public class NullValueResultDO implements Serializable{
private static final long serialVersionUID = -6550539547145486005L;
}
public class UserManager {
UserDAO userDAO;
LocalCache localCache;
public UserDO getUser(String userNick) {
Object object = localCache.get(userNick);
if(object != null) {
if(object instanceof NullValueResultDO) {
return null;
}
return (UserDO)object;
} else {
User user = userDAO.getUser(userNick);
if(user != null) {
localCache.put(userNick,user);
} else {
localCache.put(userNick, new NullValueResultDO());
}
return user;
}
}
}
方案二:布隆过滤器
将已存在的对象id列表缓存到布隆过滤其中并设置匹配率,当接收到查询对象的请求时,首先查询的对象是否在布隆过滤器其中,返回不存在时,则不必再去查询数据库。
1)Google布隆过滤器
基于JVM内存的一种布隆过滤器
缺点:
重启即失效
本地内存无法用在分布式场景
不支持大数据量存储
2)Redis布隆过滤器
可扩展性Bloom过滤器:一旦Bloom过滤器达到容量,就会在其上创建一个新的过滤器
不存在重启即失效或者定时任务维护的成本:基于Google实现的布隆过滤器需要启动之后初始化布隆过滤器
缺点:需要网络IO,性能比Google布隆过滤器低
2 缓存击穿
2.1 问题描述
缓存击穿是指在高并发情境下,缓存中没有但数据库中有的数据(一般是缓存时间到期),这时由于并发用户特别多,同时读缓存没读到数据,又同时去数据库去取数据,引起数据库压力瞬间增大,造成过大压力。
2.2 造成的原因
使用缓存,如果获取不到,才会去数据库里获取。但是如果是热点 key,访问量非常的大,数据库在重建缓存的时候,会出现很多线程同时重建的情况。因为高并发导致的大量热点的 key 在重建还没完成的时候,不断被重建缓存的过程,由于大量线程都去做重建缓存工作,导致服务器拖慢的情况。
2.3 解决方案
互斥锁
第一次获取缓存的时候,加一个锁,然后查询数据库,接着是重建缓存。这个时候,另外一个请求又过来获取缓存,发现有个锁,这个时候就去等待,之后都是一次等待的过程,直到重建完成以后,锁解除后再次获取缓存命中。
互斥锁的优点是思路非常简单,具有一致性,但是互斥锁也有一定的问题,就是大量线程在等待的问题。存在死锁的可能性。
互斥锁的实现根据项目的场景可分为分布式锁和java普通锁。
3 缓存雪崩
3.1 问题描述
缓存雪崩是指机器宕机或在我们设置缓存时采用了相同的过期时间,导致缓存在某一时刻同时失效,请求全部转发到数据库,数据库瞬时压力过重雪崩。
3.2 造成的原因
过多的缓存数据同时失效同时访问数据库造成数据库压力突然变大。
3.3 解决方案
1:分布式锁
减少同一时间对数据库的并发访问量
2:部署高可用集群方案
3: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。