分布式技术带你分析认识缓存穿透/雪崩/击穿

大鹏一日同风起，扶摇直上九万里。这篇文章主要讲述分布式技术带你分析认识缓存穿透/雪崩/击穿相关的知识，希望能为你提供帮助。
使用场景加速请求响应缓存更新策略

LRU(Least Recently Used)，根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高，则延迟其淘汰时间” - LRU缓存更新
LFU(Least Frequently Used)根据数据的历史访问频率来淘汰数据，其核心思想是“如果数据过去被访问多次，那么将来被访问的频率也更高”- LFU缓存更新
FIFO ，根据" 先进先出" 思想来更新缓存数据
超时剔除 - expire
- 主动更新 - 开发控制生命周期
- 扩展：缓存污染 - 缓存污染降低了缓存的使用率，把不常用的数据读取到缓存，同时会把常用的数据移出缓存，这样会直接降低系统的数据命中率

缓存穿透问题场景【key不存在，高并发查询数据库】

文章图片

解决方法
分布式队列及分布式锁缓存空对象：如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），仍然把这个空结果进行缓存，但它的过期时间会很短，不超过5分钟。通过这个直接设置的默认值存放到缓存，这样第二次到缓存中获取就有值了，而不会继续访问数据库。当修改或者新增改key的数据信息的时候，需要删除或者更新null缓存值**
存在的问题：

需要更多的键，所以通常设置较短过期时间
缓存层和存储层数据" 短期" 不一致

文章图片

借用图：高可用架构
布隆过滤器：对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力。例如Redis可以使用bitMap来实现布隆过滤器。

文章图片

借用图：高可用架构
缓存击穿问题【单个热点key失效时，高并发查询数据库】
解决方法
使用分布式锁使用本地缓存（双级缓存）热点不过期**到期前的续命缓存雪崩问题场景【多个key同时失效，高并发查询数据库】
解决方案

对不用的数据使用随机动态分布的失效时间
使用集群化分摊部署我们key
使用二级缓存
使用分布式锁
【分布式技术带你分析认识缓存穿透/雪崩/击穿】数据预热：可以通过缓存reload机制，预先去更新缓存，再即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀
依赖隔离组件为后端限流并降级在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。