Redis三大缓存问题及其解决方案

缓存穿透

缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，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。

• 设置热点数据永不过期。将热点数据放入缓存中，并设置其过期时间为永久或较长的时间，这样即使缓存未命中，也不会影响数据的一致性。需要注意的是，需要定期清理缓存中的无用数据，以避免占用过多内存。
• 使用布隆过滤器。布隆过滤器是一种概率型数据结构，用于高效地检测一个元素是否属于一个集合。在查询数据时，先判断该数据是否存在于布隆过滤器中，如果存在则直接返回结果，否则再从数据库中查询数据。
• 缓存空对象。在缓存中存储空对象，当查询一个不存在的数据时，直接返回空对象，而不是默认值或者错误信息。
• 使用分布式锁。在查询数据前先使用分布式锁进行加锁，保证只有一个线程能够访问数据库，其他线程需要等待锁释放后才能进行查询。
• 使用数据库的缓存机制。一些数据库提供了自己的缓存机制，可以将查询结果缓存到内存中，减少对数据库的访问次数。

缓存击穿

缓存击穿是指在高并发访问下，某个热点数据失效后，大量请求同时涌入后端存储，导致后端存储负载增大、响应时间变慢，甚至瘫痪。

解决缓存击穿的两种常见方案是使用互斥锁和逻辑过期。

互斥锁解决方案：

• 原理：通过使用分布式锁（如Redis的锁）来确保在缓存失效时，只有一个线程去数据库获取数据，其他线程等待直到锁释放。
• 实现：可以使用Redis的setnx命令（或相应的API方法如setIfAbsent()）来实现互斥锁。当一个线程尝试设置一个不存在的键时，如果成功，则获得锁，可以执行数据库查询；其他线程尝试设置该键时会失败，直到锁释放。
• 优点：确保了数据的一致性和减少了直接访问数据库的压力。
• 缺点：增加了单个请求的响应时间，可能导致线程池饱和，尤其是在高并发场景下。

逻辑过期解决方案：

• 原理：不在缓存中设置直接的过期时间，而是通过逻辑判断来决定缓存是否有效。例如，可以在缓存值中包含一个逻辑过期时间，并在访问时检查这个逻辑过期时间，如果已过期，则重新构建缓存。
• 实现：在检测到缓存值过期时，使用互斥锁保护缓存的重建过程，同时允许其他线程继续使用旧的缓存值。一旦新的缓存构建完成，释放锁并更新缓存。
• 优点：减少了缓存更新次数，尤其适用于数据频繁更新的情况。
• 缺点：在缓存重建期间，可能返回旧数据，导致数据不一致。实现起来较为复杂，且在高并发场景下可能导致性能问题。

缓存雪崩

 缓存雪崩是指因为某些原因导致缓存中大量的数据同时失效或过期，导致后续请求都落到后端存储上，从而引起系统负载暴增、性能下降甚至瘫痪。

• 缓存预热。在系统启动时，将常用的数据加载到缓存中，避免系统启动后短时间内出现大量缓存失效的情况。可以通过提前加载数据或者使用热启动技术来实现。

• 差异化设置过期时间。避免让大量的key在同一时间过期。在初始化缓存时，给这些数据的过期时间增加一个较小的随机数，以分散过期时间，减少同时过期的情况。

• 使用Redis构建高可靠集群。通过Redis的哨兵模式或集群部署方式，即便个别Redis节点下线，整个缓存层依然可用。在多个机房部署Redis，即使机房故障，也能保证缓存层的可用性。

• 服务熔断与限流。在缓存层或存储层出现问题时，通过服务熔断机制暂停业务应用对缓存服务的访问，以降低对数据库的压力。同时，使用限流技术如Hystrix、Sentinel等来控制每秒进入应用程序的请求数，避免过多请求直接打到数据库。

• 分布式锁。使用分布式锁（如Redis中的SETNX方法）来控制并发请求，确保只有一个节点可以更新热点数据，避免多个节点同时更新导致的问题。

• 异步重建缓存。采用异步策略来更新缓存，通过线程池中的线程来异步构建缓存，避免所有请求直接到达存储层。

• 缓存不过期。设置Redis中的key永不失效，或者通过后台任务定期更新数据，以减少缓存失效的风险。