Redis学习笔录

Redis缓存一致性问题处理方案

1. 由缓存的调用者，在更新数据库的同时更新缓存
2. 缓存与数据库整合为一个服务，由服务来维护一致性，调用者调用该服务，无需关心缓存一致性问题
3. 调用者只操作缓存，由其他线程异步的将缓存数据持久化到数据库，保证最终一致性

操作缓存和数据库时有三个问题需要考虑：

1. 删除缓存还是更新缓存？

• 更新缓存：每次更新数据库都更新缓存，无效写操作较多
• 删除缓存：更新数据库时让缓存失效，查询时再更新缓存

2. 如何保证缓存与数据库的操作的同时成功或失败？

• 单体系统：将缓存与数据库操作放在一个事务
• 分布式系统，利用TCC等分布式事务方案

3. 先操作缓存还是先操作数据库？

• 先删除缓存，再操作数据库
• 先操作数据库，再删除缓存

缓存更新策略的最佳实践方案：

1. 低一致性需求：使用Redis自带的内存淘汰机制

2. 高一致性要求：主动更新，并以超时剔除作为兜底方案

• 读操作：缓存命中直接返回；缓存未命中则查询数据库，并写入缓存，设定超时时间
• 写操作：先写数据库，然后再删除缓存；要确保数据库与缓存操作的原子性

缓存穿透

缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。常见的解决方案有两种：

1. 缓存空对象

• 优点：实现简单，维护方便
• 缺点：额外的内存消耗；可能造成短期的不一致

2. 布隆过滤

• 优点：内存占用较少，没有多余key
• 缺点：实现复杂；存在误判可能

3. 增强id的复杂度，避免被猜测id规律

4. 做好数据的基础格式校验

5. 加强用户权限校验

6. 做好热点参数的限流

 缓存雪崩

缓存雪崩是指在同一时段大量的缓存同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力

 解决方案：

• 给不同的Key的TTL添加随机值
• 利用Redis集群提高服务的可用性
• 给缓存业务添加降级限流策略
• 给业务添加多级缓存

缓存击穿 

缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效，无数的请求访问会在瞬间给数据库带来巨大的冲击。

常见的解决方案有两种：

1. 互斥锁

优点：

• 没有额外的内存消耗
• 保证一致性
• 实现简单

缺点：

• 线程需要等待，性能受影响
• 可能有死锁风险 

 2. 逻辑过期

优点：线程无需等待，性能较好

缺点：

• 不保证一致性
• 有额外内存消耗
• 实现复杂

 

多线程并发安全问题

悲观锁

认为线程安全问题一定会发生，因此在操作数据之前先获取锁，确保线程串行执行。例如synchrinized、lock都属于悲观锁。

• 优点：简单粗暴
• 缺点：性能一般

#单体架构基于事务的悲观锁方案
    public void main(String[] args) {
        Long user;
        synchronized (user.toString().intern()){
            UserService proxy