Redis缓存穿透、缓存雪崩和缓存击穿——实例

最新推荐文章于 2024-08-30 21:56:59 发布

EstherLty

最新推荐文章于 2024-08-30 21:56:59 发布

阅读量228

点赞数

分类专栏： Redis 文章标签： redis 缓存

本文链接：https://blog.csdn.net/qq_45988641/article/details/119955806

版权

Redis 专栏收录该内容

12 篇文章 0 订阅

订阅专栏

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。其中，最要害的问题，就是数据的一致性问题，从严格意义上讲，这个问题无解。如果对数据的一致性要求很高，那么就不能使用缓存。

另外的一些典型问题就是，缓存穿透、缓存雪崩和缓存击穿。目前，业界也都有比较流行的解决方案。本篇文章，并不是要更加完美的解决这三个问题，也不是要颠覆业界流行的解决方案。而是，从实际代码操作，来演示这三个问题现象。之所以要这么做，是因为，仅仅看这些问题的学术解释，脑袋里很难有一个很形象的概念，有了实际的代码演示，可以加深对这些问题的理解和认识。

缓存穿透

缓存穿透，是指查询一个数据库一定不存在的数据。正常的使用缓存流程大致是，数据查询先进行缓存查询，如果key不存在或者key已经过期，再对数据库进行查询，并把查询到的对象，放进缓存。如果数据库查询对象为空，则不放进缓存。

 public Information searchNameById(Long id){
     //缓存查询
     Object object = redisTemplate.opsForValue().get(String.valueOf(id));
     if(object != null ){//缓存查询没有命中
         return (Information) object;
     }
     //开始数据库查询
     Information information = informationMapper.selectNameById(id);
     if(information != null ){//数据库查询不为空，放入缓存
         redisTemplate.opsForValue().set(String.valueOf(id),information,60, TimeUnit.MINUTES);
     }
     return information;
 }

代码流程：

参数传入对象主键ID
根据key从缓存中获取对象
如果对象不为空，直接返回
如果对象为空，进行数据库查询
如果从数据库查询出的对象不为空，则放入缓存（设定过期时间

想象一下这个情况，如果传入的参数为-1，会是怎么样？这个-1，就是一定不存在的对象。就会每次都去查询数据库，而每次查询都是空，每次又都不会进行缓存。假如有恶意攻击，就可以利用这个漏洞，对数据库造成压力，甚至压垮数据库。即便是采用UUID，也是很容易找到一个不存在的KEY，进行攻击。

解决思路：
一般会采用缓存空值的方式，也就是【代码流程】中第5步，如果从数据库查询的对象为空，也放入缓存，只是设定的缓存过期时间较短，比如设置为60秒

public Information searchNameById(Long id){
    //缓存查询
    Object object = redisTemplate.opsForValue().get(String.valueOf(id));
    if(object != null ){//缓存查询没有命中
        return (Information) object;
    }
    //开始数据库查询
    Information information = informationMapper.selectNameById(id);
    if(information != null ){//数据库查询不为空，放入缓存
        redisTemplate.opsForValue().set(String.valueOf(id),information,60, TimeUnit.MINUTES);
    }else{
        redisTemplate.opsForValue().set(String.valueOf(id),null,60, TimeUnit.SECONDS);
    }
    return information;
}

缓存雪崩

缓存雪崩，是指在某一个时间段，缓存集中过期失效。

产生雪崩的原因之一，比如在写本文的时候，马上就要到双十二零点，很快就会迎来一波抢购，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。

解决思路：
比如在做电商项目的时候，一般是采取不同分类商品，缓存不同周期。在同一分类中的商品，加上一个随机因子。这样能尽可能分散缓存过期时间，而且热门类目的商品缓存时间长一些，冷门类目的商品缓存时间短一些，也能节省缓存服务的资源。

 public Information searchNameById(Long id){
     //缓存查询
     Object object = redisTemplate.opsForValue().get(String.valueOf(id));
     if(object != null ){//缓存查询没有命中
         return (Information) object;
     }
     //开始数据库查询
     Information information = informationMapper.selectNameById(id);
     if(information != null ){//数据库查询不为空，放入缓存
         if (information.getType().equals("女装")){//热门商品类目
             Random random = new Random();
             int time = 3600 + random.nextInt(3600);//随机生成一个整数，这个整数的范围就是int类型的范围-2^31 ~ 2^31-1
             redisTemplate.opsForValue().set(String.valueOf(id),information,time, TimeUnit.SECONDS);

         }
         if (information.getType().equals("图书")){//冷门商品类目
             Random random = new Random();
             int time = 600 + random.nextInt(600);
             redisTemplate.opsForValue().set(String.valueOf(id),information,time, TimeUnit.SECONDS);

         }
     }else{//空对象
         redisTemplate.opsForValue().set(String.valueOf(id),null,60, TimeUnit.SECONDS);
     }
     return information;
 }

其实集中过期，倒不是非常致命，比较致命的缓存雪崩，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，那么那个时候数据库能顶住压力，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。