Redis缓存穿透、缓存雪崩、并发问题分析与解决方案

以你之姓@ 2022-01-15 21:13 248阅读 0赞

转自： [https://blog.csdn.net/javajiagou/article/details/91491555][https_blog.csdn.net_javajiagou_article_details_91491555]

[把redis作为缓存使用已经是司空见惯，但是使用redis后也可能会碰到一系列的问题，尤其是数据量很大的时候，经典的几个问题如下：][https_blog.csdn.net_javajiagou_article_details_91491555]

[1、缓存和数据库间数据一致性问题  
分布式环境下（单机就不用说了）非常容易出现缓存和数据库间的数据一致性问题，针对这一点的话，只能说，如果你的项目对缓存的要求是强一致性的，那么请不要使用缓存。我们只能采取合适的策略来降低缓存和数据库间数据不一致的概率，而无法保证两者间的强一致性。合适的策略包括 合适的缓存更新策略，更新数据库后要及时更新缓存、缓存失败时增加重试机制，例如MQ模式的消息队列。][https_blog.csdn.net_javajiagou_article_details_91491555]

[2、缓存击穿问题  
缓存击穿表示恶意用户模拟请求很多缓存中不存在的数据，由于缓存中都没有，导致这些请求短时间内直接落在了数据库上，导致数据库异常。这个我们在实际项目就遇到了，有些抢购活动、秒杀活动的接口API被大量的恶意用户刷，导致短时间内数据库宕机了，好在数据库是多主多从的，hold住了。  
解决方案的话：  
1、使用互斥锁排队  
业界比价普遍的一种做法，即根据key获取value值为空时，锁上，从数据库中load数据后再释放锁。若其它线程获取锁失败，则等待一段时间后重试。这里要注意，分布式环境中要使用分布式锁，单机的话用普通的锁（synchronized、Lock）就够了。][https_blog.csdn.net_javajiagou_article_details_91491555]

[public String getWithLock(String key, Jedis jedis, String lockKey, String uniqueId, long expireTime) \{  
 // 通过key获取value  
 String value = redisService.get(key);  
 if (StringUtil.isEmpty(value)) \{  
 // 分布式锁，详细可以参考https://blog.csdn.net/fanrenxiang/article/details/79803037  
 //封装的tryDistributedLock包括setnx和expire两个功能，在低版本的redis中不支持  
 try \{  
 boolean locked = redisService.tryDistributedLock(jedis, lockKey, uniqueId, expireTime);  
 if (locked) \{  
 value = userService.getById(key);  
 redisService.set(key, value);  
 redisService.del(lockKey);  
 return value;  
 \} else \{  
 // 其它线程进来了没获取到锁便等待50ms后重试  
 Thread.sleep(50);  
 getWithLock(key, jedis, lockKey, uniqueId, expireTime);  
 \}  
 \} catch (Exception e) \{  
 log.error("getWithLock exception=" + e);  
 return value;  
 \} finally \{  
 redisService.releaseDistributedLock(jedis, lockKey, uniqueId);  
 \}  
 \}  
 return value;  
\}][https_blog.csdn.net_javajiagou_article_details_91491555]

[这样做思路比较清晰，也从一定程度上减轻数据库压力，但是锁机制使得逻辑的复杂度增加，吞吐量也降低了，有点治标不治本。  
2、布隆过滤器（推荐）  
bloomfilter就类似于一个hash set，用于快速判某个元素是否存在于集合中，其典型的应用场景就是快速判断一个key是否存在于某容器，不存在就直接返回。布隆过滤器的关键就在于hash算法和容器大小，下面先来简单的实现下看看效果，我这里用guava实现的布隆过滤器：][https_blog.csdn.net_javajiagou_article_details_91491555]

[<dependencies>   
 <dependency>   
 <groupId>com.google.guava</groupId>   
 <artifactId>guava</artifactId>   
 <version>23.0</version>   
 </dependency>   
</dependencies>   
public class BloomFilterTest \{  
   
 private static final int capacity = 1000000;  
 private static final int key = 999998;  
   
 private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), capacity);  
   
 static \{  
 for (int i = 0; i < capacity; i++) \{  
 bloomFilter.put(i);  
 \}  
 \}  
   
 public static void main(String\[\] args) \{  
 /\*返回计算机最精确的时间，单位微妙\*/  
 long start = System.nanoTime();  
   
 if (bloomFilter.mightContain(key)) \{  
 System.out.println("成功过滤到" + key);  
 \}  
 long end = System.nanoTime();  
 System.out.println("布隆过滤器消耗时间:" + (end - start));  
 int sum = 0;  
 for (int i = capacity + 20000; i < capacity + 30000; i++) \{  
 if (bloomFilter.mightContain(i)) \{  
 sum = sum + 1;  
 \}  
 \}  
 System.out.println("错判率为:" + sum);  
 \}  
\}  
成功过滤到999998  
布隆过滤器消耗时间:215518  
错判率为:318][https_blog.csdn.net_javajiagou_article_details_91491555]

