缓存雪崩 缓存穿透 缓存预热 缓存更新 缓存降级

一、缓存雪崩

缓存雪崩我们可以简单的理解为：由于原有缓存失效，新缓存未到期间(例如：我们设置缓 存时采用了相同的过期时间，在同一时刻出现大面积的缓存过期)，所有原本应该访问缓存 的请求都去查询数据库了，而对数据库CPU和内存造成巨大压力，严重的会造成数据库宕 机。从而形成一系列连锁反应，造成整个系统崩溃。
缓存正常从Redis中获取，示意图如下：

缓存失效瞬间示意图如下：

缓存失效时的雪崩效应对底层系统的冲击非常可怕！大多数系统设计者考虑用加锁或者队列 的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发 请求落到底层存储系统上。还有一个简单方案就时讲缓存失效时间分散开，比如我们可以在 原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的 重复率就会降低，就很难引发集体失效的事件。
以下简单介绍两种实现方式的伪代码：
（1）碰到这种情况，一般并发量不是特别多的时候，使用最多的解决方案是加锁排队，伪 代码如下：

//伪代码 public object GetProductListNew() {     
int cacheTime = 30;    
 String cacheKey = "product_list";    
  String lockKey = cacheKey;
    String cacheValue = CacheHelper.get(cacheKey);    
     if (cacheValue != null) {      
       return cacheValue;
    } else {      
       synchronized(lockKey) {         
           cacheValue = CacheHelper.get(cacheKey);         
               if (cacheValue != null) {              
                  return cacheValue;           
                    } else {               //这里一般是sql查询数据              
                       cacheValue = GetProductListFromDB();          
                               CacheHelper.Add(cacheKey, cacheValue, cacheTime);         
                                   }     
                                       }      
                                          return cacheValue;  
                                    } }

加锁排队只是为了减轻数据库的压力，并没有提高系统吞吐量。假设在高并发下，缓存重建 期间key是锁着的，这是过来1000个请求999个都在阻塞的。同样会导致用户等待超时，这 是个治标不治本的方法！
注意：加锁排队的解决方式分布式环境的并发问题，有可能还要解决分布式锁的问题；线程 还会被阻塞，用户体验很差！因此，在真正的高并发场景下很少使用！
（2）还有一个解决办法解决方案是：**给每一个缓存数据增加相应的缓存标记，记录缓存的 是否失效，如果缓存标记失效，则更新数据缓存，**实例伪代码如下：

//伪代码 public object GetProductListNew() {    
 int cacheTime = 30; 
 String cacheKey = "product_list";     //缓存标记     
 String cacheSign = cacheKey + "_sign";
 String sign = CacheHelper.Get(cacheSign);     //获取缓存值     
 String cacheValue = CacheHelper.Get(cacheKey);    
  if (sign != null) {    
       return cacheValue; //未过期，直接返回     
    } else {      
        CacheHelper.Add(cacheSign, "1", cacheTime);     
        ThreadPool.QueueUserWorkItem((arg) -> {       //这里一般是 sql查询数据        
             cacheValue = GetProductListFromDB();            //日期设缓存时间的2倍，用于脏读                        CacheHelper.Add(cacheKey, cacheValue, cacheTime * 2);              
                         });   
                               return cacheValue;
    } } 

解释说明：

• 缓存标记：记录缓存数据是否过期，如果过期会触发通知另外的线程在后台去更新实际 key的缓存；
• 缓存数据：它的过期时间比缓存标记的时间延长1倍，例：标记缓存时间30分钟，数据 缓存设置为60分钟。 这样，当缓存标记key过期后，实际缓存还能把旧数据返回给调用 端，直到另外的线程在后台更新完成后，才会返回新缓存。
  关于缓存崩溃的解决方法，这里提出了三种方案：使用锁或队列、设置过期标志更新缓存、 为key设置不同的缓存失效时间，还有一各被称为“二级缓存”的解决方法，有兴趣的读者 可以自行研究。

