271-Redis缓存穿透和雪崩

Redis缓存穿透和雪崩

Redis缓存的使用，极大的提高了应用程序的性能和效率，特别是数据查询等。但同时，它也带来了一些问题。其中，最主要的问题就是数据一致性，从严格意义上来讲，这个问题是无解的。如果对数据一致性要求很高，那么就不能使用缓存。
另外一个典型的问题就是：内存穿透，内存击穿和内存雪崩问题。目前，业界也都有比较流行的解决方案。

缓存穿透 - 查不到

概念
缓存穿透的就是用户想要查询一个数据，发现Redis中没有，也就是缓存没有命中，于是向持久层数据库发起查询，发现也没有这个数据，于是本次查询失败。当用户很多的情况下，缓存都没有命中，又都去请求持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当于缓存穿透。

解决方案1 – 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，不符合的则丢弃，从而避免对持久层数据库的查询压力。

解决方案2–缓存空对象
当存储层不命中后，及时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。

但是这种方法会存在两个问题：

1. 如果控制能够被缓存起来，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的不一致，这对于需要保持一致性的业务会有影响。

缓存击穿 - 量太大，缓存过期

概念
这里需要注意和缓存穿透的区别，缓存击穿，是指一个key非常热点。在不停的扛着大量并发，大并发集中对这一个点进行访问，当这个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，就像在也给屏蔽上凿开了一个洞。
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，并且写会缓存，会导致数据库瞬间压力过大。
解决方法1 – 热点数据永不过期
从缓存层面来看，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。
解决方案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比较大

缓存雪崩

概念
缓存雪崩指的是在某一时间段，缓存集中过期失效，或者Redis宕机。比如：在写文本的时候，马上要到双十一零点，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。从而对这批商品的访问查询，都落到了后台数据库上，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达到存储层，存储层的调用量会暴增，造成存储层也会宕机的情况。

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。而缓存服务器节点的宕机，对数据服务器造成的压力是不可预估的，很可能瞬间就把数据库压宕机。
解决方案1 – Redis高可用
这个思想就是说既然Redis有可能挂掉，我就多增设几台Redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建缓存服务器集群。（异地多活）
解决方案2 – 限流降级
这个思想就是在缓存失效后，通过加锁或者队列来控制读写数据库的线程数量。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。
解决方案3 – 数据预热
数据预热的含义就是在正式部署之前，先把可能的数据先预先访问一遍，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。