缓存穿透与雪崩

Redis缓存穿透与雪崩

Redis缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。但同时，它也带来了一些问题。

缓存穿透

简要概括：大量数据缓存查不到，造成直接去数据库查询

概念：

用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久层数据查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中（秒杀！），于是都去请求持久层数据库，这就会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透。

解决方案：

布隆过滤器

布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力：

缓存空对象

当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源：

但这两种方法存在两个问题：

1、如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键

2、即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响

缓存击穿

简要总结：缓存过期，量太大，击穿缓存，直接请求数据库

概述：

注意和缓存击穿的区别，缓存击穿：是指一个key非常热点，在不停的扛着大并发，大并发集中对着一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿透缓存，直接请求数据库，就像在一堵墙上凿出了一个洞。

当某个key在过期的瞬间，有大量的请求并发访问，这类数据一般是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且写回缓存，会导致数据库瞬间压力过大

例如微博瘫痪就是大家在某热点事件key缓存过期的瞬间，大量的人访问点击，穿透缓存，直接请求数据库，数据库压力太大

解决方案

1、设置热点数据永不过期

从缓存层面来看：没有设置过期时间，所以不会出现热点key过期后产生的问题

2、加互斥锁

分布式锁：使用分布式锁，保证对于每个key同时只有一个线程去查询数据库后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式所的考验很大。

缓存雪崩

例如：停电了，redis缓存集群全部失效

简要概括：缓存集体失效，大量数据查询全部涌向数据库

概念：

是指某一个时间段，缓存集中过期失效，Redis宕机

产生雪崩的原因之一，例如双十一零点会有一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时，那么到了凌晨一点钟的时候，这批商品的缓存就都过期了。而对于这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。于是所有的请求都会到达存储层，存储层的调用量会爆增，造成存储层也会挂掉的情况。

但是集中过期并不是非常致命的，比较致命的是缓存雪崩，是缓存服务器某个节点宕机或断网。因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，这个时候，数据库也是可以顶住压力的。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间就把数据库压垮。

例如：双十一的时候会停掉一些服务器，去保证主要的服务可用

解决方案

1、redis高可用

就是多增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建集群

2、限流降级

就是在缓存失效后，通过加锁或者队列来空值读数据写缓存的进程数量。比如某个key只允许一个线程查询数据库和写缓存，其他线程等待。

3、数据预热

就是在正式部署之前，我先把可能的数据先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存时间点尽量均匀。