17、Redis雪崩和缓存

Redis缓存穿透和雪崩

1. 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，最要害得问题，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。

2. 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！

缓存穿透

1. 概念

   缓存穿透的概念很简单，用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久化层数据库查询，发现也没有，于是本次查询失败，当用户很多的时候。缓存都没有命中于是都去请求了持久层数据库，这会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透！

2. 解决方案

   布隆过滤器

   • 这是一种数据结构，对所有可能查询的数据以hash的形式存储，在控制层进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力
     -

   存储空对象

   • 当存储层不命中以后，即使返回的空对象，也将其缓存起来，同时会设置一个过期时间，之后再访问和这个数据将对从缓存中获取，保护了后端数据源！！！
   • 

   但是这种方式会存在两个问题

   • 如果空值能够被缓存起来，这就意味着缓存需要更多地空间存储更多地键，因为这当中可能会有很多的空值的键！
   • 即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响！

缓存击穿（量太大，缓存过期）

• 这里需要注意和缓存击穿的区别，缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对着一个点进行访问，当这个key在时效期间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。
• 当某个key在过期瞬间，有大量的请求并发访问，这类数据一般是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且回写缓存，回导致数据库瞬间压力过大！

1. 解决方案

   设置热点数据永不过期

   • 从缓存层面来看，没有设置过期时间，所以不会出现热点key过期后产生的问题

   加互斥锁

   • 分布式锁：使用分布式锁，保证对于每个key同时只有一个线程需查询后端服务，其他的线程没有获得分布式的权限，因此只需要等待即可！这种方式将高并发的压力转移到分布式锁，因此对分布式锁的考验很大！！

缓存雪崩

1. 值得是一段之间，缓存集中过期失效，Redis宕机

2. 产生雪崩的原因，比如在写文本的时候马上要双十二0点，很快会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存了一个小时，那么到了凌晨一点，的时候这批商品的缓存器就都过期了，而对于这批商品的访问查询，都落到了数据库，对于数据库而言就会产生周期性压力波峰，于是所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况！

3. 

4. 其实集中过期，倒也不是非常致命，比较致命的缓存雪崩，是缓存服务器某个节点宕机或者断网，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，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压力而已，而缓存服务器节点宕机，对数据库服务器造成的压力是不可预知的，很多可能瞬间就把数据库压垮！

   双十一：停掉一些服务！（保证主要的服务可用！）

5. 解决方案

   1. Redis高可用，

      这个思想的含义就是，既然redis有可能挂掉那么我就增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群！

   2. 限流降级

      这个解决方案的思想是，在缓存失效后，通过枷锁或者队列来空值数据库写缓存的线程数量，比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。

   3. 数据预热

      数据加热的含义就是正式部署之前，我先把可能的数据先预先访问一遍，这样不分可能大量访问的数据就会加载到缓存中，在即将发生大病大访问手动触发加载缓存的不同的key设置不同的过期时间，让缓存失效的时间点尽量均匀。