缓存雪崩

本文章是记录作者学习 极客时间 分布式缓存课程 的笔记， 非喜勿扰！

缓存雪崩发生场景一：

       在商品抢购，一波商品时间比较集中的放入缓存中，假设缓存设置一个小时，当过期时间到达后，这批商品会统一失效，而对于这批商品的访问查询，会直接落到数据库上，对于数据库而言，就会产生周期性的压力波峰，甚至会造成数据库宕掉。

 

解决方案一：

一个是将缓存失效时间分散开，比如在原来的失效时间基础上，去增加一个随机值，比如1~5分钟随机，这样每个缓存的过期时间的重复率大大降低，也就不会造成集体失效了

 

解决方案二：

缓存不过期

 

缓存雪崩造成的后果：

在流量高峰的时候，某个缓存服务器节点出现宕机或者出现问题，导致缓存流量直接透传到数据库上面，更严重的是某个缓存服务器出问题，导致整个缓存集群出现额问题。

    下图左图是一个缓存节点直接透传去请求数据库了， 

    下面右图是整个缓存集群都挂掉了

 

 

缓存雪崩发生的场景二：

    一个key 非常热点，在不停的扛着大量并发，大量并发集中对这个点进行访问，当这个key 失效的瞬间，持续的大并发就会穿透缓存，直接请求到数据库，就像在一个屏障上凿开一个洞，又名缓存击穿。

 

如何来发现热点缓存：

发现热点缓存的流程图，如下图；

 

执行流程：

      1、 当每次客户端的请求到达后台系统集群（系统集群）后， 服务实例会先去缓存中查询数据， 当查询到数据后，会把缓存数据的key 通过kafka 透传到 Fink(分布式的计算引擎) ,然后判断是否是热点数据，是的话会把热点数据通过请求传给监控系统，

监控系统会通知应用服务某个key是热点，应用可以根据这个key 进行重新hash ,将热点数据重新分不到不同的节点上。

     2、 如果这个热点key 重新hash 打散到不同的节点上， 请求量过来热点key是否均匀的分部到缓存集群不同的分片中， 缓存不够可以添加内存

 

     

 

 

方案二：

    通过一个访问用户中心的案例来做说明；

    通过判断数据访问的最新时间来做个排名， 过滤掉不常访问的数据，留下经常访问的数据，可以通过缓存系统做一个排序队列， 系统会根据访问时间做一个排名，最近访问的数据要越靠前。

    每次请求到达时现请求排序队列，命中后再通过userId 去缓存中查数据