目录
3.4第二种解决方式：使用布隆过滤器快速判断数据是否存在，避免从数据库中查询数据是否存在，减轻数据库压力。
缓存异常：缓存雪崩、击穿、穿透
当发生缓存雪崩或击穿时，数据库中还是保存了应用要访问的数据。
缓存击穿，缓存更数据库中都没有应用要访问的数据。
1.缓存雪崩
1.1了解：
缓存雪崩是指大量的应用请求无法在 Redis 缓存中进行处理，紧接着，应用将大量请求发送到数据库层，导致数据库层的压力激增。
1.2第一个原因是：缓存大量过期
缓存中有大量数据同时过期，导致大量请求无法得到处理。
具体说明：
当数据保存在缓存中，并且设置了过期时间时--》某一个时刻，大量数据同时过期--》应用再次访问这些数据，发生缓存缺失--》应用把请求发送给数据库，从数据库中读取数据--》应用并发请求量大，数据库压力大，影响数据库正常业务请求处理
第一种解决方式：微调缓存过期时间
如果业务层的确要求有些数据同时失效，在使用 EXPIRE 命令给每个数据设置过期时间时，给这些数据的过期时间增加一个较小的随机数（例如，随机增加 1~3 分钟）。设置之后：不同数据的过期时间有所差别，但差别又不会太大，既避免了大量数据同时过期，同时也保证了这些数据基本在相近的时间失效，仍然能满足业务需求
第二种解决方式：服务降级
- 当业务应用访问的是非核心数据（例如电商商品属性）时，暂时停止从缓存中查询这些数据，而是直接返回预定义信息、空值或是错误信息；
- 当业务应用访问的是核心数据（例如电商商品库存）时，仍然允许查询缓存，如果缓存缺失，也可以继续通过数据库读取。
只有部分过期数据的请求会发送到数据库，数据库的压力没有那么大。
下面这张图显示的是服务降级时数据请求的执行情况：
1.3第二个原因：Redis 缓存实例发生故障宕机
Redis 缓存实例发生故障宕机了，无法处理请求，这就会导致大量请求一下子积压到数据库层，从而发生缓存雪崩。
说明：
1个 Redis 实例可以支持数万级别的请求处理吞吐量，而单个数据库可能只能支持数千级别的请求处理吞吐量，它们两个的处理能力可能相差了近十倍。由于缓存雪崩，Redis 缓存失效，所以，数据库就可能要承受近十倍的请求压力，从而因为压力过大而崩溃。
第一种解决方式：是在业务系统中实现服务熔断或请求限流机制
服务熔断
服务熔断：是指在发生缓存雪崩时，暂停业务应用对缓存系统的接口访问。为了防止引发连锁的数据库雪崩，甚至是整个系统的崩溃。
业务应用调用缓存接口--》缓存客户端不把请求发给 Redis 缓存实例--》Redis 缓存实例重新恢复服务后--》允许应用请求发送到缓存系统。
避免了大量请求因缓存缺失，而积压到数据库系统，保证了数据库系统的正常运行。
在业务系统运行监测 Redis 缓存所在机器和数据库所在机器的负载指标，例如每秒请求数、CPU 利用率、内存利用率等。---》发现 Redis 缓存实例宕机了，而数据库所在机器的负载压力突然增加（例如每秒请求数激增）--》缓存雪崩--》大量请求被发送到数据库进行处理--》启动服务熔断机制，暂停业务应用对缓存服务的访问。
降低对数据库的访问压力，如下图所示：
服务熔断虽然可以保证数据库的正常运行，但是暂停了整个缓存系统的访问，对业务应用的影响范围大
请求限流机制
请求限流:在业务系统的请求入口前端控制每秒进入系统的请求数，避免过多的请求被发送到数据库。
例子：
假设业务系统正常运行时，请求入口前端允许每秒进入系统的请求是 1 万个，其中，9000 个请求都能在缓存系统中进行处理，只有 1000 个请求会被应用发送到数据库进行处理。
