Redis数据异常

1. 数据一致性

对于redis的数据一致性问题我们是有两种模式需要讨论的

1. 读写模式：客户端删改数据时，同时对redis和数据库都进行相同操作并且要保证原子性。

这种模式又分为同步直写和异步写回，同步直写是客户端修改数据，修改redis同时修改数据库需要开启事务保证原子性。异步写回是客户端修改数据修改redis数据不同步修改数据库，等待redis数据淘汰之后刷脏页的方式写入数据库，这种情况有可能在redis意外宕机导致数据不一致。

所以在读写模式还是需要选择同步直写，保证了原子性我们也需要保证执行成功，所以我们可以加入消息队列，处理异常之后我们需要重试，重试多次后还失败在返回异常。

2. 只读模式：客户端删改数据，直接删除redis数据，然后更新数据库，等待请求redis数据缺失后，再将数据库中的数据写入到Redis中。

只读模式会出现两种异常场景：

1. 先删除缓存，在更新数据库

线程 A 删除缓存值后，还没有来得及更新数据库（比如说有网络延迟），线程 B 就开始读取数据了，那么这个时候，线程 B 会发现缓存缺失，就只能去数据库读取。

所以我们可以实行延迟双删方案：先删除缓存，在更新数据库，等待一段时间（保证B线程结束之后），再删除一次缓存。

2. 先更新数据库，再删除缓存

线程 A 删除了数据库中的值，但还没来得及删除缓存值，线程 B 就开始读取数据了，那么此时，线程 B 查询缓存时，发现缓存命中，就会直接从缓存中读取旧值。这种事在并发相对不高的情况，后面的线程就能取到对的值。

2. 缓存雪崩、击穿、穿透

正对缓存穿透我们也有布隆过滤器：由一个初值都为0 的 bit 数组和 N 个哈希函数组成，可以用来快速判断某个数据是否存在。

布隆过滤器实际运行逻辑，当一个数据进来我们首先通过N个哈希函数进行处理，得到N个哈希值，然后每个哈希值都对bit数组进行取模，然后得到N个数，在对应的位置标记为1。等到下次查询的时候就对这个数组的对应位置取值，只要有一个为0，那么这个数据就是不存在的，不需要进行数据库查询。

数据值X，用3个哈希函数对X处理计算，然后对数组取模分别得到1、3、7，然后对这三个位置赋值。等待查询redis没有命中的时候就需要查询布隆过滤器，有一个位置为0，就不进行数据库查询。

解决方案：

（1）针对缓存雪崩，合理地设置数据过期时间，以及搭建高可靠缓存集群；

（2）针对缓存击穿，在缓存访问非常频繁的热点数据时，不要设置过期时间；

（3）针对缓存穿透，提前在入口前端实现恶意请求检测，或者规范数据库的数据删除操作，避免误删除。