【Java进阶营】Redis技术专题之缓存击穿、缓存雪崩、缓存穿透

当我们使用一项技术时，我们就需要对它有一定的了解，知道我们为什么要去使用它，能够分析使用这项技术所带来的的回报以及我们所需要付出的代价。

缓存所带来的收益：

** 高速读写：缓存会加速读写速度，利用CPU L1/L2/L3 Cache、Linux page Cache加速硬盘读写、浏览器缓存、Ehcache缓存缓存数据，其性能都会比关系型数据库高很多，内存级别的读写性能大大优于磁盘级别的读写性能。**

**       降低后端负载：后端服务器业务通过使用Redis减少对MySQL的请求访问，降低MySQL负载等。**

缓存所带来的代价：

**       数据不一致：缓存层和数据库层面数据不一致，例如Redis已经对某条复杂的数据进行缓存，此时通过后台修改该数据，由于大部分情况下我们不会主动对Redis进行数据删除，因为从性能以及包容性来说都不需要进行删除操作，所以就导致缓存数据同步不及时，这些都和我们自身应用更新策略有关，需要根据实际情况合理设置数据缓存过期时间等相关操作。**

代码维护成本(人工成本)：不适用Redis缓存的情况下，我们只需读写MySQL就能实现功能，但当我们加入缓存之后就需要去维护缓存数据的处理逻辑，增加了代码复杂度。某些情况下会降低项目开发以及测试效率，例如测试人员需要测试有缓存时的情况，也要测试没有缓存时的情况，另外当测试人员测试功能无需关注缓存时需手动清除对应缓存，否则需要等待数据缓存过期，延长测试时间。

性能风险：堆内缓存由于是存储在本地服务器中，由JVM或者本地服务器来维护数据，可能带来内存溢出的风险甚至影响用户进程，如ehCache、loadingCache。

堆内缓存和远程服务器缓存如何选择？对于这个问题主要考虑以下几点：

堆内缓存一般性能更好，远程缓存需要套接字传输。

**        用户级别缓存尽量采用远程缓存(例如集群架构下，多台机器会重复缓存同一组数据)。**

**        大数据量尽量采用远程缓存，避免造成应用服务器压力过大，遵循服务节点化原则。**

[2.缓存穿透]
 ** 在我们使用Redis的过程中，Redis的确帮助我们解决了很多的问题，但是当技术和业务结合在一起时就会发现一些让人深思的问题。缓存穿透就是其中一个。**

[2.1 什么是缓存穿透？]

上面这张图是我们正常业务场景下的一个流程(客户端->服务端[Redis->DB])，那么缓存穿透指的是当用户查询数据，再缓存中不存在，并且在数据库也不存在时，导致用户查询这样的数据(或者恶意攻击) 在缓存中找不到对应key的value，每次都需要要在数据库中查询一遍，然后返回空值。其实这就相当于进行了两次无用的查询，这样请求就绕过缓存直接查数据库，对数据库造成了很大的压力。在此我向大家推荐一个架构学习交流圈。交流学习指导伪鑫：1253431195（里面有大量的面试题及答案）里面会分享一些资深架构师录制的视频录像：有Spring，MyBatis，Netty源码分析，高并发、高性能、分布式、微服务架构的原理，JVM性能优化、分布式架构等这些成为架构师必备的知识体系。还能领取免费的学习资源，目前受益良多

[2.2 如何防止缓存穿透？]
       说到如何防止缓存穿透，这里我主要提出两点建议：

缓存空值：如果DB查询返回数据或者业务结果为空，此时我们仍然将空结果进行缓存，设置较短的过期时间(不超过五分钟)。

**       采用布隆过滤器BloomFilter：事先将所有可能存在的数据哈希后放入到一个足够大的BitMap中，若一个数据一定不存在则会被拦截掉，从而避免了对底层存储系统的查询压力。关于布隆过滤器后面会写一篇博客对其进行详细介绍。**

[3.缓存雪崩]

[3.1 什么是缓存雪崩？]

**    如果缓存集中在一段时间内失效，发生大量的缓存穿透，所有查询都落在数据库上，就会造成了缓存雪崩。 由于原有缓存失效，新缓存未到期间所有原本应该访问缓存的请求都需要去查询数据库，从而对数据库服务CPU和内存造成巨大压力，严重可能会造成数据库服务宕机。**

[3.2 如何防止缓存雪崩？]

这里我们看看如何防止缓存雪崩：

**      加锁排队：维护一个mutex互斥锁，通过Redis的SETNX命令去设置一把当前业务操作的锁(例如setnx lock_uid_001 value nullValue、setnx lock_white_list value nullValue)，当操作成功时，再进行LoadDB操作回设缓存，否则重试get缓存。**

数据预热：缓存预热就是当我们新部署一个项目系统时，将相关缓存数据直接加载到缓存中。这样可以避免在用户请求时候，再去查询数据库放入缓存。用户可以直接查询事先被预热的缓存数据，可以预热大并发量、热度高的Key缓存数据。

**       双层缓存策略：同一条数据我们可以维护两套缓存，C1为原始缓存，C2为拷贝缓存，当C1失效时，可以读取C2，都不存在时再去访问数据库回设，当然C1缓存失效时间需要设置为短期，而C2设置为长期。这种方式最大缺点就是占用的内存翻倍。**

**       定时更新缓存策略：对于失效性要求低的缓存，可以在容器启动初始化时加载放入缓存，采用定时任务更新或移除缓存。**

**       时间浮动策略：设置不同过期时间，让缓存失效的时间点尽量均匀，避免集中失效**

[穿透]

** 穿透：频繁查询一个不存在的数据，由于缓存不命中，每次都要查询持久层。从而失去缓存的意义。**

解决办法：

**    1.用一个bitmap和n个hash函数做布隆过滤器过滤没有在缓存的键。**

** 解释：将数据库的id根据n个hash函数存储到对应的bitmap二进制数组里面，然后通过修改为1的标志来进而判断位置是否相同来确定是否存在对应的key在此redis里面，从而达到了减少扫描redis内存数据的方案。（确定无法一定不存在的key）。**

**    2.持久层查询不到就缓存空结果，有效时间为数分钟。（存储空结果），防止大量查询DB**

雪崩

**    雪崩：缓存大量失效的时候，引发大量查询数据库。**

解决办法：

**    1.用锁/分布式锁或者队列串行访问**

**    2.缓存失效时间均匀分布**

**    3.缓存预热，在启动或者初始化 加载一些缓存数据进入，防止大量去查询访问DB**

**    4.二级双层缓存机制，当一级失效则去访问二级远程的MemoryCache机制。**

[热点key]

**    热点key:某个key访问非常频繁，当key失效的时候有大量线程来构建缓存，导致负载增加，系统崩溃。**

解决办法：

① 使用锁，单机用synchronized,lock等，分布式用分布式锁。

② 缓存过期时间不设置，而是设置在key对应的value里。如果检测到存的时间超过过期时间则异步更新缓存。

③ 在value设置一个比过期时间t0小的过期时间值t1，当t1过期的时候，延长t1并做更新缓存操作。