一旦发生了缓存雪崩，数据库的每秒请求数突然增加到每秒 1 万个，可以启动请求限流机制，在请求入口前端只允许每秒进入系统的请求数为 1000 个，再多的请求就会在入口前端被直接拒绝服务。
使用了请求限流，就可以避免大量并发请求压力传递到数据库层。
服务熔断或是请求限流机制。都是发生雪崩之后采取的措施，来应对 Redis 实例宕机导致的缓存雪崩问题。来降低雪崩对数据库和整个业务系统的影响。
第二种解决方式：事前预防
通过主从节点的方式构建 Redis 缓存高可靠集群。如果 Redis 缓存的主节点故障宕机了，从节点还可以切换成为主节点，继续提供缓存服务，避免了由于缓存实例宕机而导致的缓存雪崩问题。
2.缓存击穿
2.1了解
缓存击穿是指，针对某个访问非常频繁的热点数据的请求，无法在缓存中进行处理，访问该数据的大量请求，一下子都发送到了后端数据库，导致了数据库压力激增，会影响数据库处理其他请求。缓存击穿的情况，经常发生在热点数据过期失效时：
2.2解决方式：
为了避免缓存击穿给数据库带来的激增压，对于访问特别频繁的热点数据，不设置过期时间。对热点数据的访问请求，都可以在缓存中进行处理，而 Redis 数万级别的高吞吐量可以很好地应对大量的并发请求访问。
3.缓存穿透
3.1了解
缓存穿透是指要访问的数据既不在 Redis 缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据，应用也无法从数据库中读取数据再写入缓存，来服务后续请求。缓存也就成了“摆设”，如果应用持续有大量请求访问数据，就会同时给缓存和数据库带来巨大压力
3.2缓存穿透会发生两种情况
- 业务层误操作：缓存中的数据和数据库中的数据被误删除了，所以缓存和数据库中都没有数据；
- 恶意攻击：专门访问数据库中没有的数据。
3.3第一种解决方式：缓存空值或缺省值。
一旦发生缓存穿透，可以针对查询的数据，在 Redis 中缓存一个空值或是和业务层协商确定的缺省值（例如，库存的缺省值可以设为 0）。紧接着，应用发送的后续请求再进行查询时，就可以直接从 Redis 中读取空值或缺省值，返回给业务应用了，避免了把大量请求发送给数据库处理，保持了数据库的正常运行。
3.4第二种解决方式：使用布隆过滤器快速判断数据是否存在，避免从数据库中查询数据是否存在，减轻数据库压力。
布隆过滤器是如何工作
布隆过滤器由一个初值都为 0 的 bit 数组和 N 个哈希函数组成，可以用来快速判断某个数据是否存在，想标记某个数据存在时（例如，数据已被写入数据库），布隆过滤器会通过三个操作完成标记：
- 首先，使用 N 个哈希函数，分别计算这个数据的哈希值，得到 N 个哈希值。
- 然后，把这 N 个哈希值对 bit 数组的长度取模，得到每个哈希值在数组中的对应位置
- 最后，把对应位置的 bit 位设置为 1，这就完成了在布隆过滤器中标记数据的操作。
如果数据不存在（例如，数据库里没有写入数据），也就没有用布隆过滤器标记过数据，那么，bit 数组对应 bit 位的值仍然为 0
布隆过滤器查询
当需要查询某个数据时，执行计算过程，先得到这个数据在 bit 数组中对应的 N 个位置。查看 bit 数组中这 N 个位置上的 bit 值。只要这 N 个 bit 值有一个不为 1，这就表明布隆过滤器没有对该数据做过标记，所以，查询的数据一定没有在数据库中保存。
