Redis穿透、击穿、雪崩

最新推荐文章于 2023-05-21 10:25:12 发布

永恒的回忆l

最新推荐文章于 2023-05-21 10:25:12 发布

阅读量109

点赞数 1

分类专栏：中间件系列文章标签： redis

原文链接：https://blog.csdn.net/wuxiaolongah/article/details/106968601

版权

中间件系列专栏收录该内容

2 篇文章 1 订阅

订阅专栏

解决高并发问题的其中一项措施是使用缓存，而通常的技术选型就是redis。

用户访问网站时，为了避免每次都到持久层（如mysql）中获取数据，可以先到缓存（如Redis）中获取；如果缓存中获取不到，才到数据库中获取，同时将获取到的数据缓存到redis中。加缓存的目的是让用户尽可能少的访问数据库，尽可能多的访问缓存数据，从而提高网站的响应速度，保证网站的高并发，保护持久层数据的安全，同时提升用户的体验。

在这里插入图片描述

有个黑帽子，一直使用订单id=-1的请求参数访问你的网站，会怎么样？

缓存穿透

比如数据中不存在id=-1的订单数据，如果请求查询这条数据，则缓存中查不到，会将请求打到下层的数据库上，这就是缓存穿透；

查询缓存中不存在的数据会导致缓存穿透。需要注意的是，低频的缓存穿透是不可避免的，但是需要避免高频的缓存穿透。

如果有人恶意并发访问数据库中不存在数据，就可能会导致数据库因扛不住大的并发而引起系统瘫痪！

解决方案一：缓存空对象

请求到redis，当redis没有命中该数据时，请求会到达mysql；如果mysql也不存在该数据时，则缓存一个空对象到redis中。这样就可以解决缓存穿透问题。

public String getOrderInfo(String orderId){
    
    // 查询缓存
    String orderInfoStr = redisClient.get(orderId);
    
    // 缓存不存在，查询数据库
    if(orderInfoStr == null){
    	OrderInfo orderInfo = orderMapper.selectByOrderId(orderId)
        if(orderInfo != null){
            // 数据库存在，则正常缓存
            orderInfoStr = JSON.toJSONString(orderInfo);
            redisClient.set(orderId,orderInfoStr,2L * 60 * 60 * 1000,TimeUnit.MILLISECONDS);
        }else{
            // 数据库存在，则短时间缓存空值
            orderInfoStr = "";
            redisClient.set(orderId,orderInfoStr,30 * 60 * 1000,TimeUnit.MILLISECONDS);
        }    
    }
    
    return orderInfoStr;
}

问题来了，当数据库中真的插入了该条数据，请求过来后只能拿到缓存中的空对象，该如何解决呢？

我们可以针对这种数据设置一个较短的过期时间，保证数据库和redis的弱一致性，就可以在一定程度上解决这个问题。

缓存空对象就没有其他问题了吗？no！！！

上面那个黑帽子使用订单id=-1的参数高并发请求你的系统，发现你的系统依然稳如狗，于是简单的改变了一下策略，随机生成负数订单id后高并发请求你的系统，你的系统会怎样？

这时，你的redis中会缓存大量的值为空的key，这会导致大量的内存占用，同时Redis有LRU或LFU的内存淘汰策略，可能会将缓存中有价值的数据淘汰掉，真正的用户请求过来会将请求打到数据库上。

所以，这种方式的缺点是：

可能会缓存很多值为空的key，占用内存空间。同时Redis有LRU或LFU的内存淘汰策略，可能会将缓存中有价值的数据淘汰掉。
对空值设置了时间，可能会导致数据库和redis中在某个时间段的数据不一致。

解决方案二：布隆过滤器

没有什么问题是加一层不能解决的！如果有，就再加一层！为了防止缓存穿透，可以将数据库中存在的id提前存放在一个List数组，后续，请求到达controller层，可以到List数组中查询这个id是否存在，如果存在则将请求往下发送，如果不存在，则直接返回。

懂门路的朋友马上就看出破绽了，如果数据库中的数据量很大，这个List数据会占用很大的空间，同时查询的效率也会降低，有没有解决办法呢？当然有！使用Bloom Filter。

Bloom Filter是一个占用空间很小、效率很高的随机数据结构，它由一个bit数组和一组Hash算法构成。可用于判断一个元素是否在一个集合中，查询效率很高，内节省内存空间。

Bloom Filter在这里留个坑，以后有机会详细再说。
需要注意的是，Bloom Filter存在哈希碰撞问题，有一定的错误率；但是有一点可以肯定的是：**Bloom Filter说这条数据存在，这条数据不一定存在；但是Bloom Filter说这条数据不存在，这条数据一定不存在。**要使用好Bloom Filter过滤器，要从bit数组和Hash算法的角度做优化。

在这里插入图片描述

缓存击穿

缓存击穿是缓存穿透的特殊表现之一。一般的公司没有这样的业务，没有这样一条非常热的数据能够导致数据库崩溃，所以不需要解决。

当某个数据被高并发访问时，如果这个数据redis的key的突然失效，会导致这些请求同一时间打到数据库，数据库扛不住就会导致系统瘫痪。比如微博上突然爆出某个明星的出轨、结婚等消息，大家同时都到微博上搜这个明星的信息，这时如果这个热点key过期，就会导致微博挂掉。志玲姐姐结婚了，微博的程序猿已经够伤心的了，还要加班修复系统。

在这里插入图片描述