Redis缓存问题

缓存问题

• 缓存穿透：访问不存在的key，缓存不起作用

  • 查询一个缓存和数据库都不存在的数据，缓存命中不到，再去数据库中查询也查不到，故也无法写入缓存。所以每次对该数据的请求都要到数据库中查询，造成缓存穿透。在该访问量大时，可能就会导致数据库gg。
  • 解决方式：使用布隆过滤器过滤大部分不存在的key。

• 缓存雪崩：设置缓存时采用了相同的过期时间，导致缓存在某一时刻大量同时失效，大量查询同时落在了数据库上，造成缓存雪崩。

  • 解决方式：可以设置过期时间+一个随机值 使得每个key的过期时间分开。

• 缓存击穿：相对于雪崩，缓存击穿是指某一key过期了，恰好此时针对该key有大量的请求，这种key在缓存中没有而数据库中有的情况，其请求全都从数据库中查询，这种大量并发请求将数据库压垮。

  • 解决方式：
    • 设置热点数据永不过期-可能会带来一定的数据一致性问题。
    • 加锁：访问key之前 采用SETNX（set if not exists） 如果在缓存中不存在，数据库中存在则设置一个短期key锁来锁住对该key的访问，结束后再删除该短期key锁。
    • 数据预热：将热门数据预先加载到缓存中。
    • 使用布隆过滤器：其可以快速判断某个键是否可能存在缓存中，不存在则直接返回缓存未命中。

布隆过滤器

• 初始化：将所有的key通过哈希函数映射到数组上，映射到了的点值为1。添加新数据时也继续向里映射。
• 判断：如果请求的key映射不到为1的点，则一定不存在。
• 不足之处：
  • 有可能会造成不存在的key当成存在的误判，尤其是数据量越大，误判率越高，因为查询的key的几个点可能正好落在别的很多个key所置1的点位上，但是实际上这些点位不是由该key所置1的。
  • 布隆过滤器不能删除某个key，因为如果按照插入时的点位去删除的话，可能会有别的key所映射的在这同一个点，因此是不能去删除的
• 其优点也很明显：
  • 只维护了一个位数组，不会随着数据量增加而导致内存增加
  • 插入和查询都只是一些hash映射的操作，也不会随着数据量增大而导致时间复杂度增加