图中布隆过滤器是一个包含 10 个 bit 位的数组，使用了 3 个哈希函数，当在布隆过滤器中标记数据 X 时，X 会被计算 3 次哈希值，并对 10 取模，取模结果分别是 1、3、7。所以，bit 数组的第 1、3、7 位被设置为 1。当应用想要查询 X 时，只要查看数组的第 1、3、7 位是否为 1，只要有一个为 0，那么，X 就肯定不在数据库中。
基于布隆过滤器的快速检测特性,在把数据写入数据库时，使用布隆过滤器做个标记。当缓存缺失后，应用查询数据库时，可以通过查询布隆过滤器快速判断数据是否存在。如果不存在，就不用再去数据库中查询了。防止缓存穿透。大量请求只会查询 Redis 和布隆过滤器，而不会积压到数据库，也就不会影响数据库的正常运行。布隆过滤器可以使用 Redis 实现，本身就能承担较大的并发访问压力。
3.5第三种解决方式：在请求入口的前端进行请求检测
一个有效的应对方案是在请求入口前端，对业务系统接收到的请求进行合法性检测，把恶意的请求（例如请求参数不合理、请求参数是非法值、请求字段不存在）直接过滤掉，不让它们访问后端缓存和数据库。这样一来，也就不会出现缓存穿透问题了。
4.小结：缓存三剑客：缓存雪崩、击穿、穿透
4.1主要分析
- 缓存雪崩和击穿主要是因为数据不在缓存中了
- 缓存穿透则是因为数据既不在缓存中，也不在数据库中。
- 缓存雪崩或击穿时，一旦数据库中的数据被再次写入到缓存后，应用又可以在缓存中快速访问数据了，数据库的压力也会相应地降低下来，
- 缓存穿透发生时，Redis 缓存和数据库会同时持续承受请求压力。
4.4方案分析
服务熔断、服务降级、请求限流这些方法都是属于“有损”方案，在保证数据库和整体系统稳定的同时，会对业务应用带来负面影响。例如使用服务降级时，有部分数据的请求就只能得到错误返回信息，无法正常处理。如果使用了服务熔断，那么，整个缓存系统的服务都被暂停了，影响的业务范围更大。而使用了请求限流机制后，整个业务系统的吞吐率会降低，能并发处理的用户请求会减少，会影响到用户体验。
缓存雪崩和击穿问题来说，服务熔断、服务降级和请求限流这三种方法属于有损方法，会降低业务吞吐量、拖慢系统响应、降低用户体验。不过，采用这些方法后，随着数据慢慢地重新填充回 Redis，Redis 还是可以逐步恢复缓存层作用的。
4.3预防式方案
- 针对缓存雪崩，合理地设置数据过期时间，以及搭建高可靠缓存集群；
- 针对缓存击穿，在缓存访问非常频繁的热点数据时，不要设置过期时间；
- 针对缓存穿透，提前在入口前端实现恶意请求检测，或者规范数据库的数据删除操作，避免误删除。
在讲到缓存雪崩时，我提到，可以采用服务熔断、服务降级、请求限流的方法来应对。这三个机制可以用来应对缓存穿透问题吗？
缓存穿透这个问题的本质是查询了 Redis 和数据库中没有的数据，而服务熔断、服务降级和请求限流的方法，本质上是为了解决 Redis 实例没有起到缓存层作用的问题，缓存雪崩和缓存击穿都属于这类问题。
在缓存穿透的场景下，业务应用是要从 Redis 和数据库中读取不存在的数据，此时，如果没有人工介入，Redis 是无法发挥缓存作用的。一个可行的办法就是事前拦截，不让这种查询 Redis 和数据库中都没有的数据的请求发送到数据库层。使用布隆过滤器也是一个方法，布隆过滤器在判别数据不存在时，是不会误判的，而且判断速度非常快，一旦判断数据不存在，就立即给客户端返回结果。使用布隆过滤器的好处是既降低了对 Redis 的查询压力，也避免了对数据库的无效访问。
纸上得来终觉浅，觉知此事要躬行
扫一扫
4670
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
