Redis 系列--缓存问题（缓存更新以及缓存穿透/缓存击穿/缓存雪崩）

使用 Redis 作为缓存时，一般的设计方案是：用户发起查询请求时，先从缓存中进行查询，如果数据存在则直接返回，否则查询数据库后更新缓存并返回。

在讨论缓存的常见问题之前，我们先来探讨一下缓存如何更新：
考虑一个场景，数据库有一条数据，同时也存在缓存中，现在我们要对这条数据进行更新，该如何进行更新呢？

首先考虑采用更新的操作（set）来实现缓存的更新，采用这种方案的话，不管是先更新缓存还是先更新数据库，都会存在数据一致性的问题。因此实际应用中我们一般不采用更新命令（set）来更新缓存，而是选择先删除（del）再插入（set）的方式进行缓存更新，那么同样的，我们该如何选择更新的顺序呢，是先更新数据库，还是先删除？

如果选择先更新数据库，如果数据库更新成功，删除操作失败，会导致数据不一致。如果选择先删除缓存，在删除之后，如果用户查询请求到达，查缓存不存在，会查询数据库，也不会出现数据一致性问题。好像这种方案没什么问题，但是考虑这个场景，A 客户端进行缓存更新操作，它的处理逻辑是这样的：1，先把 key 删除了；2，然后去更新数据库；3，更新完了将新的 value 写入 key。如果在步骤 1 完成之后 B 对同一条数据的查询请求进来了，发现缓存中查不到这条数据，这时它的处理逻辑是这样的：1，查询缓存失败去数据库查询；2，从数据库查询到数据，将数据同步到缓存并返回。观察 A 和 B 的处理逻辑会发现，如果 A 的 3 发生时间晚于 B 的 2，最终缓存中的数据和数据库中的数据是一致的，而且就算 B 查询到的是旧的数据（A 提交之前的数据）也没多大影响（B 看到的数据是一致的，而且出现 B 这种情况的请求也是有限的）。如果 A 的 3 早于 B 的 2 发生，就会出现数据不一致，A 更新的缓存的最新值被 B 用旧的值覆盖了。这种问题该如何解决呢？一般我们会选择在 A 更新数据库完成之后，延迟一小段时间再执行一次删除操作，让后面进来的第一个查询线程去将数据库中的最新值同步到缓存，之所以要延迟一小段时间再删除，就是为了避免删除的过早，又被另一个线程覆盖上旧的值。这种方案就是我们常说的延时双删方案。

现在我们再来讨论一下缓存查询的问题。上图中描述的这种简单设计可以满足并发量较小的系统要求，当并发量增大或者遇到恶意攻击时，则可能导致大量请求达到数据库导致数据库压力增大甚至不可用。为了最大可能的减小数据库压力，在使用 Redis 做缓存时，就需要做周全的设计，其中要解决的比较典型的问题就是缓存穿透，缓存击穿，缓存雪崩。

1. 缓存穿透

缓存穿透是指用户不断请求缓存和数据库中都没有的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大。
解决方案一：

1. 接口层增加校验，如用户鉴权校验；
2. 查询参数做合法性校验，如拦截 id 为负的查询；
3. 参数通过合法性校验，但是数据不存在，这时也可以将 key-value 对写为 key-null 或者将 value 置成可识别的错误，同时设置一个较短的过期时间（设置太长会导致数据库插入了数据以至数据长时间不一致）。
   **解决方案二：**布隆过滤器。当查询请求进来时，可以先使用布隆过滤器进行判断，根据布隆过滤器的特性，判断不存在的数据一定不存在，判断存在的数据可能存在。如果通过布隆过滤器判断出请求的数据不存在，则可直接返回不存在，这样就拦截调了无效的请求。布隆过滤器的详细介绍可参考本系列的《Redis 系列–布隆过滤器》。这里介绍一下采用布隆过滤器的实现方式：
   方式一，客户端引入布隆过滤器，数据的计算和存储都放在客户端，这样可以最大限度的降低到达 Redis 的请求数量。
   方式二，客户端只引入计算逻辑，槽位数据的存储放在 Redis，客户端计算出要查询的 key 的指纹所在槽位后，只需到 Redis 进行查询，这样降低了 Redis 端的 CPU 消耗。
   方式三，Redis 端引入布隆过滤器模块，计算与存储都由其完成，这样可以做到客户端的瘦身。

2. 缓存击穿

缓存击穿是指大量请求同时查询缓存中不存在但数据库中有的数据（一般是缓存时间到期），这时由于并发量大，读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大。
解决方案：

1. 设置热点数据永远不过期。
2. 对数据库查询操作加互斥锁，具体方案如下：
   1）使用 setnx 命令获取互斥锁；
   2）获取锁成功，去数据库查询，将结果更新到缓存并释放锁；
   3）获取锁失败，说明已经有线程去查数据库，等待一段时间再查缓存。

加锁的方案中需要解决分布式锁的死锁问题。

3. 缓存雪崩

缓存雪崩是指缓存中大量数据同时到期，并发请求刚好需要查询这些数据，引起数据库压力过大。缓存击穿指少量过期的数据被并发查询，缓存雪崩是并发查大量不同的已过期的数据。
解决方案：

1. 设置热点数据永远不过期。
2. 如果需要过期的数据不是时点性的，可以设置随机的过期时间，防止同一时间大量数据过期现象发生。
3. 如果需要过期的数据是时点性的，比如会定期更新的数据，可以将查询的请求延期处理。

参考文章：缓存穿透、缓存击穿、缓存雪崩区别和解决方案