Redis缓存穿透、缓存雪崩和缓存击穿

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。

@Service("EmpService")
@Transactional
@Slf4j
public class EmpServiceImpl extends ServiceImpl<EmployeeMapper, Employee> implements EmpService {

    @Autowired
    private RedisTemplate redisTemplate;

    @Override
    public Employee queryById(Integer id) {
        Object obj = redisTemplate.opsForValue().get(String.valueOf(id));
        if (null != obj) {
            log.info("====主键id" + id + "返回了数据");
            return (Employee) obj;
        }
        // 如果缓存里面没有数据，开始查询数据库
        Employee employee = baseMapper.selectById(id);
        log.info("进行了数据库查询" + id);
        if (null != employee) {
            // 数据库不为空，放入缓存,60分钟后过期
            redisTemplate.opsForValue().set(String.valueOf(id), employee, 60, TimeUnit.MINUTES);
        }
     	 return employee;

    }
}

代码流程

1. 参数传入对象主键ID
2. 根据key从缓存中获取对象
3. 如果对象不为空，直接返回
4. 如果对象为空，进行数据库查询
5. 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。

小编在工作中，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。

优化后的代码：

@Service("EmpService")
@Transactional
@Slf4j
public class EmpServiceImpl extends ServiceImpl<EmployeeMapper, Employee> implements EmpService {

    @Autowired
    private RedisTemplate redisTemplate;

    @Override
    public Employee queryById(Integer id) {
        Object obj = redisTemplate.opsForValue().get(String.valueOf(id));
        if (null != obj) {
            log.info("====主键id" + id + "返回了数据");
            return (Employee) obj;
        }
        // 如果缓存里面没有数据，开始查询数据库
        Employee employee = baseMapper.selectById(id);
        log.info("进行了数据库查询" + id);
        if (null != employee) {
            // 数据库不为空，放入缓存,60分钟后过期
            redisTemplate.opsForValue().set(String.valueOf(id), employee, 60, TimeUnit.MINUTES);
        } else {
            // 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。
            redisTemplate.opsForValue().set(String.valueOf(id), null, 60, TimeUnit.SECONDS);
        }
     
        return employee;

    }
}

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。

小编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。

if (null != employee) {// 数据库穿不为空，放入缓存
            if (employee.getDeptId().equals(1)) {// 类似热门商品
                Random random = new Random();
                int expireTime = 3600 + random.nextInt(3600);
                redisTemplate.opsForValue().set(String.valueOf(id), employee, expireTime, TimeUnit.MINUTES);
            }
            if (employee.getDeptId().equals(3)) {// 类似不冷不热门商品
                Random random = new Random();
                int expireTime = 1000 + random.nextInt(1000);
                redisTemplate.opsForValue().set(String.valueOf(id), employee, expireTime, TimeUnit.MINUTES);
            }
            if (employee.getDeptId().equals(6)) {// 类似冷门商品
                Random random = new Random();
                int expireTime = 600 + random.nextInt(600);
                redisTemplate.opsForValue().set(String.valueOf(id), employee, expireTime, TimeUnit.MINUTES);
            }
        }else {
            redisTemplate.opsForValue().set(String.valueOf(id), null, 60, TimeUnit.MINUTES);
        }

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。

缓存击穿

缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，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。

小编在做电商项目的时候，把这货就成为“爆款”。

其实，大多数情况下这种爆款很难对数据库服务器造成压垮性的压力。达到这个级别的公司没有几家的。所以，务实主义的小编，对主打商品都是早早的做好了准备，让缓存永不过期。即便某些商品自己发酵成了爆款，也是直接设为永不过期就好了。

大道至简，mutex key互斥锁真心用不上。

结束语

在流行的问题面前一定有流行的解决方案，但有时候，也要根据自己的实际情况酌情处理。大胆设计，说不定你的解决方案就会被流行呢？