redis作为基于内存的数据库,并且提供一定的持久化功能,被我们广泛用于缓存,加锁等场景中,作为中间件用于解决数据库读写慢等问题。但是引入redis又有可能出现缓存穿透,缓存击穿,缓存雪崩等问题。
缓存穿透
- 描述: 某个key对应的数据在数据源并不存在,每次针对此key的请求都会到数据库,从而可能造成数据库压力过大,压垮数据库。比如请求伪造一个缓存中可能不存在的id ,例如负数,uuid 等
解决方法:
- 布隆过滤器:
布隆过滤器能实现判断一定不存在的数据,一个一定不存在的数据会被 这个bitmap拦截掉,从而避免了对底层存储系统的查询压力。将所有可能存在的数据哈希到一个足够大的bitmap中,当我们搜索一个值的时候,若该值经过 K 个哈希函数运算后的任何一个索引位为 ”0“,那么该值肯定不在集合中。但如果所有哈希索引值均为 ”1“,则只能说该搜索的值可能存在集合中。 - 将空值缓存:
如果一个查询返回的数据为空,仍然把这个空结果进行缓存。此方法可能造成数据库真为空的情况也被缓存,需要将他的过期时间设短一些。
缓存击穿
- 描述: 缓存击穿一般是当某个key缓存时间到期,这时热点数据由于并发用户特别多,同时读缓存没读到数据,又同时去数据库去取数据,引起数据库压力过大。
解决方法:
- 最暴力的方法,设置热点数据永不过期
- 加互斥锁,当缓存找不到值时,不要直接去数据库查,而是先获取锁,获取到的去数据库查数据并更新缓存,获取不到的进行轮询重新获取数据。
- 添加超时标记,当某个热点数据即将超时,去更新数据
区别:
- 和缓存“雪崩”的区别在于,前者主要针对某一 KEY 缓存,后者则是整个服务层面。
- 和缓存“穿透”的区别在于,这个 KEY 是真实存在对应的值的。
缓存雪崩
- 描述:缓存雪崩是指缓存由于某些原因无法提供服务,(如缓存中数据大批量key同一时间过期,或服务挂了),而查询数据量巨大,引起数据库压力过大。
解决方法:
- 做好接口限流与熔断,降级,DB限流
- 先把可能的数据先预先访问一遍,这样部分可能大量访问的数据就会加载到缓存中。在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。
- 用到高可用的Redis cluster
- 在数据库前面再加一层本地缓存,如Ehcache和Guava Cache