redis
redis缓存雪崩
就是说用户访问某东,这个时候 redis 里面的 key 大量失效,导致这个某东直接访问数据库,把大量的请求都打到来数据库,这种现象就是缓存雪崩。简单来说就是 redis 缓存在同一时间大量失效,就像这个雪崩来了一样。
那么缓存雪崩它的解决方案有几种呢?下面来说下:
-
设置这个缓存的失效时间,不让大量的 key 在同一时间失效,即在设置这个缓存的时候,可以将 key 的失效时间分散开。
-
我们部署 redis 一般是集群部署的,可以把这些热点的 key 放到不同的节点上去,让这些热点的 key 均匀的分布在不同的 redis 节点上。
-
还有就是比较暴力的方法,不设置这个缓存失效的时间,让 key 永不失效。
redis缓存穿透
首先这个恶意用户访问某东,用 id=-1 的数据去请求,然后这个 id=-1 的数据在 redis 缓存里面没有查到,就到数据库里面查询,也没有查到该条数据,只能返回空数据给前端了。
这个恶意用户(黑客)用脚本不断的发这个数据去请求,直接穿透 redis 打到这个数据库上,这就是所谓的缓存穿透。 简单来说,缓存穿透就是指缓存和数据库中都没有这样的数据,一般出现这种情况都不是正常的用户在访问。
那么缓存穿透的解决方案有以下几点:
-
请求如果穿透 redis,直接到数据库,那么数据库无论查出什么结果,都写回到 redis 缓存里面去,这样下次用同一个参数发来请求的时候,就直接被 redis 缓存拦截掉了,就不回打到数据库了。
-
对请求的参数做合法性校验。
-
比较直接、简单粗暴的方法,把这个 IP 拉黑。
-
最后是使用布隆过滤器,这是一个非常好的方式。
redis缓存击穿
用户访问某东,然后去 redis 请求某个拍卖秒杀商品,在缓存没有失效的时候,redis 可以把这个查询到的缓存 key 的结果返回回去,但是当这个缓存的 key 失效了,这个请求就会击穿这个 redis,直接打到数据库上。
这里大家注意的是,这里是某一个热点的 key,大量的用户请求不断的访问这个热点的 key,当这个热点的 key 突然失效,把请求都打到数据库上,这个过程就是叫做缓存击穿了。记住它是击穿某个一个非常热点的 key。
那么这个缓存击穿的解决方案是:
-
让这个热点 key 不过期,即不设置失效时间(不推荐)。
-
使用分布式锁,如果是单体应用的话使用互斥锁
redis总结
缓存雪崩:是指大量的缓存 key,在同一时间大量的失效。
缓存穿透:是指 redis 里没有请求想要的数据,直接穿过 redis 到数据库了。
缓存击穿:是指某个一个非常热点的 key,大量的用户去请求这个缓存热点 key,当这个缓存 key 突然失效的时候,这些请求都会打到数据库上。
分布式锁三种实现方式:
1. 基于数据库实现分布式锁;2. 基于缓存(Redis等)实现分布式锁;3. 基于Zookeeper实现分布式锁;
基于数据库实现分布式锁;
数据库实现的话,总体可以分为悲观锁跟乐观锁
悲观锁是指的可以使用 select … for update 来实现分布式锁。就是先 select … for update 锁住主键 key_resource 那个记录,如果为空,则可以插入一条记录,如果已有记录判断下状态和时间,是否已经超时。这里需要注意一下哈,必须要加事务。
除了悲观锁,还可以用乐观锁实现分布式锁。乐观锁,顾名思义,就是很乐观,每次更新操作,都觉得不会存在并发冲突,只有更新失败后,才重试。它是基于 CAS 思想实现的。
搞个 version 字段,每次更新修改,都会自增加一,然后去更新余额时,把查出来的那个版本号,带上条件去更新,如果是上次那个版本号,就更新,如果不是,表示别人并发修改过了,就继续重试。
这种方式适合并发不高的场景,一般需要设置一下重试的次数。
| 数据库分布式锁实现
优点:简单,使用方便,不需要引入 Redis、Zookeeper 等中间件。
缺点:
-
不适合高并发的场景
-
db 操作性能较差
| Redis 分布式锁实现
优点:
-
性能好,适合高并发场景
-
较轻量级
-
有较好的框架支持,如 Redisson
缺点:
-
过期时间不好控制
-
需要考虑锁被别的线程误删场景
| Zookeeper 分布式锁实现
缺点:
-
性能不如 Redis 实现的分布式锁
-
比较重的分布式锁。
优点:
-
有较好的性能和可靠性
-
有封装较好的框架,如 Curator
| 对比汇总
如下:
-
从性能角度(从高到低)Redis > Zookeeper >= 数据库
-
从理解的难易程度角度(从低到高)数据库 > Redis > Zookeeper
-
从实现的复杂性角度(从低到高)Zookeeper > Redis > 数据库
-
从可靠性角度(从高到低)Zookeeper > Redis > 数据库