常见的Redis使用问题及解决方案

目录

1. 缓存穿透

1.1 解决方案

2. 缓存击穿

2.1 解决方案

3. 缓存雪崩

3.1 概念图及问题描述

​编辑3.2 解决方案

4. 分布式锁

4.1 概念

4.2 基于redis来实现分布式锁

4.3 用idea来操作一遍redis分布式锁

4.4 分布式上锁的情况下，锁释放了服务器b中的锁问题

4.5 LUA保证删除原子性

4.6 分布式锁小总结

---

1. 缓存穿透

        当我们用户访问浏览器从应用服务器中请求web服务的时候，这时候请求的数据，在redis缓存中访问不到，那么就会去访问数据库，如果redis一直访问不到数据，它就会一直访问数据库，导致数据库压力变大，从而导致数据库崩溃。（缓存穿透）

• 一般出现缓存穿透的原因：
  1. redis查询不到数据库；
  2. 出现很多非正常url访问（就是一直访问不存在的url路径）；

其目的并不是为了得到数据，而是可能黑客利用此漏洞进行攻击，从而压垮数据库，让服务器瘫痪；

比如说一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，被一直访问攻击，就会存在此问题；

1.1 解决方案

        一个一定不存在缓存几查询不到的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义；

• 解决：

  (1) 对空值缓存：如果一个查询返回的数据为空（不管是数据是否不存在），我们仍然把这个空结果(nul)进行缓存，设置空结果的过期时间会很短，最长不超过五分钟；

  (2) 设置可访问的名单（白名单）：使用 bitmaps 类型定义一个可以访问的名单，名单id 作为 bitmaps 的偏移量每次访问和 bitmap 里面的 id 进行比较，如果访问 id 不在 bitmaps 里面，进行拦截，不允许访问；

  (3) 采用布隆过滤器：（布隆过滤器（Bloom Filter）是 1970 年由布隆提出的。它实际上是一个很长的二进制向量（位图）和一系列随机映射函数(哈希函数)。布隆过滤器可以用于检索一个元素是否在一个集合中。"它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难；将所有可能存在的数据哈希到一个足够大的 bitmaps 中，一个一定不存在的数据会被 这个 bitmaps 拦截掉，从而避免了对底层存储系统的查询压力；

  （4) 进行实时监控：当发现 Redis 的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务；

2. 缓存击穿

• 缓存击穿问题起因：
  1. 数据库访问压力瞬时增加
  2. redis里面没有出现大量key过期
  3. redis正常运行

问题描述：

        key对应的数据存在，但在redis中过期，此时若有大量并发请求过滤，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能回瞬间把后端DB压垮；

2.1 解决方案

(1) 预先设置热门数据：在 redis 高峰访问之前，把一些热门数据提前存入到redis 里面，加大这些热门数据 key 的时长；

(2) 实时调整：现场监控哪些数据热门，实时调整 key 的过期时长；

(3) 使用锁：

1. 就是在缓存失效的时候（判断拿出来的值为空），不是立即去 load db；
2. 先使用缓存工具的某些带成功操作返回值的操作（比如 Redis 的 SETNX）去set一个mutex key；