一篇吃透Redis缓存穿透、雪崩、击穿问题

前言：在学Redis之前我们查询数据的时候都是直接查询数据库的，但是这样会有一个潜在的问题：“如果用户量很大，所有请求都去访问数据库，那么会使数据库压力过大，导致性能下降甚至宕机”。因此，我们需要把经常访问的数据放到缓存中，这里我们用Redis作为缓存。

但是，使用Redis作为缓存的过程中我们一般如下，如下图：我们查询某个数据，前端发送请求到后端，后端根据请求去查询数据，一开始先去Redis中查有无这个数据，如果有则直接返回，没有则去数据库中查找并且将查找到的结果返回，如果数据库中没有则返回错误信息。

那么，在使用Redis作为缓存的过程中我们避免不了会遇到以下几个常见的问题：①Redis与数据库的数据一致性问题。②缓存穿透。③缓存雪崩。④缓存击穿。

我们先来说①缓存与数据库的数据库一致性问题。

对于Redis作为缓存我们有以下用法：①只读缓存。②读写缓存。

只读缓存是指对于修改数据的时候，我们只对数据库进行修改，同时删除缓存，这样我们永远能保证数据库中有最新的数据，但是这样每次修改数据的时候，我们查找该数据的时候都需要查找一次数据库，因此性能会有所降低。

读写缓存是指我们修改数据的时候对缓存的数据也直接进行修改，那么又可以分为两种：①同步读写②异步读写。

同步读写是指修改数据的时候同时修改缓存和数据库，并且通过事务的特性保证二者数据一致性，但是由于缓存的速度远快于数据库的速度，因此性能还是会有一定的限制。

异步读写是指我们每次修改数据都是在缓存中修改，每隔一段时间将缓存中的数据导入数据库中，这样每次修改的时间只是修改缓存数据的时间，性能大大提高。但是这样会存在一个隐患：“当Redis突发情况宕机的时候，数据还没来得及导入数据库，那么这段时间还没保存进数据库的数据就会丢失”，因此一致性无法保证。

然后我们来说说②缓存穿透。由我们Redis作为缓存的流程图可以知道：我们每次查询数据的时候都是先查询缓存，查询不到再查数据库，如果数据库中也查询不到则返回错误信息。

那么，对于一个查询不到的数据，如果有心怀不轨的人，写一个程序，多线程并发的无限查询这个数据，那么我们每次都需要访问数据库，会导致数据库性能下降甚至宕机，这就是缓存穿透。

那么，我们如何来解决缓存穿透呢？这里我们说两种方法：

方法一：Redis缓存中存储空值。我们可以知道，缓存穿透是由于某些不存在的数据，每次查询，我们在缓存中都查找不到该数据，因此每次都需要去访问数据库。那么我们可以不可以对于这些数据也存入缓存中呢？这样我们每次查找这些数据，就只会第一次查找数据库，后面都是查找缓存了。那么有人会问了？“咦，不存在的数据怎么查找呢？”所以我们这边是将某个不存在的数据存储在缓存中，并且存储的值为空字符串（也可以是其他的，这里取决于你与前端兄弟的约定）。如下图：

因此，这样我们对于这些恶意数据，就只能“骚扰”我们的宝贝数据库一次了，便解决了缓存穿透的问题，那么还有一个疑问就是：如果将来这些数据有了，但是每次查询的时候缓存都直接返回空不是嘛？不会的，因为我们以后对于数据库插入数据的同时会对Redis缓存进行一个Set，这个Set数据的操作会直接覆盖原有不存在的数据，因此并不会出现这种问题。

方法二：布隆过滤器。大致就是在前端页面和缓存直接多了一个布隆过滤器

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。布隆过滤器可以告诉我们 “某样东西一定不存在或者可能存在”，也就是说布隆过滤器说这个数不存在则一定不存，布隆过滤器说这个数存在可能不存在。

③缓存雪崩，什么是缓存雪崩呢？缓存雪崩指的是在同一时间大量Redis缓存中存储的key过期或者Redis服务器直接宕机，并且大量的请求查询这些数据的时候，会导致大量请求一窝蜂的涌向数据库进行查询，导致数据库压力过大，性能下降甚至宕机。那么如何解决缓存雪崩呢？

对于情况一：大量key同时过期，这里说几种解决方法：

①设置缓存key过期时间可以随机设置，这样不会使得大量的key同一时间段内过期。

②服务降级：指的是对于一些非核心数据来说（比如查询一些无关紧要的数据时）我们可以预先设置一些值，当无法访问缓存的时候，这些数据不会直接查询数据库，而是返回预先设置的值，比如一些错误信息。

对于情况二：Redis服务器直接宕机，这里说几种解决方法：

①搭建Redis服务集群：尝试构建 Redis 的高可用集群，比如当某主节点挂掉了，集群能够马上重新选出新的主节点。

②业务中实现服务熔断或者请求限流机制：

• 服务熔断：如果监听到发生了缓存雪崩，直接暂停对缓存服务的请求，但是这种对业务的影响比较大；

• 服务限流：可以在入口做限流，不要让所有的请求都流入到后端的服务中；

④缓存击穿：缓存雪崩指的是大量数据无法从Redis查询到，而同时去查询数据库导致，缓存击穿则是某些热点key，比如双十一抢苹果手机，如果突然间Redis缓存对于这个数据过期了，那么这一瞬间大量抢苹果手机的请求都会去访问数据库，导致数据库性能下降甚至宕机这里我们讲两种解决方法：①Redis互斥锁。②缓存数据逻辑过期。

方法一：Redis互斥锁。以上我们知道：对于某个热点key失效的时候，由于大量查询该数据的请求在缓存中查找不到，因此同时查找数据库导致。那么我们只需要对于每个数据设置一个互斥锁，当在访问不到缓存的时候，只有一个线程能够去访问数据库，其他线程等待，

• 这样就解决了以上的问题。

但是这样会导致一个问题：那就是由于其他线程都要等待，会导致性能下降，要等那个拿到互斥锁的线程查询完数据库，并且返回数据到缓存中才能查到数据。

方法二：缓存的数据逻辑过期。我们知道，缓存击穿是由于热点key过期导致去查询数据库，那么我们可以这样想：如果这些热点key只是逻辑过期（逻辑过期指虽然过期了，但是还是在缓存里面不会删除，但是程序会知道是已过期的数据，会访问一次数据库进行更新），那么不就解决了吗？因此逻辑过期的解决思路是：对于这些热点key，先查询缓存，如果没过期则直接返回，如果过期了则开一个新的线程

去查询数据库，而查询数据库过程中访问缓存的请求直接返回旧数据即可。

但是逻辑过期由于要多一个线程，因此有一定的内存消耗，并且更新过程中访问的请求都是收到旧的数据，因此一致性有一定的下降。

以上是使用Redis缓存过程中的一些常见问题，后续会慢慢补充。

以上就是一篇吃透Redis缓存穿透、雪崩、击穿问题的详细内容，更多关于Redis缓存穿透、雪崩、击穿的资料请关注脚本之家其它相关文章！

最新评论