Redis缓存的使用以及缓存穿透，缓存雪崩，缓存击穿问题的解决方案

qq_53101069

已于 2022-11-30 09:48:12 修改

阅读量309

点赞数

文章标签：缓存 redis 分布式

于 2022-11-29 23:55:22 首次发布

本文链接：https://blog.csdn.net/qq_53101069/article/details/128106894

版权

1.什么是缓存？

缓存就是数据交换的缓冲区，俗称的缓存就是缓冲区内的数据，一般是从数据库中获取，存储与本地，缓存代码如下所示：

例1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发
 
例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存
 
例3:Static final Map<K,V> map =  new HashMap(); 本地缓存

由于其被Static修饰，所以随着加载而被加载到内存之中，作为本地缓存，由于其又被final修饰，所以其引用和对象之间的关系是固定的，不能改变，因此不用担心赋值导致的空指针异常，使得缓存失败

2.为什么要使用缓存

1.缓存的作用

降低后端负载
提高读写效率，降低响应时间

2.缓存的成本

数据一致性成本
代码维护成本
运维成本

3.缓存模型和思路（使用Redis缓存）

思路：客户端发送请求，首先经过redis缓存，如果redis缓存中命中了，则直接返回redis数据库中的数据，如果未命中，则去查找数据库，然后将查找到的数据写入到redis缓存中，并且将数据返回给客户端。

4.缓存更新策略

由于reids的存储数据是存储在内存中的，而Sql数据库如mysql是存储在磁盘中的，所以reids的读写操作，比mysql要更加的迅速。

缓存更新是reids为了节约内存设计出来的东西，主要是因为内存资源是非常宝贵的，当我们向redis中插入大量的数据时，此时就可能会导致缓存中的数控过多，所以redis会对部分数据进行淘汰。

内存淘汰：reids自动进行，当redis内存调度我们设置的max-memery时，就会自定淘汰掉一些不重要的数据（可以自定义策略方式
超时剔除：reids自动进行，当redis内存达到我们设置的过期时间TTL的时候，redis会将超时的数据进行删除，从而释放内存
主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致的问题（后面会讲到）

5.数据库缓存不一致的解决方案

由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在,其后果是:用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等;

以下是三种解决方案：

1. Cache Aside Pattern 人工编码方式：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案

2. Read/Write Through Pattern : 由系统本身完成，数据库与缓存的问题交由系统本身去处理

3. Write Behind Caching Pattern ：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致

作为开发人员，我们一般希望自己来定义更新数据库与缓存的方式，所以我们选择第一种方式。

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（SpringCloud的时候会学习到）

那么在决定使用删除缓存的操作方式之后，我们又面临一个问题：先更新数据库还是先删除缓存。

第一种：先删除缓存，在操作数据库

第二种：先操作数据库，再删除缓存

如果我们选择第一种的方式：就会遇到一个问题，那就是再多线程的情况下，假设刚开始时，缓存和数据库中的数据都是10，如果线程1先来，它要将数据更新为20，它先将缓存清空了，但是在它更新数据库之前，线程2过来，它执行的是查询的操作，它查询缓存的时候，由于缓存被删除了，这时它会去查询数据库，并且将查询到数据10加入到缓存中，这时缓存又变为了原来的数据，然后线程1执行更新操作，这时数据库中数据为20，而缓存中的数据为10，这样就导致了缓存与数据库的不一致。

如果我们选择第二种方式：假设一个前提条件，那就是在多线程的情况下，刚开始时，缓存和数据库中的数据都是10，线程1来执行查询操作，恰好这时缓存过期了，所以当线程1查询的时候，查询不到，这时它就会去数据库中查询，并且将数据写入缓存，但是在线程一将数据写入缓存之前，线程二来进行更新操作，它先更新数据库，将数据更新为20，然后删除缓存，之后线程1将原来的10又写入了缓存中，同样造成了缓存中数据为10，数据库中数据为20.

但是在上述两种情况中，明显第二种方式的条件更加苛刻，所以我们通常选择第二种方式，来处理数据不一致的情况，那就是先操作数据库，再删除缓存。

6.缓存穿透问题以及解决方案

缓存穿透：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，这些请求都会打到数据库。

常见的解决方案有两种：

1.缓存空对象

优点：实现简单，维护方便

缺点：需要消耗额外的内存，可能造成短期的不一致（即当之前我们请求的数据不存在，我们为其在缓存中设置了一个空值，但是后面我们又在数据库中添加了这项数据，这时缓存中为空值，而实际上数据库中已经有了数据）

2.布隆过滤器：

优点：内存占用少，没有多余的key

缺点：实现复杂，存在误判的可能

缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据（空的对象）存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了

布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，假设布隆过滤器判断这个数据不存在，则直接返回。这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突

小总结：

缓存穿透产生的原因是什么？

用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力

缓存穿透的解决方案有哪些？

缓存null值
布隆过滤
增强id的复杂度，避免被猜测id规律(这样能够防止猜测出id，来请求不存在的数据）
做好数据的基础格式校验
加强用户权限校验
做好热点参数的限流

7.缓存雪崩以及解决方案

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。

解决方案：

给不同的Key的TTL添加随机值
利用Redis集群提高服务的可用性
给缓存业务添加降级限流策略
给业务添加多级缓存

8.缓存击穿以及解决方案

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。

逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法，那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大

解决方案：

互斥锁
逻辑过期

解决方案一、使用锁来解决：

因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。

解决方案二、逻辑过期方案

方案分析：我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。

我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个线程去进行以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁，而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。

这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。