Redis缓存详解:缓存穿透,缓存击穿,缓存雪崩 (面试&复习)

阿千弟

已于 2022-11-16 20:18:23 修改

阅读量416

点赞数 2

分类专栏： redis 官方学习文章标签： redis 缓存面试

于 2022-09-21 08:15:00 首次发布

本文链接：https://blog.csdn.net/qq_51033936/article/details/126289162

版权

redis 官方学习专栏收录该内容

9 篇文章 3 订阅

订阅专栏

♨️本篇文章记录的为Redis知识中缓存穿透,缓存击穿,缓存雪崩,缓存预热中秒杀相关内容，适合在学Java的小白,帮助新手快速上手,也适合复习中，面试中的大佬🙉🙉🙉。
♨️如果文章有什么需要改进的地方还请大佬不吝赐教❤️🧡💛

👨‍🔧个人主页 : 阿千弟
💖点击这里👉👉👉: Redis专栏学习

前言:
参考了redis的相关学习课程,并总结了一些redis实战过程中的高频面试题,模拟了一些实际业务场景
在这里插入图片描述

文章目录

文章目录:

🎠 缓存更新策略

数据库和缓存不一致采用什么方案

综合考虑使用方案一，但是方案一调用者如何处理呢？这里有几个问题

操作缓存和数据库时有三个问题需要考虑：

如果采用第一个方案，那么假设我们每次操作数据库后，都操作缓存，但是中间如果没有人查询，那么这个更新动作实际上只有最后一次生效，中间的更新动作意义并不大，我们可以把缓存删除，等待再次查询时，将缓存中的数据加载出来

删除缓存还是更新缓存？
- 更新缓存：每次更新数据库都更新缓存，无效写操作较多
- 删除缓存：更新数据库时让缓存失效，查询时再更新缓存
如何保证缓存与数据库的操作的同时成功或失败？
- 单体系统，将缓存与数据库操作放在一个事务
- 分布式系统，利用 TCC 等分布式事务方案

应该具体操作缓存还是操作数据库，我们应当是先操作数据库，再删除缓存，原因在于，如果你选择第一种方案，在两个线程并发来访问时，假设线程 1 先来，他先把缓存删了，此时线程 2 过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程 1 再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。

先操作缓存还是先操作数据库？
- 先删除缓存，再操作数据库
- 先操作数据库，再删除缓存

🔥缓存预热

场景：“宕机” 服务器启动后迅速宕机

🔥问题排查：

1.请求数量较高，大量的请求过来之后都需要去从缓存中获取数据，
但是缓存中又没有，此时从数据库中查找数据然后将数据再存入缓存，
造成了短期内对redis的高强度操作从而导致问题

2.主从之间数据吞吐量较大，数据同步操作频度较高

🔥解决方案：

前置准备工作：
1.日常例行统计数据访问记录，统计访问频度较高的热点数据
2.利用LRU数据删除策略，构建数据留存队列例如：storm与kafka配合

准备工作：
1.将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
2.利用分布式多服务器同时进行数据读取，提速数据加载过程
3.热点数据主从同时预热

实施：
4.使用脚本程序固定触发数据预热过程
5.如果条件允许，使用了CDN（内容分发网络），效果会更好

🔥总的来说：

缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！

🎠 缓存穿透

在这里插入图片描述

缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，不断发起这样的请求,这些请求都会打到数据库,给数据库带来巨大压力。

🥝常见的解决方案有两种：

♨缓存空对象
- 优点：
  - 实现简单，维护方便
- 缺点：
  - 额外的内存消耗
  - 可能造成短期的不一致
♨布隆过滤
- 优点：
  - 内存占用较少，没有多余 key
- 缺点：
  - 实现复杂
  - 存在误判可能

🥝面试场景hr：数据库服务器又崩溃了，跟之前的一样吗？

1.系统平稳运行过程中
2.应用服务器流量随时间增量较大
3.Redis服务器命中率随时间逐步降低
4.Redis内存平稳，内存无压力
5.Redis服务器CPU占用激增
6.数据库服务器压力激增
7.数据库崩溃

🥝问题排查：

1.Redis中大面积出现未命中
2.出现非正常URL访问

🥝问题分析：

1. 获取的数据在数据库中也不存在，数据库查询未得到对应数据
2.Redis获取到null数据未进行持久化，直接返回
3.下次此类数据到达重复上述过程
4.出现黑客攻击服务器

🥝解决方案：

1.缓存null值
2.布隆过滤
3.增强id的复杂度，避免被猜测id规律
4.做好数据的基础格式校验
5.加强用户权限校验
6.做好热点参数的限流

在这里插入图片描述

❄️缓存雪崩

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力

在这里插入图片描述

❄️场景：数据库服务器崩溃，一连串的场景会随之儿来

1.系统平稳运行过程中，忽然数据库连接量激增
2.应用服务器无法及时处理请求
3.大量408，500错误页面出现
4.客户反复刷新页面获取数据
5.数据库崩溃
6.应用服务器崩溃
7.重启应用服务器无效
8.Redis服务器崩溃
9.Redis集群崩溃
10.重启数据库后再次被瞬间流量放倒

❄️问题排查：

1.在一个较短的时间内，缓存中较多的key集中过期
2.此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
3.数据库同时接收到大量的请求无法及时处理
4.Redis大量请求被积压，开始出现超时现象
5.数据库流量激增，数据库崩溃
6.重启后仍然面对缓存中无数据可用
7.Redis服务器资源被严重占用，Redis服务器崩溃
8.Redis集群呈现崩塌，集群瓦解
9.应用服务器无法及时得到数据响应请求，来自客户端的请求数量越来越多，应用服务器崩溃
10.应用服务器，redis，数据库全部重启，效果不理想

总而言之就两点：短时间范围内，大量key集中过期

❄️解决方案：

1.给不同的Key的TTL添加随机值

2.利用Redis集群提高服务的可用性

3.给缓存业务添加降级限流策略
(短时间范围内牺牲一些客户体验，限制一部分请求访问，
降低应用服务器压力，待业务低速运转后再逐步放开访问)

4.给业务添加多级缓存(Nginx缓存+redis缓存+ehcache缓存)

5.检测Mysql严重耗时业务进行优化
(对数据库的瓶颈排查：例如超时查询、耗时较高事务等)

❄️落地实践：

1.LRU与LFU切换

2.数据有效期策略调整:
根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟
过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量

3.超热数据使用永久key

4.定期维护（自动+人工）
 对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时

5.加锁：慎用！

❄️总的来说：

缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的出现（约40%），配合其他策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整。

在这里插入图片描述

⚡缓存击穿

缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

⚡场景：还是数据库服务器崩溃，但是跟之前的场景有点不太一样

1.系统平稳运行过程中
2.数据库连接量瞬间激增
3.Redis服务器无大量key过期
4.Redis内存平稳，无波动
5.Redis服务器CPU正常
6.数据库崩溃

⚡问题排查：

1.Redis中某个key过期，该key访问量巨大	
2.多个数据请求从服务器直接压到Redis后，均未命中
3.Redis在短时间内发起了大量对数据库中同一数据的访问

总而言之就两点：单个key高热数据，key过期

⚡解决方案：

1.预先设定	
 以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，
加大此类信息key的过期时长 注意：购物节不仅仅指当天，以及后续若干天，
访问峰值呈现逐渐降低的趋势

2.现场调整
 监控访问量，对自然流量激增的数据延长过期时间或设置为永久性key

3.后台刷新数据
 启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失

4.二级缓存
 设置不同的失效时间，保障不会被同时淘汰就行

5.加锁&逻辑过期 	(重点)
分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！