二、缓存穿透

缓存穿透是指用户查询数据，在数据库没有，自然在缓存中也不会有。这样就导致用户查询 的时候，在缓存中找不到，每次都要去数据库再查询一遍，然后返回空（相当于进行了两次 无用的查询）。这样请求就绕过缓存直接查数据库，这也是经常提的缓存命中率问题。
有很多种方法可以有效地解决缓存穿透问题，最常见的则是采用布隆过滤器，将所有可能存 在的数据哈希到一个足够大的bitmap中，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。
另外也有一个更为简单粗暴的方法，如果一个查询返回的数据为空（不管是数据不存在，还 是系统故障），我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分 钟。通过这个直接设置的默认值存放到缓存，这样第二次到缓冲中获取就有值了，而不会继 续访问数据库，这种办法最简单粗暴！

//伪代码 public object GetProductListNew() {    
 int cacheTime = 30;     
 String cacheKey = "product_list";
 String cacheValue = CacheHelper.Get(cacheKey);    
  if (cacheValue != null) {     
      return cacheValue; 
   }
    cacheValue = CacheHelper.Get(cacheKey);   
      if (cacheValue != null) {      
         return cacheValue;    
    } else {         //数据库查询不到，为空        
           cacheValue = GetProductListFromDB();
           if (cacheValue == null) {             //如果发现为空，设置个默认值，也缓存起来           
                 cacheValue = string.Empty;     
               }       
          CacheHelper.Add(cacheKey, cacheValue, cacheTime);     
           return cacheValue; 
   } }

把空结果，也给缓存起来，这样下次同样的请求就可以直接返回空了，即可以避免当查询的 值为空时引起的缓存穿透。同时也可以单独设置个缓存区域存储空值，对要查询的key进行 预先校验，然后再放行给后面的正常缓存处理逻辑。

三、缓存预热

缓存预热这个应该是一个比较常见的概念，相信很多小伙伴都应该可以很容易的理解，缓存 预热就是系统上线后，将相关的缓存数据直接加载到缓存系统。这样就可以避免在用户请求 的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！
解决思路：
1、直接写个缓存刷新页面，上线时手工操作下；
2、数据量不大，可以在项目启动的时候自动进行加载；
3、定时刷新缓存； 四、缓存更新
除了缓存服务器自带的缓存失效策略之外（Redis默认的有6中策略可供选择），我们还可 以根据具体的业务需求进行自定义的缓存淘汰，常见的策略有两种：
（1）定时去清理过期的缓存；
（2）当有用户请求过来时，再判断这个请求所用到的缓存是否过期，过期的话就去底层系 统得到新数据并更新缓存。
两者各有优劣，第一种的缺点是维护大量缓存的key是比较麻烦的，第二种的缺点就是每次 用户请求过来都要判断缓存失效，逻辑相对比较复杂！具体用哪种方案，大家可以根据自己 的应用场景来权衡。 五、缓存降级
当访问量剧增、服务出现问题（如响应时间慢或不响应）或非核心服务影响到核心流程的性 能时，仍然需要保证服务还是可用的，即使是有损服务。系统可以根据一些关键数据进行自 动降级，也可以配置开关实现人工降级。
降级的最终目的是保证核心服务可用，即使是有损的。而且有些服务是无法降级的（如加入 购物车、结算）。
在进行降级之前要对系统进行梳理，看看系统是不是可以丢卒保帅；从而梳理出哪些必须誓 死保护，哪些可降级；比如可以参考日志级别设置预案：
（1）一般：比如有些服务偶尔因为网络抖动或者服务正在上线而超时，可以自动降级；
（2）警告：有些服务在一段时间内成功率有波动（如在95~100%之间），可以自动降级 或人工降级，并发送告警；
（3）错误：比如可用率低于90%，或者数据库连接池被打爆了，或者访问量突然猛增到系 统能承受的最大阀值，此时可以根据情况自动降级或者人工降级；
（4）严重错误：比如因为特殊原因数据错误了，此时需要紧急人工降级。 六、总结
这些都是实际项目中，可能碰到的一些问题，也是面试的时候经常会被问到的知识点，实际 上还有很多很多各种各样的问题，文中的解决方案，也不可能满足所有的场景，相对来说只 是对该问题的入门解决方法。一般正式的业务场景往往要复杂的多，应用场景不同，方法和 解决方案也不同，由于上述方案，考虑的问题并不是很全面，因此并不适用于正式的项目开 发，但是可以作为概念理解入门，具体解决方案要根据实际情况来确定！

参考文章：
1、http://www.cnblogs.com/zhangweizhong/p/6258797.html
2、http://www.cnblogs.com/zhangweizhong/p/5884761.html
3、http://blog.csdn.net/zeb_perfect/article/details/54135506