1.缓存穿透:查询一个一定不存在的数据,由于缓存一定不命中,将查询数据库,并且没有将null写入缓存,这将导致这个不存在的数据每次请求都到存储层查询。
风险:利用不存在的数据进行攻击,数据库瞬时压力增大,最终导致崩溃。
解决方案:null结果缓存,并加入短暂过期时间。
2.缓存雪崩:指设置缓存时key采用了相同的过期时间,导致缓存在某一时刻同时失效,请求全部转发到存储层,导致数据库瞬时压力过重雪崩。
解决方案:原有的失效时间基础上增加一个随机值,这样每一个缓存的过期时间的重复率就会减低。
3.缓存击穿:如果一些热点数据在大量请求同时进来前正好失效,那么所有对这些key的数据查询都将落到数据库。
解决办法:加锁,大量并发只让一个请求查询,其他人等待,查到以后释放锁,其他请求获取到锁,先查询缓存,而不用查询数据库。
单服务器解决缓存击穿:
synchronized(this){
//得到锁之后,先查询缓存,如果没有缓存继续查询
String data = redisTemplate.opsForValue().get("data");
if(!StringUtils.isEmpty(data)){
return data;
}else{
//查询数据库,并放入缓存,再释放锁
}
}
分布式系统解决缓存击穿:
//避别免误删别的线程的锁
String uuid =UUID.randomUUID().toString();
Boolean lock = redisTemplate.opsForValue().setIfAbsent("lock",uuid ,300,TimeUnit.SECONDS);//设置过期时间,避免服务崩溃无法释放锁
if(lock){
//加锁成功执行业务,并使用lua脚本解锁
.......
String script = "if redis.call('get',KEYS[1]..........)";
//获取lock的值与uuid对比,相同删除返回1,否则返回0
redisTemplate.execute(new DefaultRedisScript<Long>(script,Long.class),Arrays.asList("lock"),uuid);
}else{
//加锁失败...自旋重试
}