一文解析：Redis缓存穿透、缓存雪崩、Redis并发问题

矫情吗；* 2022-02-03 14:13 308阅读 0赞

JavaSpring高级进阶 2019-05-07 20:00:00

![一文解析：Redis缓存穿透、缓存雪崩、Redis并发问题][Redis_Redis]

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：

# **(一)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。

![一文解析：Redis缓存穿透、缓存雪崩、Redis并发问题][Redis_Redis 1]

# **(二)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。**

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);
    }

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：

<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

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：

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 */
    }

我们可调用BloomFilter的这个方法显式的指定误判率：

![一文解析：Redis缓存穿透、缓存雪崩、Redis并发问题][Redis_Redis 2]

private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), capacity,0.01);

我们断点跟踪下，误判率为0.02和默认的0.03时候的区别:

![一文解析：Redis缓存穿透、缓存雪崩、Redis并发问题][Redis_Redis 3]

![一文解析：Redis缓存穿透、缓存雪崩、Redis并发问题][Redis_Redis 4]

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：

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);
    }

# (三)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;**

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);
    }

# **(四)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。

> **点个赞关注支持下呗**

[Redis_Redis]: http://p1.pstatp.com/large/pgc-image/620fa2eda10f45bd873fbe6abf5dd3fa
[Redis_Redis 1]: /images/20220203/7b07a56b51eb4d14aea899e91bb39c52.png
[Redis_Redis 2]: http://p1.pstatp.com/large/pgc-image/8e94cde6b2d34ab697e002b44b5a925b
[Redis_Redis 3]: http://p1.pstatp.com/large/pgc-image/a9e92550d3834961a11de4408d2d0ffb
[Redis_Redis 4]: /images/20220203/edecb854824f49afbabe8aa44a91ac60.png