Redis之缓存穿透、缓存击穿、缓存雪崩及删除淘汰策略

缓存穿透

什么是缓存穿透

正常情况下，查询的数据都存在，如果请求一个不存在的数据，也就是缓存和数据库都查不到这个数据，每次都会去数据库查询，这种查询不存在数据的现象我们称为缓存穿透

穿透带来的问题

如果每次都拿一个不存在的id去查询数据库，可能会导致你的数据库压力增大

解决办法

• 缓存空值:之所以发生穿透，是因为缓存中没有存储这些数据的key，从而每次都查询数据库我们可以为这些key在缓存中设置对应的值为null，后面查询这个key的时候就不用查询数据库了当然为了健壮性，我们要对这些key设置过期时间，以防止真的有数据
• BloomFilter（布隆过滤器）: BloomFilter 类似于一个hbase set 用来判断某个元素（key）是否存在于某个集合中，我们把有数据的key都放到BloomFilter中，每次查询的时候都先去BloomFilter判断，如果没有就直接返回null，注意BloomFilter没有删除操作，对于删除的key，查询就会经过BloomFilter然后查询缓存再查询数据库，所以BloomFilter可以结合缓存空值用，对于删除的key，可以在缓存中缓存null

缓存击穿

什么是缓存击穿

在高并发的情况下，大量的请求同时查询同一个key时，此时这个key正好失效了，就会导致同一时间，这些请求都会去查询数据库，这样的现象我们称为缓存击穿

击穿带来的问题

会造成某一时刻数据库请求量过大

解决办法

采用分布式锁，只有拿到锁的第一个线程去请求数据库，然后插入缓存，当然每次拿到锁的时候都要去查询一下缓存有没有

缓存雪崩

什么是缓存雪崩

当某一时刻发生大规模的缓存失效的情况，比如你的缓存服务宕机了

解决办法

1. 采用集群，降低服务宕机的概率
2. ehcache本地缓存 + Hystrix限流&降级，ehcache 本地缓存的目的也是考虑在 Redis Cluster 完全不可用的时候，ehcache 本地缓存还能够支撑一阵，使用 Hystrix进行限流 & 降级 ，比如一秒来了5000个请求，我们可以设置假设只能有一秒 2000个请求能通过这个组件，那么其他剩余的 3000 请求就会走限流逻辑

解决热点数据集中失效问题

我们在设置缓存的时候，一般会给缓存设置一个失效时间，过了这个时间，缓存就失效了。对于一些热点的数据来说，当缓存失效以后会存在大量的请求过来，然后打到数据库去，从而可能导致数据库崩溃的情况

解决办法
1.设置不同的失效时间
2.采用缓存击穿的解决办法，加锁
3.永不失效，就是采用定时任务对快要失效的缓存进行更新缓存和失效时间

Redis中的数据特征

redis是一种内存级数据库，所有的数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态

• xx : 距离过期还剩下多少秒
• -1： 永久有效的数据
• -2： 已经过期的数据 或被删除的数据 或未定义的数据

删除策略就是针对已过期数据的处理策略，已过期的数据是真的就立即删除了吗？其实也不是，我们会有多种删除策略，是分情况的，在不同的场景下使用不同的删除方式会有不同效果

时效性数据的存储结构

在redsi中，如果给数据设置了过期时间，那麽数据的存储结构如下图所示

过期数据是一块独立的存储空间，Hash结构，field是内存地址，value是过期时间，保存了所有key的过期描述，在最终进行过期处理的时候，对该空间的数据进行检测， 当时间到期之后通过field找到内存该地址处的数据，然后进行相关操作。

