Redis缓存异常

缓存数据和数据库不一致

对于读写缓存，可以采用同步写回策略

对于只读缓存

其中先删除缓存值，再更新数据库的操作中，重试数据库更新是用消息队列来实现

其中先删除缓存值，再更新数据库的操作中，延迟双删是指执行删除的线程1在更新数据库后，sleep一段时间，让来读取这个数据的线程2读数据，发现缓存没有，然后从数据库中找到值更新过去，由于是并发执行的，这里线程2读到的可能是旧值，因此需要删除这个存到缓存的数据，然后sleep醒过来的线程1再进行删除线程2更新的缓存。这之后的线程就发现缓存中没有，去数据库读到最新值了。

缓存雪崩

缓存雪崩是指大量的应用请求无法在redis缓存中进行处理，紧接着大量请求发送给数据库层，数据库压力激增。

原因：

1. 缓存中有大量数据同时过期，导致大量数据无法得到处理

解决方案：

1.避免给大量数据设置相同的过期时间，就算是业务要求有些数据时间相同，可以使用EXPIRE给每个数据 设置过期时间的时候，加上一个较小的随机数。

2. 服务降级，就是当业务访问的是非核心数据时，就暂停从缓存中查询这些数据，而是直接返回预定义信 息，空值，或错误信息。当业务访问的是核心数据时，就仍然允许查询缓存，如果需要访问数据库，也 允许

2. redis缓存实例发送故障宕机了，无法处理请求，大量请求堆积到数据库层

解决方法：

1.在业务系统中实现服务熔断，即业务应用调用缓存接口时，缓存客户端并不把请求发送给redis缓存实例，而是直接返回，等到redis缓存实例重启后，再运行请求发送到缓存实例。

2.请求限流，在业务系统的请求入口前端控制每秒进入系统的请求数，避免过多的请求被发送到数据库。

3.构建redis高可用缓存集群，主节点挂掉后，从节点替换主节点继续提供服务。

缓存击穿

缓存击穿就是大量的热点数据同时过期，导致大量请求访问到数据层

解决方法：对于访问特别频繁的数据可以不设置过期时间。或者提前预热，把热点数据重新存入，设置好过期时间。

缓存穿透

缓存穿透是指要访问的数据既不在 Redis 缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据。

第一种方案：缓存空值或缺省值

第二种方案：使用布隆过滤器快速判断数据是否存在，避免从数据库查询数据。

布隆过滤器怎么工作的呢？

布隆过滤器由一个初值为0的bit数组和N个哈希函数组成，可以用来快速判断某个数据是否存在。

如何标记一个数存在：

• 首先，使用N个哈希函数对数据求哈希值，得到N个哈希值

• 把这N个哈希值对bit数组的长度取模，得到哈希值在数组中的对应位置

• 最后，把对应位置的bit位设置为1。

当需要查询这个数据时，我们就执行刚刚说的计算过程，先得到这个数据在bit数组中对应的N个位置，紧接着查看这N个位置的bit值，有一个不为1就说明数据库中不存在这个数据。

第三种方案，在请求入口的前端进行请求检测。