redis 常见问题分析

redis 使用分析

redis 使用场景：

1、配置文件，数据文件加载

2、web场景中的web页面缓存

3、业务场景中例如短信验证码等

4、可以做消息队列服务器使用，redis 5.0支持

一、redis 双写一致性分析

在数据做出修改时，应当先修改redis数据，还是先修改mysql数据?

在原有集合数据进行增减操作时，无操作顺序要求，redis和mysql的数据是一致的，在数据覆盖时，如果选择了错误的修改顺序，那么，redis和数据库mysql数据结果不一致

常见方式

1、先写数据库，后写缓存

并发，多线程下，可能存在一下问题：

1、数据覆盖操作，如果不按照顺序执行，数据结果不一致

2、数据库更新成功，缓存更新失败，数据结果不一致

可以在此键加上缓存时间，但是缓存生效期间，数据不一致

2、先写数据库，后删缓存

删除数据的原因很简单，VO|BO数据，是来自多表计算得出，属于聚合数据，无法直接更新缓存，只能删除缓存后，得到最新数据。

PO 数据库行级数据，可以直接写入redis

VO 视图对象
BO 业务对象

并发，多线程下，可能存在一下问题：

1、数据库更新成功，缓存删除失败，数据结果不一致

3、先删缓存，再写数据库

LRU（The Least Recently Used，最近最久未使用算法）：如果一个数据在最近一段时间没有被访问到，那么可以认为在将来它被访问的可能性也很小。因此，当空间满时，最久没有访问的数据最先被置换（淘汰）。

LFU（Least Frequently Used ，最近最少使用算法）：如果一个数据在最近一段时间很少被访问到，那么可以认为在将来它被访问的可能性也很小。因此，当空间满时，最小频率访问的数据最先被淘汰。

并发，多线程下，可能存在一下问题：

1、准备更新数据库时，缓存中的key不存在或已经被LRU和LFU淘汰，已经从旧数据中重新读取，数据结果不一致

4、延迟双删

在修改数据库数据前，需要先删除一次redis：此时是为了保证在数据库数据修改和redis数据被删除的间隔时间内，如有命中，保证此数据也不存在redis中。如果没有这一次删除，当数据库数据已经被修改了，但是还是可以从redis中读出旧数据，导致数据不一致。

第二次删除则是在修改数据库数据后，此时需要再次删除redis中对应数据一次，这一次是为了删除 第一次redis删除和数据库数据修改之间，如果有请求，那么旧数据又会重新缓存到redis中，然而数据在数据库中在接下来就会被修改，如果没有这一次删除，redis中则会存在数据库中旧的数据。

那么第二次为什么需要在数据库修改后延迟一定时间再删除redis呢？

为了等待之前的一次读取数据库，并等待其数据写入到缓存，最后删除这次脏数据，所以是一次数据从数据库中发到服务器+缓存写入的时间

二、redis 常见异常分析

一、缓存穿透

1、概念

缓存穿透的概念很简单，用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透。

这里需要注意和缓存击穿的区别，缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。

为了避免缓存穿透其实有很多种解决方案。下面介绍几种。

2、解决方案  

（1）布隆过滤器

布隆过滤器是一种数据结构，垃圾网站和正常网站加起来全世界至少也有几十亿个。网警要过滤这些垃圾网站，总不能到数据库里面一个一个去比较吧，这就可以使用布隆过滤器。假设我们存储一亿个垃圾网站地址。

可以先有一亿个二进制比特，然后网警用八个不同的随机数产生器（F1,F2, …,F8） 产生八个信息指纹（f1, f2, …, f8）。接下来用一个随机数产生器把这八个信息指纹映射到 1 到1亿中的八个自然数 g1, g2, …,g8。最后把这八个位置的二进制全部设置为一。过程如下：

有一天网警查到了一个可疑的网站，想判断一下是否是XX网站，首先将可疑网站通过哈希映射到1亿个比特数组上的8个点。如果8个点的其中有一个点不为1，则可以判断该元素一定不存在集合中。

那这个布隆过滤器是如何解决redis中的缓存穿透呢？很简单首先也是对所有可能查询的参数以hash形式存储，当用户想要查询的时候，使用布隆过滤器发现不在集合中，就直接丢弃，不再对持久层查询。

这个形式很简单。

（2）缓存空对象

当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源；

但是这种方法会存在两个问题：

如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键；即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响。

二、缓存雪崩

1、概念

缓存雪崩是指，缓存层出现了错误，不能正常工作了。于是所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。

2、解决方案

（1）redis高可用

这个思想的含义是，既然redis有可能挂掉，那我多增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。

（2）限流降级

这个解决方案的思想是，在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。

（3）数据预热

数据加热的含义就是在正式部署之前，我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。