目录
一.缓存穿透
1.出现场景:
请求redis获取数据时,频繁的出现查询不到的情况,这样会一直请求数据库,数据库查询不到也不会往redis里设置key,这样当别人使用不存在的数据请求时,会导致数据库压力过大
2.解决办法
(1)设置key为null
当查询数据库时,将不存在的数据设置为null存在reids中
优点:使用简单
缺点:
a.消耗内存
b.当reids将值设置为null时,数据库后面可能会更新数据,这样就会出现数据不一致的情况,如果在不是很要求强一致性的场景下,可以合理的设置不同的过期时间来解决
(2)使用布隆过滤器
布隆过滤器是什么?
布隆过滤器相当于是一串数组,数组里只存在二级制的0和1,如果存在数据,那么布隆过滤器会将key进行多次计算,并设置数组下标对应的值为1,这样请求redis时就会先使用布隆过滤器确定当前数据是否存在
优点:节省内存
缺点:布隆过滤器可能存在误判的情况
java集成redisson使用布隆过滤器
a)引入依赖
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson-spring-boot-starter</artifactId>
<version>3.16.0</version>
</dependency>
b)初始化布隆过滤器
/** 预计插入的数据 */
Integer expectedInsertions = 10000;
/** 误判率 */
Double fpp = 0.01;
// Redis连接配置
Config config = new Config();
config.useSingleServer().setAddress("redis://192.168.0.1:6379");
config.useSingleServer().setPassword("123456");
// 初始化布隆过滤器
RedissonClient client = Redisson.create(config);
RBloomFilter<Object> bloomFilter = client.getBloomFilter("user");
bloomFilter.tryInit(expectedInsertions, fpp);
c)增加数据
// 布隆过滤器增加元素
for (Integer i = 0; i < expectedInsertions; i++) {
bloomFilter.add(i);
}4)过滤数据
//判断是否存在元素
Boolean b = bloomFilter.contains(i)二.缓存击穿
1.出现场景:
当redis中的某个key过期时,大量的请求向数据库请求,这时数据库承受不住压力崩溃
2.解决方案:
(1)互斥锁
当线程1请求数据库时,加上互斥锁,这个时候其他的线程需要等待这个锁释放,等待线程1请求完成后写入redis,其他线程才会返回数据
优点:强一致性
缺点:性能差
(2)逻辑过期
在redis存储数据时,不设置过期时间,在数据库字段中加上一个过期时间的字段,当从reids中获取数据判断该数据过期时,加上互斥锁,同时开启一个新线程去异步请求数据库,这是原线程可以直接返回,其他线程遇到互斥锁也会先使用原有的数据
优点:高可用
缺点:数据可能存在不一致
三.缓存雪崩
1,出现场景
当某个时间段内,redis缓存大量的过期或者redis宕机了,这是所有的请求都会流向数据库导致压力过大
2.解决方案
(1)redis的过期时间加随机值
(2)redis采用集群模式
(3)使用nginx或者gateway的降级限流
(4)使用多级缓存
四.双写一致性
1.出现场景:
当修改数据库数据时,不论是先删除redis再修改数据库还是先修改数据库再删除redis都会可能造成脏数据的情况
2.解决方案
(1)高可用
使用延时双删,在删除redis后修改数据库,再延迟一定时间再次删除redis
优点:大大降低了脏数据的可能性
缺点:在延迟的这段时间还是有可能会出现脏数据的情况,无法保证强一致性
(2)强一致性
使用互斥所,读写锁,来保证强一致性
优点:数据的强一致性
缺点:效率不高
五.redis的数据持久化
1.RDB:数据快照
(1)开启方式
a)手动:在命令窗口输入save(使用主进程执行,会阻塞数据) bgsqve(会开启新的进程)
b)配置文件:在redis.conf中配置 save 900 1(900秒有一次更新就执行)
(2)原理
reids的主进程中存在一个页表区域,页表会记录物理内存和虚拟地址的映射关系,当执行RDB时,会开启一个副进程,这个进程会复制一份相同的页表
当开启RDB时,主进程会读写数据,这时物理内存必须复制一份数据进行修改,从而保证数据的一致
(3)优缺点
优点:文件量小,数据恢复速度快
缺点:数据完整性不高,资源占用高
2.AOP:追加文件
(1)开启方式
需要在redis.conf中找到appendonly no,将no改成yes主动开启
(2)原理
AOF会记录每次执行的命令写入文件中,这样就会导致文件量过大,同时可以使用命令来缩减无效的命令,AOF存在三种记录刷盘方式,最常用的是appendsync everysec:1秒钟刷盘一次,效率中等,丢失的数据可能性小
(3)优缺点
优点:数据完整性高,资源占用小,仅是io的读写操作
缺点:数据文件量大,数据恢复数据较慢
六.reids的分布式锁
1.使用场景
在设计负载均衡的情况下,有多台服务请求redis,这时需要在服务外加锁
例如:抢票,购物
2.使用方式
(1)使用命令setnx
SET lock value NX PX 10
(2)使用redisson
3.可能出现问题
(1)redis分布式锁延期
a)出现场景
当线程获取锁的时候,由于网络或其他原因导致业务未执行完成从而将锁释放了
b)解决方案
使用redisson的watch dog看门狗机制,每隔三分之一的过期时间续一次锁,其他线程会进行while循环等待当前线程结束
(2)redis分布式锁主节点宕机
a)出现场景
当redis设置了组从节点,当主节点宕机,由于哨兵机制会选取一个从节点变为主节点,这是会有两个线程同时拥有锁
b)解决方案
使用redLock红锁机制,同时让多个redis服务拥有锁,缺点是性能消耗太高,不符合redis高可用的思想,建议使用zookepper来保证强一致性思想
七.redis的集群
redis的集群有主从模式,哨兵模式,集群分片模式
1.主从模式
(1)数据同步原理
a)全量同步
a.从节点向主节点发送数据同步请求,主节点判断从节点是否是第一次同步
b.是第一次同步的话,主节点会发送数据的版本号,从节点接收并同步
c.主节点生成RDB文件发送给从节点执行
d.在执行RDB文件时,主节点会将这部分信息记录到日志中发给从节点执行
b)增量同步
a.从节点向主节点发送数据同步请求,主节点判断从节点是否是第一次同步
b.不是第一次同步的话,主节点会发送RDB文件发送给从节点接收并同步
c.在执行RDB文件时,主节点会将这部分信息记录到日志中发给从节点执行
2,哨兵模式
(1)实现原理
基于心跳机制,当主节点长时间未响应从节点,那么会根据一定机制来选取一个从节点来担任主节点
(2)脑裂问题
由于网络波动,选举出新的主节点后,原来的主节点恢复了,这就会导致原主节点数据清空导致到了数据丢失
这时需要修改reids配置,设置reids最少拥有一个主节点并且主从数据同步的延迟不超过五秒
3,集群分片模式
(1)实现原理
采用多个主节点,每个主节点保存不同的数据,同时每个主节点都拥有从节点
主节点之间也会采用心跳机制互相监测
八.redis速度快的原因
1.纯内存操作
2.单线程,没有上下文之间的切换
3.不是阻塞式IO,实现了IO的多路复用
2620
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