[可以看到，100w个数据中只消耗了约0.2毫秒就匹配到了key，速度足够快。然后模拟了1w个不存在于布隆过滤器中的key，匹配错误率为318/10000，也就是说，出错率大概为3%，跟踪下BloomFilter的源码发现默认的容错率就是0.03：][https_blog.csdn.net_javajiagou_article_details_91491555]

[public static <T> BloomFilter<T> create(Funnel<T> funnel, int expectedInsertions /\* n \*/) \{  
 return create(funnel, expectedInsertions, 0.03); // FYI, for 3%, we always get 5 hash functions  
\}][https_blog.csdn.net_javajiagou_article_details_91491555]

[我们可调用BloomFilter的这个方法显式的指定误判率：][https_blog.csdn.net_javajiagou_article_details_91491555]

[private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), capacity,0.01);][https_blog.csdn.net_javajiagou_article_details_91491555]

[对比两个出错率可以发现，误判率为0.02时数组大小为8142363，0.03时为7298440，误判率降低了0.01，BloomFilter维护的数组大小也减少了843923，可见BloomFilter默认的误判率0.03是设计者权衡系统性能后得出的值。要注意的是，布隆过滤器不支持删除操作。用在这边解决缓存穿透问题就是：][https_blog.csdn.net_javajiagou_article_details_91491555]

[public String getByKey(String key) \{  
 // 通过key获取value  
 String value = redisService.get(key);  
 if (StringUtil.isEmpty(value)) \{  
 if (bloomFilter.mightContain(key)) \{  
 value = userService.getById(key);  
 redisService.set(key, value);  
 return value;  
 \} else \{  
 return null;  
 \}  
 \}  
 return value;  
\}][https_blog.csdn.net_javajiagou_article_details_91491555]

[3、缓存雪崩问题  
缓存在同一时间内大量键过期（失效），接着来的一大波请求瞬间都落在了数据库中导致连接异常。解决方案：1、也是像解决缓存穿透一样加锁排队，实现同上;2、建立备份缓存，缓存A和缓存B，A设置超时时间，B不设值超时时间，先从A读缓存，A没有读B，并且更新A缓存和B缓存;][https_blog.csdn.net_javajiagou_article_details_91491555]

[public String getByKey(String keyA,String keyB) \{  
 String value = redisService.get(keyA);  
 if (StringUtil.isEmpty(value)) \{  
 value = redisService.get(keyB);  
 String newValue = getFromDbById();  
 redisService.set(keyA,newValue,31, TimeUnit.DAYS);  
 redisService.set(keyB,newValue);  
 \}  
 return value;  
\}][https_blog.csdn.net_javajiagou_article_details_91491555]

[4、缓存并发问题  
这里的并发指的是多个redis的client同时set key引起的并发问题。比较有效的解决方案就是把redis.set操作放在队列中使其串行化，必须的一个一个执行，具体的代码就不上了，当然加锁也是可以的，至于为什么不用redis中的事务，留给各位看官自己思考探究。欢迎工作一到五年的Java工程师朋友们加入Java架构开发：878249276,群内提供免费的Java架构学习资料（里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring源码，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点的架构资料）合理利用自己每一分每一秒的时间来学习提升自己，不要再用"没有时间“来掩饰自己思想上的懒惰！趁年轻，使劲拼，给未来的自己一个交代！][https_blog.csdn.net_javajiagou_article_details_91491555]

[\---------------------   
作者：javajiagou   
来源：CSDN   
原文：https://blog.csdn.net/javajiagou/article/details/91491555   
版权声明：本文为博主原创文章，转载请附上博文链接！][https_blog.csdn.net_javajiagou_article_details_91491555]

[https_blog.csdn.net_javajiagou_article_details_91491555]: https://blog.csdn.net/javajiagou/article/details/91491555