缓存雪崩的原因及解决方案
1、缓存大面积失效
解决方案:避免缓存设置相近的有效期;为有效期增加随机值;统一规划有效期,失效时间均匀分布。
2、对热点数据持续高并发
解决方案:使用互斥锁:jvm锁机制;分布式锁机制。
3、有效期本身的缺陷
解决方案:缓存永不过期,异步更新。
优点:不阻塞线程,用户体验好,不会出现雪崩效应。
缺点:不保证一致性,代码复杂度增大(每个value值都要维护异步更新代码),容易堆积垃圾数据。
双缓存方案
主缓存:有效期按照经验值设置,主要读取的缓存,主缓存失效后从数据库加载最新值。
备份缓存:有效期长,获取锁失败时读取的缓存,主缓存更新时需要同步更新备份缓存。
其实就是缓存降级策略。
缓存击穿的解决方案:
当访问数据库中不存在的数据时,可以给这个key设置一个固定值,并设置过期时间,这样的话,大量的访问该key的请求,都被缓存挡住了;当key存在数据时,缓存也已经失效,在去访问,就可以访问数据库更新这个key的值了
雪崩解决方案:
1.限流: 加锁,控制进入数据库请求数量
private Lock lock = new ReentrantLock();
public String queryInfo(String key){
//step1:先从缓存中获取,获取不到,接着向下走
try{
//step2:加锁
lock.lock();
// step3:获取到锁后,再次从缓存中取数据
// 这样做的目的是,验证是否已经有其他请求已经查询到数据,并放入缓存中去了
// step4:到数据库中查询
// step5 : 查询的结果放入缓存
}finally{
// step6: 解锁
lock.unlock();
}
}
这种方案的缺点:
1) 线程阻塞,导致用户体验不好
2) 加锁的粒度太大,对所有进入到这个方法的请求加锁,即所有的查询都被一把锁锁住
2.服务降级 :把锁的粒度变小,使用 ConcurrentHashMap加锁
private Map<String,String> lockMap = new ConcurrentHashMap<>(); public String queryInfo(String key){ //step1:先从缓存中获取,获取不到,接着向下走 boolean lock = false; try{ //step2:类似加锁 lock = lockMap.putIfAbsent(key,"lock") == null; //拿到锁的线程,负责更新缓存,其他请求读取备份缓存或者执行降级策略 if(lock){ //step3:继续从缓存中获取 // 这样做的目的是,验证是否已经有其他请求已经查询到数据,并放入缓存中去了 // step4:到数据库中查询 // step5 : 查询的结果放入缓存 ,包括备份缓存 }else{ //服务降级策略 // 策略1:从备份缓存中获取 // 策略2:返回一个固定值 } }finally { // 最后解锁: lockMap.remove(key); } } |
优点:线程不阻塞,用户体验好
缺点:数据不一致,缓存维护复杂
3.写定时任务去刷新更新热点缓存
缓存穿透
缓存穿透是指查询一个一定不存在的数据,由于缓存不命中,接着查询数据库也无法查询出结果,因此也不会写入到缓存中,这将会导致每个查询都会去请求数据库,造成缓存穿透;
缓存穿透解决方案
布隆过滤
对所有可能查询的参数以hash形式存储,在控制层先进行校验,不符合则丢弃,从而避免了对底层存储系统的查询压力;
缓存空对象
当存储层不命中后,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,之后再访问这个数据将会从缓存中获取,保护了后端数据源;
但是这种方法会存在两个问题:
- 如果空值能够被缓存起来,这就意味着缓存需要更多的空间存储更多的键,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。
比较
缓存雪崩
缓存雪崩是指,由于缓存层承载着大量请求,有效的保护了存储层,但是如果缓存层由于某些原因整体不能提供服务,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。
解决方案
保证缓存层服务高可用性
即使个别节点、个别机器、甚至是机房宕掉,依然可以提供服务,比如 Redis Sentinel 和 Redis Cluster 都实现了高可用。
依赖隔离组件为后端限流并降级
在缓存失效后,通过加锁或者队列来控制读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。
数据预热
可以通过缓存reload机制,预先去更新缓存,再即将发生大并发访问前手动触发加载缓存不同的key,设置不同的过期时间,让缓存失效的时间点尽量均匀。
缓存并发
缓存并发是指,高并发场景下同时大量查询过期的key值、最后查询数据库将缓存结果回写到缓存、造成数据库压力过大
分布式锁
在缓存更新或者过期的情况下,先获取锁,在进行更新或者从数据库中获取数据后,再释放锁,需要一定的时间等待,就可以从缓存中继续获取数据。