脑裂问题
redis在分布式集群下,由于网络抖动,产生网络分区,导致多个master的现象
类型:
- 哨兵模式脑裂:哨兵与主节点连接中断,但主节点与外界联系未中断,哨兵选举新主节点,哨兵与老主节点恢复联系时,老节点被降级,老节点数据不会被备份,导致数据丢失
- 集群脑裂:异地多活—提高高可用性。异地节点联系中断
本质:数据不一致、数据丢失问题
不可解决,可以降低可能性
边路缓存模式
为什么使用缓存?
提高系统读性能,适用于读多写少的应用场景
一般流程:
读取缓存中是否有相关数据,有就直接返回,没有则读取数据库,之后放入缓存,再返回
问题:
数据发生改变时:
缓存数据应该更新还是淘汰?(取决于哪个更复杂/简单,一般而言,淘汰缓存更为简单)
先操作缓存还是数据库?(先淘汰缓存,再写数据库)
Cache-Aside Pattern是最经典的缓存+数据库读写的模式
如果应用程序更新信息,则可以通过对数据存储进行修改,并使缓存中的相应项目无效,从而遵循直写策略
当下一个项目需要时,使用cache-aside策略将导致更新的数据从数据存储中检索并添加到高速缓存中
适用场景:
- 缓存没有提供读穿透和写穿透功能
- 按需加载的数据不可预测
不适用场景:
- 缓存的对象是静态的
- Web应用缓存Session状态
cache aside pattern:读数据先找cache,cache没有数据找数据库,将数据库查询结果保存再cache的模式
写策略:先写数据库,再删cache,再同步cache
缓存延迟
读穿透和写穿透
读穿透:程序尝试从缓存中读取数据,如果缓存中没有相应的数据,则会继续从数据源中读取并将其加入到缓存中
写穿透:如果尝试更新缓存中数据,则后台的数据源也会被自动的更新
读穿透:高并发查询,cache无数据,同时多线程穿透cache,进入数据库
写穿透:先写入cache,再写入数据库(解决:注意编码)
数据失效的六种情况
删除策略:
- 定期删除:设置定期检查时间,过期就删除
- 惰性删除:获取key时才检查是否过期,过期就删除
过期策略:定期+惰性
内存淘汰机制:
3. noeviction【默认】:当内存使用到达阈值时,所有引起申请内存的命令会报错
4. allkeys-lru:在主键空间中,优先移除最近未使用的key
5. volatile-lru:在设置了过期时间的键空间中,优先移除最近未使用的key
6. allkeys-random:在主键空间中,随机移除某个key
7. volatile-random:在设置了过期时间的键空间中,随机移除某个key
8. volatile-ttl:在设置了过期时间的键空间中,优先移除具有更早过期时间的key
参考:
1.Redis 内存淘汰机制
2.Redis的过期策略和内存淘汰机制
dict扩容问题
dict是redis的hash数据结构,所有类型的元素都可以依据key值计算hashkey,然后将元素插入到dict的某个hash链上(采用拉链法解决hash冲突)
参考:
1.Redis的字典渐进式扩容与ConcurrentHashMap的扩容策略比较
2.深入浅出Redis-redis底层数据结构(上)