【Redis】Redis 缓存异常、应对策略—（五）

一、缓存和数据库不一致

只要我们使用 Redis 缓存，就必然会面对缓存和数据库间的一致性保证问题，这里的“一致性”包含了两种情况：缓存中有数据且与数据库中的值相同、缓存中没有数据，最新值在数据库中。

对于读写缓存来说，要想保证缓存和数据库中的数据一致，就要采用同步直写策略，在业务应用中使用事务机制，来保证缓存和数据库的更新具有原子性。对数据一致性的要求不高的场景，可以使用异步写回策略。

只读缓存在新增数据时是符合数据一致性第二种情况的，但是在删改数据时，无论是操作缓存还是操作数据库，有一项失败，就会产生数据不一致的问题。具体情况如图：

针对这种情况可以引用重试机制来解决，具体来说，可以把要数据暂存到消息队列中。无论哪项操作失败，都可以从消息队列中重新读取这些值，然后再次进行删除或更新。如果删改成功，就把数据从消息队列中去除，以免重复操作，以此来保证数据一致性。多次重试仍然失败的话就需要业务层面预警来排查解决了。

除了操作失败的原因，实际当有大量并发请求时，应用还是有可能读到不一致的数据。根据删改缓存、数据库的先后顺序分为两种情况：先操作缓存和先操作数据库。通过引用“延迟双删”的操作，来保证先操作缓存后操作数据库的数据一致性问题，代码示意如下：

redis.delKey(X)
db.update(X)
Thread.sleep(N)
redis.delKey(X)

](https://i-blog.csdnimg.cn/direct/ae83000db13444e38609738cd2ae8de8.png)

具体情况与应对措施总结如图：

二、雪崩

指大量的应用请求无法在 Redis 缓存中进行处理，到达数据库层面，导致数据库的压力激增。原因有二：
其一，缓存中有大量数据同时过期。
其二，Redis 缓存实例挂了。

原因一可以通过以下两个方法解决：

• （1）微调过期时间：对于同一批数据设置不同的过期时间，如通过随机数延迟过期等。
• （2）降级处理：非核心数据请求直接返回 空 或 错误 等预置信息，核心数据运行未命中缓存访问数据库。
  

原因二可以通过以下两个方法解决：

• （1）熔断：拒绝缓存客户端的请求，保护数据库，防止整个系统崩溃，直到 Redis 缓存实例恢复正常，但是对业务应用的影响范围大。
• （2）限流：允许部分请求到达 Redis 缓存，无法命中再访问数据库，减轻数据库压力，相对于熔断来说影响范围稍微缩小。

无论采取何种措施，雪崩都已经发生了，必定会影响到业务系统，所以要做好预防工作，构建 Redis 缓存高可靠集群，尽量避免事故。

三、击穿

指针对某个热点数据的请求，无法在缓存中处理，大量访问该数据的请求发送到了后端数据库，压力激增影响到其他请求，如下图：
为了避免缓存击穿给数据库带来的激增压力，对于访问特别频繁的热点数据，可以不设置过期时间了，全部在缓存中进行处理。

四、穿透

指要访问的数据既不在 Redis 缓存中，也不在数据库中，导致请求压力还是落到数据库，缓存也就成了“摆设”。如下图：

通常情况是由于业务数据被误删除，或者恶意攻击访问，有三种方案解决缓存穿透的影响：

• 1）缓存空值或缺省值：针对穿透的数据，在 Redis 中缓存一个空值或是和业务层协商确定的缺省值，避免把大量请求发送给数据库。
• 2）布隆过滤器
  • 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，数据入库则进行标记，过程如下：
  • 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。 我们把这 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。

我们把对应位置的 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。
当查询某个数据时，按照哈希函数的计算结果，查看 bit 数组中这 N 个位置上的 bit 值，只要有一个不为 1，这就表明布隆过滤器没有对该数据做过标记。当缓存穿透发生，布隆过滤器的快速检测特性可以帮数据库阻挡大部分的压力。例子如下图：

• （3）前端请求过滤：在请求入口前端进行合法性检测，把恶意的请求（如请求参数不合理、非法值或请求字段不存在）直接过滤掉。

总结

雪崩、击穿、穿透，这三类异常问题从成因来看，前两个主要是因为数据不在缓存中了，而穿透则是因为数据既不在缓存中，也不在数据库中。当雪崩或击穿发生时，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，而穿透发生时，Redis 缓存和数据库会同时持续承受请求压力。

对应的熔断、降级、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。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。熔断时，整个缓存系统暂停，影响的业务范围更大。流机时，整个业务系统的吞吐率会降低，并发处理能力减弱，影响到用户体验。

所以，应当尽量使用预防式方案，总结如下：

• 雪崩，合理地设置数据过期时间，以及搭建高可靠缓存集群。
• 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。
• 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。