常见的缓存问题解决

高并发的业务场景下，实际应用 Redis 缓存时，我们经常会遇到一些异常问题。例如缓存穿透、缓存穿击、缓存雪崩、缓存污染以及缓存和数据库一致性。下文将列举一下这些常见问题的解决方案。

缓存穿透

场景

缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求。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。
如果有人利用不存在的key频繁攻击我们的应用，这会导致数据库压力过大，甚至挂掉。

方案

1. 缓存空值。将从缓存和数据库中都取不到的数据，设置缓存key:null，同时expireTime设置短点（设置太长会导致正常情况也没法使用）。
2. BloomFilter布隆过滤器。利用布隆过滤器快速判断一个key是否存在于某容器，不存在就直接返回。
3. 请求层加参数校验，把恶意请求（参数不合理、参数非法）直接过滤掉。

对于空数据的key有限的，重复率比较高的，我们则可以采用缓存空值的方式处理。对于key异常多、请求重复率比较低的数据，可以使用布隆过滤器进行过滤。

缓存击穿

场景

缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。

方案

1. 热点数据预加载。即在缓存过期之前，提前异步地加载数据，确保缓存一直有数据。
2. 加互斥锁。在第一个请求去查询数据库的时候对其加一个互斥锁，其它的查询请求都会被阻塞住，直到锁被释放。但系统吞吐量会下降，需要结合实际的业务去考虑是否要这么做。
3. 接口限流与熔断降级。重要的接口要做好限流策略，防止用户恶意刷接口，同时要降级准备，当接口中的某些服务不可用时候，进行熔断，失败快速返回机制。

缓存雪崩

场景

缓存雪崩是指缓存中数据大批量到过期时间，而查询数据量巨大，引起数据库压力过大甚至down机。和缓存击穿不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。例如大促时，缓存的数据可能在后续的同一时间失效。还有一种情况是部分缓存节点不可用，导致整个缓存体系甚至甚至服务系统不可用的情况。

方案

1. 设置不同过期时间（基础时间+/-随机时间）。防止同一时间大量数据过期现象发生。
2. 对缓存增加多个副本，缓存异常时再读取其他缓存副本，而且多个缓存副本尽量部署在不同机组，确保在任何情况下，缓存系统都会正常对外提供服务。
3. 接口限流与熔断降级。重要的接口要做好限流策略，防止用户恶意刷接口，同时要降级准备，当接口中的某些服务不可用时候，进行熔断，失败快速返回机制。

缓存污染

场景

在一些场景下，有些数据被访问的次数非常少，甚至只会被访问一次。当这些数据服务完访问请求后，如果还继续留存在缓存中的话，就只会白白占用缓存空间。
如果数据占满了缓存空间，我们再往缓存中写入新数据时，就需要先把这些数据逐步淘汰出缓存，这就会引入额外的操作时间开销，进而会影响应用的性能。

方案

Redis可以采用LFU策略,使用衰减因子配置项 lfu_decay_time来控制访问次数的衰减。如果业务应用中有短时高频访问的数据的话，建议把 lfu_decay_time 值设置为 1，这样一来，LFU策略在它们不再被访问后，会较快地衰减它们的访问次数，尽早把它们从缓存中淘汰出去，避免缓存污染。

缓存和数据库一致性

参考本人另一篇博文 缓存和数据库一致性