1.2 数据删除策略

数据删除策略的目的是什么？

在内存占用与CPU占用之间寻找一种平衡，顾此失彼都会造成整体redis性能下降，甚至引发服务器宕机或内存泄漏。

针对过期数据要进行删除的时候都有哪些删除策略呢？

• 定时删除
• 惰性删除
• 定期删除

定时删除:创建一个定时器，当key设置有过期时间，且过期时间到达时，由定时器任务立即执行对键的删除操作

优点： 节约内存，到时就删除，快速释放掉不必要的内存占用

缺点： CPU压力很大，无论CPU此时负载量多高，均占用CPU，会影响 redis服务器响应时间和指令吞吐量

总结：用处理器性能换取存储空间（拿时间换空间）

惰性删除: 数据到达过期时间，不做处理。等下次访问该数据时，我们需要判断:

• 如果未过期，返回数据
• 发现已过期，删除，返回不存在

优点： 节约CPU性能，发现必须删除的时候才删除
缺点： 内存压力很大，出现长期占用内存的数据
总结： 用存储空间换取处理器性能（拿空间换时间）

定期删除:
定时删除和惰性删除这两种方案都是走的极端，那有没有折中方案？

来说下redis的定期删除方案：

• Redis启动服务器初始化时，读取配置server.hz的值，默认为10
• 每秒钟执行server.hz次serverCron()--（定时轮询）------>databasesCron()---（轮询访问当前redis中的所有库）>---------->activeExpireCycle()
• activeExpireCycle()对每个expires[*]逐一进行检测，每次执行耗时：250ms/server.hz
• 对某个expires[*]检测时，随机挑选W个key检测

具体流程见下图：

总的来说：定期删除就是周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度

• 特点1：CPU性能占用设置有峰值，检测频度可自定义设置
• 特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理
• 总结：周期性抽查存储空间（随机抽查，重点抽查

删除策略对比

1：定时删除：

节约内存，无占用,
不分时段占用CPU资源，频度高,
拿时间换空间

2：惰性删除：

内存占用严重
延时执行，CPU利用率高
拿空间换时间

3：定期删除：

内存定期随机清理
每秒花费固定的CPU资源维护内存
随机抽查，重点抽查

数据淘汰策略（逐出算法）

淘汰策略概述
什么叫数据淘汰策略？什么样的应用场景需要用到数据淘汰策略？

当新数据进入redis时，如果内存不足怎么办？在执行每一个命令前，会调用freeMemoryIfNeeded()检测内存是否充足。如果内存不满足新 加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。

注意：逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕， 如不能达到内存清理的要求，将出现错误信息如下

(error) OOM command not allowed when used memory >'maxmemory'

策略配置

影响数据淘汰的相关配置如下：

那数据删除的策略policy到底有几种呢？一共是3类8种

第一类：检测易失数据（可能会过期的数据集server.db[i].expires ）

volatile-lru：挑选最近最少使用的数据淘汰，可以理解成最近最久未使用
volatile-lfu：挑选最近使用次数最少的数据淘汰
volatile-ttl：挑选将要过期的数据淘汰
volatile-random：任意选择数据淘汰

结合下图进行理解：

第二类：检测全库数据（所有数据集server.db[i].dict ）

allkeys-lru：挑选最近最少使用的数据淘汰
allkeLyRs-lfu：：挑选最近使用次数最少的数据淘汰
allkeys-random：任意选择数据淘汰，相当于随机

第三类：放弃数据驱逐

no-enviction（驱逐）：禁止驱逐数据(redis4.0中默认策略)，会引发OOM(Out Of Memory)

注意：上面说了折磨多废话，那麽这些策略是在哪里配置呢？配置到哪个属性上？怎么配置？

这里只需要进入到redis.conf文件中去进行配置就可以了，具体配置如下：

maxmemory-policy volatile-lru

注意： 如果是你自己想要测试一下一上这些数据删除策略，前提是你的redis中有着海量数据，需要通过大量数据去冲击内存才能达到你想要看到的效果

数据淘汰策略配置依据
使用INFO命令输出监控信息，查询缓存 hit 和 miss 的次数，根据业务需求调优Redis配置