Redis之缓存预热、缓存雪崩、缓存穿透、缓存击穿

缓存预热

问题现象：1.请求数量较高  2.主从之间数据吞吐量较大，数据同步操作频度较高

解决方案：

前置准备工作：

1.日常例行统计数据访问记录，统计访问频度较高的热点数据

2.利用LRU数据删除策略，构建数据留存队列

        例如：storm和kafka配合

准备工作：

1.将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据

2.利用分布式多服务器同时进行数据读取，提高数据加载过程

3.热点数据主从同时预热

实施：

1.使用脚本程序固定触发数据预热过程

2.如果条件允许，使用CDN(内容分发网络)，效果会更好

总结：缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。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！用户直接查询实现被预热缓存的数据！

缓存雪崩

出现现象：

1.系统平稳运行过程中，忽然数据库连接量激增

2.应用服务器无法及时处理请求

3.大量408，500错误页面出现

4.客户反复刷新页面获取数据

5.数据库崩溃

6.应用服务器崩溃

7.重启应用服务服务器无效

8.Redis服务器崩溃

9.Redis集群崩溃

10.重启数据库后再次被瞬间流量放倒

问题排查：

1.在一个较短的时间内，缓存中较多的key集中过期

2.此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据

3.数据库同时接到大量的请求无法及时处理

4.Redis大量请求被积压，开始出现超时现象

5.数据库流量激增，数据崩溃

6.重启之后依旧面对缓存中无数据可用

7.Redis服务器资源被严重占用，Redis服务器崩溃

8.Redis集群呈现崩溃，集群瓦解

9.应用服务器无法及时得到数据响应请求，来自客户端的请求数量越来越多，应用服务器崩溃

10.应用服务器，redis，数据库全部重启，效果不理想

问题分析：

①短时间范围内，大量的key集中过期

解决方案(道):

1.更多的页面静态化处理

2.构建多级缓存架构

                Nginx缓存+redis缓存+ehcache缓存

3.检测Mysql严重耗时业务进行优化

        对数据库的瓶颈排查：例如超时查询、耗时较高事务等

4.灾难预警机制

        监控redis服务器性能指标

        ·CPU占用、CPU使用率

        ·内存容量

        ·查询平均响应时间

        ·线程数

5.限流、降级

        短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步开放访问

解决方案(术)：

1.LRU与LFU切换

2.数据有效期策略调整

        ·根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟

        ·过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量

3.超热数据使用永久key

4.定期维护(自动+人工)

        对即将过期的数据做访问量统计，确认是否延迟，配合访问量统计，做热点数据的延时

5.加锁(慎用)

总结：

瞬间过期数据量太大，导致对数据库服务器造成压力。如果能够有效避免过期时间集中，可以有效解决雪崩现象的出现，配合其它策略一起使用，并监控服务器的运行数据，根据运行记录做快速的调整

缓存击穿

出现现象：

1.服务器平稳运行

2.数据库连接量瞬间激增

3.Redis服务器无大量的key过期

4.Redis内存平稳无波动

5.Redis服务器CPU正常

6.数据库崩溃

问题排查：

1.Redis中某个key过期，该key访问量巨大

2.多个请求从服务器直接压到Redis之后，均未命中

3.Redis在短时间内发起大量对数据库中同一数据的访问

问题分析：单个key高热数据，key过期

1.预先设定

        以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息key的过期时长

        注意：不仅仅是购物节当天，以及后续若干天，访问峰值呈现逐渐降低的趋势

2.现场调整

        监控访问量，对自然流量激增的数据延长过期时间或设置永久性key

3.后台刷新数据

        启动定时任务，高峰期来临之前，刷新数据的有效期，确保不丢失

4.二级缓存

        设置不同的失效时间，保障不会被同时淘汰就行

5.加锁

        加分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！

总结：

缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对统一数据的数据库访问，导致对数据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略，毕竟单个key过期监控难度较高，配合雪崩处理策略即可。

数据穿透

问题现象：

1.系统平稳运行

2.应用服务器流量随时间增大较大

3.Redis服务器命中率随时间逐步降低

4.Redis内存平稳，内存无压力

5.Redis服务器CPU占用激增

6.数据库服务器压力激增

7.数据库崩溃

问题排查：

①Redis中大面积出现未命中

②出现非正常URL访问

问题分析：

1.获取的数据在数据库中不存在，数据库查询未得到对应数据

2.Redis获取到null数据为进行持久化，直接返回

3.下次此类数据到达重复上述过程

4.出现黑客攻击服务器

解决方案：

1.缓存null

        对查询结果为null的数据进行缓存(长期使用，定期清理)，设定短时限，例如30-秒，最高5分钟

2.白名单策略：

        ·提前预热各种分类数据id对应的bitmap，id作为bitmaps的offset，相当于设置了数据白名单。当加载正常数据时，放行，加载异常数据时直接拦截(效率偏低)

        ·使用布隆过滤器(有关布隆过滤器的命中问题对当前状况可以忽略)

3.实时监控

        实时监控redis命中率(业务正常范围时，通常会有一个波动值)与null数据对比

        ·非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象

        ·活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象

        根据倍数不同，启动不同的排查流程。然后使用黑名单进行防控

4.key加密

        问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验

        例如每天随机分配60个加密串，挑选2到3个，混淆到页面数据id中，发现key不满足规则，驳回数据访问

总结：缓存穿透访问了不存在的数据，跳过了合法数据redis数据缓存阶段，每次访问数据库，导致对数据库服务器造成压力。通常此类数据的出现量是一个较低的值，当出现此类情况及时报警。应对策略应该在临时预案防范方面多做文章。无论是白名单还是黑名单，都是对整体系统的压力，警报接触后尽快移除