看完Redis緩存穿透、緩存擊穿、緩存雪崩來吊打面試官！

作者：王振軍 2023-12-06 13:38:00

數(shù)據(jù)庫 Redis

今天我們深入具體的討論了Redis緩存穿透、緩存擊穿、緩存雪崩的產(chǎn)生原因和解決方案，補(bǔ)充了緩存污染和緩存一致性。

一、前言

「Redis 是一個開源（BSD許可）的，內(nèi)存中的數(shù)據(jù)結(jié)構(gòu)存儲系統(tǒng)，它可以用作數(shù)據(jù)庫、緩存和消息中間件。」

Redis在緩存應(yīng)用中還是很廣泛的，項目中也經(jīng)常使用。基本上面試中肯定都會問到，總結(jié)一下增強(qiáng)記憶哈！

在享受緩存帶來的好處的同時，當(dāng)然要防止這些不好的方面。

下面我們一起來看看這三種情況的產(chǎn)生原因和解決方案！

「總結(jié)：這三種情況都是在大量請求來的時候，Redis沒有命中，請求直接打到數(shù)據(jù)庫，從而導(dǎo)致數(shù)據(jù)庫掛掉！」

Redis緩存簡圖：

二、緩存穿透

1、產(chǎn)生原因

「大量請求的 key 是不合理的，緩存中根本不存在（數(shù)據(jù)庫中一般也不存在），導(dǎo)致這些請求繞過緩存直接訪問數(shù)據(jù)庫，給數(shù)據(jù)庫造成了巨大的壓力，隨時可能宕機(jī)。」

惡意查詢，如查詢id為負(fù)數(shù)等等。
key過期，突然來了大量請求時。
key沒有提前預(yù)熱，突然來了大量請求時。

2、解決方案

設(shè)置緩存空值：查詢數(shù)據(jù)庫沒有結(jié)果，將空值緩存，但必須設(shè)置一個合理的過期時間。
布隆過濾器：是一種用于判斷一個元素是否屬于一個集合的數(shù)據(jù)結(jié)構(gòu)。
合理判斷參數(shù)的范圍：非負(fù)數(shù)等等。
限制并發(fā)查詢：保證只有一個線程去查詢底層數(shù)據(jù)源，其他線程等待查詢結(jié)果。

3、具體方案

「設(shè)置緩存空值：」

redis有一個配置，可以把從數(shù)據(jù)庫查詢出來為空的也緩存到Redis中，也可以自己在代碼中寫，順便加上過期時間，也可以配置過期時間，這樣是全局都是這個過期時間了，不太建議這樣！

spring:
  cache: 
    redis:
      cache-null-value: true
      time-to-live: 30s

「限制并發(fā)查詢：」

@Cacheable(value={"category"},key = "#root.methodName",sync = true)

?
sync = true：表示多個線程在嘗試獲取緩存數(shù)據(jù)的時候會被阻塞，直到第一個線程從數(shù)據(jù)庫加載數(shù)據(jù)并放入緩存后，其他線程才能獲取到緩存中的數(shù)據(jù)。這樣可以避免多個線程同時查詢底層數(shù)據(jù)庫，減輕數(shù)據(jù)庫負(fù)載，但會降低并發(fā)性能。默認(rèn)為false，不開啟
?

「布隆過濾器：」

布隆過濾器（Bloom Filter）是一種用于判斷一個元素是否屬于一個集合的數(shù)據(jù)結(jié)構(gòu)。它的主要特點(diǎn)是高效地判斷元素是否存在于集合中，且具有空間和時間效率高的優(yōu)點(diǎn)。布隆過濾器不會存儲實際的數(shù)據(jù)，而是通過一系列的哈希函數(shù)和位數(shù)組來判斷元素的存在。

「當(dāng)布隆過濾器判斷元素不存在時，元素一定不存在，元素存在時，元素不一定存在！」

是不是有點(diǎn)繞，我們在詳細(xì)說一下：

布隆過濾器有一定的假陽性概率，即在判斷元素存在時，有可能出現(xiàn)錯誤的結(jié)果。這是因為多個元素可能產(chǎn)生相同的哈希值，導(dǎo)致位數(shù)組中的位被設(shè)置為1。

「布隆過濾器一旦添加了元素，就不能刪除，因為刪除元素會影響其他元素的判斷結(jié)果。」

一般引入guava中的BloomFilter來實現(xiàn)布隆過濾器！如果喜歡用Hutool，也是有實現(xiàn)的！

下面小編給大家簡單的寫個demo，大家感受一下！

「引入依賴」

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>30.1-jre</version>
</dependency>

「配置布隆過濾器」

/**
 * @author wangzhenjun
 * @date 2023/11/7 17:08
 */
@Configuration
public class BloomFilterConfig {

    // 預(yù)期插入的元素個數(shù)，從配置文件里拿
    private static final Integer EXPECTED_INSERTIONS = 100000;

    // 期望的誤判率，值越低，布隆過濾器計算時間越長，從配置文件里拿
    private static final Double FPP = 0.03;

