目录
概述
什么样的数据适合缓存?
分析一个数据是否适合缓存,我们要从访问频率、读写比例、数据一致性等要求去分析.
一、缓存处理流程
前台请求,后台先从缓存中取数据,取到直接返回结果,取不到时从数据库中取,数据库取到更新缓存,并返回结果,数据库也没取到,那直接返回空结果。
二、缓存穿透
描述:
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,如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者,攻击会导致数据库压力过大。简单的说,就是访问一个不存在的key,缓存不起作用,请求会穿透到DB,流量大时DB会挂掉。
解决方案:
1)接口层增加校验,如用户鉴权校验,id做基础校验,id<=0的直接拦截;
2)从缓存取不到的数据,在数据库中也没有取到,这时也可以将key-value对写为key-null,缓存有效时间可以设置短点,如30秒(设置太长会导致正常情况也没法使用)。这样可以防止攻击用户反复用同一个id暴力攻击
3)采用布隆过滤器,使用一个足够大的bitmap,用于存储可能访问的key,不存在的key直接被过滤;
三、缓存击穿
描述:
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。简单说就是:一个存在的key,在缓存过期的一刻,同时有大量的请求,这些请求都会击穿到DB,造成瞬时DB请求量大、压力骤增。
解决方案:
方案一
后台刷新
后台定义一个job(定时任务)专门主动更新缓存数据.比如,一个缓存中的数据过期时间是30分钟,那么job每隔29分钟定时刷新数据(将从数据库中查到的数据更新到缓存中).
- 这种方案比较容易理解,但会增加系统复杂度。比较适合那些 key 相对固定,cache 粒度较大的业务,key 比较分散的则不太适合,实现起来也比较复杂。
方案二
检查更新
将缓存key的过期时间(绝对时间)一起保存到缓存中(可以拼接,可以添加新字段,可以采用单独的key保存..不管用什么方式,只要两者建立好关联关系就行).在每次执行get操作后,都将get出来的缓存过期时间与当前系统时间做一个对比,如果缓存过期时间-当前系统时间<=1分钟(自定义的一个值),则主动更新缓存.这样就能保证缓存中的数据始终是最新的(和方案一一样,让数据不过期.)
- 这种方案在特殊情况下也会有问题。假设缓存过期时间是12:00,而 11:59
到 12:00这 1 分钟时间里恰好没有 get 请求过来,又恰好请求都在 11:30 分的时
候高并发过来,那就悲剧了。这种情况比较极端,但并不是没有可能。因为“高
并发”也可能是阶段性在某个时间点爆发。
方案三
分级缓存
采用 L1 (一级缓存)和 L2(二级缓存) 缓存方式,L1 缓存失效时间短,L2 缓存失效时间长。 请求优先从 L1 缓存获取数据,如果 L1缓存未命中则加锁,只有 1 个线程获取到锁,这个线程再从数据库中读取数据并将数据再更新到到 L1 缓存和 L2 缓存中,而其他线程依旧从 L2 缓存获取数据并返回。
- 这种方式,主要是通过避免缓存同时失效并结合锁机制实现。所以,当数据更
新时,只能淘汰 L1 缓存,不能同时将 L1 和 L2 中的缓存同时淘汰。L2 缓存中
可能会存在脏数据,需要业务能够容忍这种短时间的不一致。而且,这种方案
可能会造成额外的缓存空间浪费。
方案四
加锁
方法1
-
// 方法1:
-
public synchronized List<String> getData01() {
-
List<String> result = new ArrayList<String>();
-
// 从缓存读取数据
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
// 从数据库查询数据
-
result = getDataFromDB();
-
// 将查询到的数据写入缓存
-
setDataToCache(result);
-
}
-
return result;
-
}
- 这种方式确实能够防止缓存失效时高并发到数据库,但是缓存没有失效的时候,在从缓存中拿数据时需要排队取锁,这必然会大大的降低了系统的吞吐量.
方法2
-
// 方法2:
-
static Object lock = new Object();
-
public List<String> getData02() {
-
List<String> result = new ArrayList<String>();
-
// 从缓存读取数据
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
synchronized (lock) {
-
// 从数据库查询数据
-
result = getDataFromDB();
-
// 将查询到的数据写入缓存
-
setDataToCache(result);
-
}
-
}
-
return result;
-
}
- 这个方法在缓存命中的时候,系统的吞吐量不会受影响,但是当缓存失效时,请求还是会打到数据库,只不过不是高并发而是阻塞而已.但是,这样会造成用户体验不佳,并且还给数据库带来额外压力.
方法3
-
//方法3
-
public List<String> getData03() {
-
List<String> result = new ArrayList<String>();
-
// 从缓存读取数据
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
synchronized (lock) {
-
//双重判断,第二个以及之后的请求不必去找数据库,直接命中缓存
-
// 查询缓存
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
// 从数据库查询数据
-
result = getDataFromDB();
-
// 将查询到的数据写入缓存
-
setDataToCache(result);
-
}
-
}
-
}
-
return result;
-
}
双重判断虽然能够阻止高并发请求打到数据库,但是第二个以及之后的请求在命中缓存时,还是排队进行的.比如,当30个请求一起并发过来,在双重判断时,第一个请求去数据库查询并更新缓存数据,剩下的29个请求则是依次排队取缓存中取数据.请求排在后面的用户的体验会不爽.
方法4
-
static Lock reenLock = new ReentrantLock();
-
public List<String> getData04() throws InterruptedException {
-
List<String> result = new ArrayList<String>();
-
// 从缓存读取数据
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
if (reenLock.tryLock()) {
-
try {
-
System.out.println("我拿到锁了,从DB获取数据库后写入缓存");
-
// 从数据库查询数据
-
result = getDataFromDB();
-
// 将查询到的数据写入缓存
-
setDataToCache(result);
-
} finally {
-
reenLock.unlock();// 释放锁
-
}
-
} else {
-
result = getDataFromCache();// 先查一下缓存
-
if (result.isEmpty()) {
-
System.out.println("我没拿到锁,缓存也没数据,先小憩一下");
-
Thread.sleep(100);// 小憩一会儿
-
return getData04();// 重试
-
}
-
}
-
}
-
return result;
-
}
- 最后使用互斥锁的方式来实现,可以有效避免前面几种问题.
当然,在实际分布式场景中,我们还可以使用 redis、tair、zookeeper 等提供的分布式锁来实现.但是,如果我们的并发量如果只有几千的话,何必杀鸡焉用牛刀呢?
与上合并,待做?
加互斥锁,最好对同一key加互斥锁
互斥锁参考代码如下:
说明:
1)缓存中有数据,直接走上述代码13行后就返回结果了
2)缓存中没有数据,第1个进入的线程,获取锁并从数据库去取数据,没释放锁之前,其他并行进入的线程会等待100ms,再重新去缓存取数据。这样就防止都去数据库重复取数据,重复往缓存中更新数据情况出现。
3)当然这是简化处理,理论上如果能根据key值加锁就更好了,就是线程A从数据库取key1的数据并不妨碍线程B取key2的数据,上面代码明显做不到这点。
方案五
设置热点数据永远不过期。
方案六
在访问key之前,采用SETNX(set if not exists)来设置另一个短期key来锁住当前key的访问,访问结束再删除该短期key。
四、缓存雪崩
描述:
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。
解决方案:
1)缓存数据的过期时间设置随机,防止同一时间大量数据过期现象发生。
2)如果缓存数据库是分布式部署,将热点数据均匀分布在不同搞得缓存数据库中。
3)设置热点数据永远不过期。