redis|Redis——缓存雪崩、缓存击穿、缓存穿透 redis|数据库|缓存

关于Redis——缓存雪崩、缓存击穿、缓存穿透缓存雪崩缓存雪崩是指大量的请求无法在缓存中处理，从而将请求转移到数据库中，导致数据压力倍增。一个Redis实例可以支持万级别的并发请求，而单个数据库只能支持千级别的并发请求。两者处理请求并发能力相差十倍，数据库会由于压力过大而导致雪崩。
原因一：缓存中大量的数据同时过期
一般设置缓存数据会设置缓存时间，在某一时刻，大量的缓存同时过期，此时如果有请求访问这些数据的话，缓存不存在，会将请求转移到数据库，如果这些的请求量比较大的，导致数据库的压力增大，严重会导致数据库崩溃。

文章图片

针对大量缓存同时失效带来的雪崩，有两种解决方案。
方案一：过期时间设置随机值
应该避免给数据设置相同的过期时间，在设置过期时间时，增加一点随机值。

setRedis(key, value, time + Math.random() * 10000);

方案二: 服务降级

文章图片

服务降低，比如使用hystrix，是指发生雪崩时，针对不同的数据采取不同的处理方式。

请求数据是非核心数据（比如商品属性），暂时停止从缓存查询数据，直接返回预定信息、空值或者错误值。
请求数据是核心数据（比如商品库存、价格），仍然查询缓存，如果缓存缺失，继续在数据库读取。

原因二： redis 服务挂了
redis服务发生宕机，无法处理请求，这就会导致全部转移到数据库去，发生雪崩。
方案一：添加服务熔断
服务熔断，就是发生雪崩时，暂停对缓存的访问。等redis服务恢复正常后，再允许访问缓存。
对redis所在的服务器进行指标监控，比如QPS、CPU使用率、内存使用率等，如果发现redis服务宕机，而数据库请求压力倍增，此时可以启动熔断机制，暂停对缓存和数据库的访问，比如使用Hystrix服务熔断。
但是暂停对缓存系统的访问，但是对整个业务系统影响很大，导致很多数据不能查看。为了减少这种影响还有另一个方案：请求限流。
方案二：请求限流
请求限流，就是限制前端请求每秒请求量，使得数据库能承受前端全部请求。
比如前端允许每秒访问1000次，其中900请求缓存，100次才请求数据库。
一旦发生雪崩，数据库每秒请求激增到1000次，此时启动请求限流，在前端入口只允许每秒请求100次，过多的请求直接拒绝。

文章图片

无论使用服务熔断或请求限流都是是发生雪崩后处理，这里还有事先预防的方案。
通过主从节点的方式构建redis集群，如果redis主节点宕机，从节点可以切换成主节点。
缓存击穿缓存击穿是指，针对某个访问缓存非常频繁，无法在缓存中处理，访问该数据的请求一下子都请求数据库，导致数据库压力倍增。

文章图片

方案一：不设置过期时间
对于访问特别频繁的热点数据，就不设置过期时间
方案二：使用互斥锁如果缓存失效，只有拿到锁才能访问数据库，降低数据库并发访问。

缓存雪崩和缓存击穿的差别在于雪崩是大量的缓存，击穿是单一的缓存。

缓存穿透缓存穿透是指访问的数据既不在redis缓存中，也不在数据库中，因为数据库也不存在数据，也无法将数据库数据写入缓存中，每次请求都要请求缓存和服务器。不过这样也导致系统性能下降。
缓存穿透会发生如下两种情况：

误操作，删除了缓存和数据的数据。
恶意攻击：专门访问数据库中不存在的数据。

文章图片

方案一：缓存空值或缺省值
【redis|Redis——缓存雪崩、缓存击穿、缓存穿透】发生缓存穿透，在redis中缓存一个空值或者实现预选设置好的值（比如0），后续请求查询直接在redis中读取空值或者缺省值。
方案二：使用布隆过滤器

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。当数据写入数据库时，布隆过滤器会通过三个操作完成标记：
- 使用N个hash函数，分别计算这个数据的hash值，得到N个hash值。
- 把这N个hash值对bit数组的长度取模，得到每个hash值在数组中对位置。
- 把对应位置设置为1。如果数据不存在，那么就没用使用布隆过滤器标记过数据，那么，bit数组对应的bit位为零。只要bit数组有一个不为1，就表明布隆过滤器就没标记过该数据。
- 把数据写入数据库时，使用布隆过滤器做标记
- 当缓存消失后，在去数据库查询之前，通过查询布隆过滤器判断数据是否存在，如果不存在，就不查询数据库。
  还有在请求入库添加检测，把恶意请求（参数不合理、参数非法、参数不存在或者id小于0）直接过滤掉。

总结缓存雪崩和缓存击穿主要是数据不在缓存上，而缓存穿透是数据既不在缓存上，也不在数据上。