    @Bean
    public BloomFilter<String> bloomFilter(){
        BloomFilter<String> filter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("utf-8")), EXPECTED_INSERTIONS,FPP);
        return filter;
    }

}

「簡單測試」

為了簡單，直接寫在啟動類上了，大家不要學(xué)哈！

@EnableAsync
@MapperScan("com.example.demonew.demo.mapper")
@EnableTransactionManagement
@SpringBootApplication
public class DemoNewApplication {

    @Autowired
    private BloomFilter bloomFilter;

    public static void main(String[] args) {
        SpringApplication.run(DemoNewApplication.class, args);

    }

    @PostConstruct
    public void init(){
        bloomFilter.put("123");
        boolean b = bloomFilter.mightContain("123");
        System.out.println("是否存在：" + b);
    }

}

三、緩存擊穿

1、產(chǎn)生原因

「緩存擊穿是指當(dāng)緩存中某個熱點(diǎn)key剛剛過期（一般和緩存穿透區(qū)別在于熱點(diǎn)數(shù)據(jù)存在于數(shù)據(jù)庫中），在熱點(diǎn)數(shù)據(jù)重新放入緩存之前，瞬間大量的請求繞過緩存，直接打到數(shù)據(jù)庫，數(shù)據(jù)庫隨時宕機(jī)！」

并發(fā)訪問熱點(diǎn)key：多個并發(fā)請求同時訪問相同的緩存鍵

緩存策略問題：設(shè)置了過于短的緩存過期時間，容易導(dǎo)致緩存頻繁失效。

「一般出現(xiàn)在秒殺中，秒殺都會提前預(yù)熱，設(shè)置key直到活動結(jié)束才會過期！」

2、解決方案

緩存預(yù)熱：系統(tǒng)啟動或緩存過期之前，預(yù)先加載常用數(shù)據(jù)到緩存中。
key永不過期或者使用期間內(nèi)不過期。
限制并發(fā)查詢：保證只有一個線程去查詢底層數(shù)據(jù)源，其他線程等待查詢結(jié)果。
接口限流、熔斷、降級。

3、具體方案

「緩存預(yù)熱：」

在項目啟動時，或者定時任務(wù)掃描進(jìn)行預(yù)熱！

「限制并發(fā)查詢：」

@Cacheable(value={"category"},key = "#root.methodName",sync = true)、

詳細(xì)解釋上面已經(jīng)說過了哈！

「接口限流、熔斷、降級」

可以引入：Sentinel來幫助我們更好的限流、熔斷、降級，這里就不詳細(xì)演示了！

四、緩存雪崩

1、產(chǎn)生原因

「緩存雪崩是指緩存中大量key到了過期時間，導(dǎo)致大量的請求直接打到數(shù)據(jù)庫上，數(shù)據(jù)庫隨時宕機(jī)！」

redis服務(wù)宕機(jī)：redis掛了，所有的key都無法訪問
批量設(shè)置大量key相同的過期時間

2、解決方案

redis搭建集群或者哨兵。
隨機(jī)設(shè)置緩存的失效時間（合理范圍內(nèi)的隨機(jī)時間），或者用不過期（不建議）。
限制并發(fā)查詢：保證只有一個線程去查詢底層數(shù)據(jù)源，其他線程等待查詢結(jié)果。
接口限流、熔斷、降級。
多級緩存

「這個多級緩存，能不加不加，加了就需要考慮一致性，增加很多復(fù)雜度！」

其實緩存擊穿和緩存雪崩是很相似的，解決方案，大家也可以看出來很多相同的！這就引出下一個經(jīng)常問到的問題：

3、具體解決方案

關(guān)于Redis的哨兵搭建可以看一下之前寫的文章，這里就不演示了！

關(guān)于多級緩存，可以引入本地緩存Caffeine。

4、補(bǔ)充

「緩存擊穿和緩存雪崩的區(qū)別?」

緩存擊穿是緩存中某個熱點(diǎn)key不存在了，緩存雪崩是緩存中大量或者所有key都不存在了

他倆的根本區(qū)別在于一個是單個key，一個是多個甚至全部key！

五、緩存污染

這里補(bǔ)充一下，關(guān)于緩存污染的吧！

1、產(chǎn)生原因

緩存污染指緩存中一些訪問次數(shù)很少的key，甚至只有一次！但是緩存中會存儲著，占用內(nèi)存空間。隨著時間越來越久，內(nèi)存很快被占滿，就需要開啟淘汰策略去額外處理這些多余的key，影響redis性能。

2、解決方案

對與key進(jìn)行監(jiān)控，不常用key不需要加入緩存。
分析出key訪問次數(shù)很少，設(shè)置過期時間短一些。
配置淘汰策略：LRU（最近最少使用）淘汰策略。

最主要還是要把不常用的key找到，后面不在加入緩存，從根本上解決！

還會出現(xiàn)在多個節(jié)點(diǎn)之間的數(shù)據(jù)同步出現(xiàn)數(shù)據(jù)不統(tǒng)一時產(chǎn)生，這個東西不好避免，因為Redis 是AP（可用性和分區(qū)容忍性），在多節(jié)點(diǎn)時，一半以上同步完成時，就認(rèn)為同步成功了！