前言

Redis緩存異常問(wèn)題分別是：1.緩存雪崩。2.緩存預(yù)熱。3.緩存穿透。4.緩存降級(jí)。5.緩存擊穿，以及對(duì)應(yīng)Redis緩存異常問(wèn)題解決方案。

1.緩存雪崩

1.1、什么是緩存雪崩

如果緩存集中在一段時(shí)間內(nèi)失效，發(fā)生大量的緩存穿透，所有的查詢都落在數(shù)據(jù)庫(kù)上，造成了緩存雪崩由于原有緩存失效，新緩存未到期間所有原本應(yīng)該訪問(wèn)緩存的請(qǐng)求都去查詢數(shù)據(jù)庫(kù)了，而對(duì)數(shù)據(jù)庫(kù)CPU和內(nèi)存造成巨大壓力，嚴(yán)重的會(huì)造成數(shù)據(jù)庫(kù)宕機(jī)。

舉例來(lái)說(shuō)， 我們?cè)跍?zhǔn)備一項(xiàng)搶購(gòu)的促銷運(yùn)營(yíng)活動(dòng)，活動(dòng)期間將帶來(lái)大量的商品信息、庫(kù)存等相關(guān)信息的查詢。

為了避免商品數(shù)據(jù)庫(kù)的壓力，將商品數(shù)據(jù)放入緩存中存儲(chǔ)。不巧的是，搶購(gòu)活動(dòng)期間，大量的熱門商品緩存同時(shí)失

效過(guò)期了，導(dǎo)致很大的查詢流量落到了數(shù)據(jù)庫(kù)之上，對(duì)于數(shù)據(jù)庫(kù)來(lái)說(shuō)造成很大的壓力。

1.2、解決方案

1、加鎖排隊(duì)

mutex互斥鎖解決，Redis的SETNX去set一個(gè)mutex key，當(dāng)操作返回成功時(shí)，再進(jìn)行加載數(shù)據(jù)庫(kù)的操作并回設(shè)緩存，否則，就重試整個(gè)get緩存的方法。

2、數(shù)據(jù)預(yù)熱

緩存預(yù)熱就是系統(tǒng)上線后，將相關(guān)的緩存數(shù)據(jù)直接加載到緩存系統(tǒng)。這樣就可以避免在用戶請(qǐng)求的時(shí)候，先查詢數(shù)據(jù)庫(kù)，然后再將數(shù)據(jù)緩存的問(wèn)題。用戶直接查詢事先被預(yù)熱的緩存數(shù)據(jù)?？梢酝ㄟ^(guò)緩存reload機(jī)制，預(yù)先去更新緩存，再即將發(fā)生大并發(fā)訪問(wèn)前手動(dòng)觸發(fā)加載緩存不同的key。

3、雙層緩存策略

C1為原始緩存，C2為拷貝緩存，C1失效時(shí)，可以訪問(wèn)C2，C1緩存失效時(shí)間設(shè)置為短期，C2設(shè)置為長(zhǎng)期。

4、定時(shí)更新緩存策略

實(shí)效性要求不高的緩存，容器啟動(dòng)初始化加載，采用定時(shí)任務(wù)更新或移除緩存。

5、設(shè)置不同的過(guò)期時(shí)間。

讓緩存失效的時(shí)間點(diǎn)盡量均勻。

2.緩存預(yù)熱

2.1、什么是緩存預(yù)熱

緩存預(yù)熱就是系統(tǒng)上線后，將相關(guān)的緩存數(shù)據(jù)直接加載到緩存系統(tǒng)。這樣就可以避免在用戶請(qǐng)求的時(shí)候，先查詢數(shù)據(jù)庫(kù)，然后再將數(shù)據(jù)緩存的問(wèn)題。用戶直接查詢事先被預(yù)熱的緩存數(shù)據(jù)。

如圖所示：

如果不進(jìn)行預(yù)熱， 那么 Redis 初識(shí)狀態(tài)數(shù)據(jù)為空，系統(tǒng)上線初期，對(duì)于高并發(fā)的流量，都會(huì)訪問(wèn)到數(shù)據(jù)庫(kù)中， 對(duì)數(shù)據(jù)庫(kù)造成流量的壓力。

2.2、解決方案

• 數(shù)據(jù)量不大的時(shí)候，工程啟動(dòng)的時(shí)候進(jìn)行加載緩存動(dòng)作；

• 數(shù)據(jù)量大的時(shí)候，設(shè)置一個(gè)定時(shí)任務(wù)腳本，進(jìn)行緩存的刷新；

• 數(shù)據(jù)量太大的時(shí)候，優(yōu)先保證熱點(diǎn)數(shù)據(jù)進(jìn)行提前加載到緩存。

3.緩存穿透

3.1、什么是緩存穿透

緩存穿透是指用戶查詢數(shù)據(jù)，在數(shù)據(jù)庫(kù)沒有，自然在緩存中也不會(huì)有。這樣就導(dǎo)致用戶查詢的時(shí)候，在緩存中找不到對(duì)應(yīng)key的value，每次都要去數(shù)據(jù)庫(kù)再查詢一遍，然后返回空（相當(dāng)于進(jìn)行了兩次無(wú)用的查詢）。這樣請(qǐng)求就繞過(guò)緩存直接查數(shù)據(jù)庫(kù)。

3.2、解決方案

1、緩存空對(duì)象

簡(jiǎn)單粗暴的方法，如果一個(gè)查詢返回的數(shù)據(jù)為空（不管是數(shù)據(jù)不存在，還是系統(tǒng)故障），我們?nèi)匀?strong>把這個(gè)空結(jié)果進(jìn)行緩存，但它的過(guò)期時(shí)間會(huì)很短，最長(zhǎng)不超過(guò)五分鐘。

2、布隆過(guò)濾器

優(yōu)勢(shì)：占用內(nèi)存空間很小，位存儲(chǔ)；性能特別高，使用key的hash判斷key存不存在。

將所有可能存在的數(shù)據(jù)哈希到一個(gè)足夠大的bitmap中，一個(gè)一定不存在的數(shù)據(jù)會(huì)被這個(gè)bitmap攔截掉，從而避免了對(duì)底層存儲(chǔ)系統(tǒng)的查詢壓力。

4.緩存降級(jí)

降級(jí)的情況，就是緩存失效或者緩存服務(wù)掛掉的情況下，我們也不去訪問(wèn)數(shù)據(jù)庫(kù)。

我們直接訪問(wèn)內(nèi)存部分?jǐn)?shù)據(jù)緩存或者直接返回默認(rèn)數(shù)據(jù)。

舉例來(lái)說(shuō)：

對(duì)于應(yīng)用的首頁(yè)，一般是訪問(wèn)量非常大的地方，首頁(yè)里面往往包含了部分推薦商品的展示信息。這些推薦商品都會(huì)放到緩存中進(jìn)行存儲(chǔ)，同時(shí)我們?yōu)榱吮苊饩彺娴漠惓Ｇ闆r，對(duì)熱點(diǎn)商品數(shù)據(jù)也存儲(chǔ)到了內(nèi)存中。同時(shí)內(nèi)存中還保留了一些默認(rèn)的商品信息。

降級(jí)一般是有損的操作，所以盡量減少降級(jí)對(duì)于業(yè)務(wù)的影響程度。

5.緩存擊穿

5.1、什么是緩存擊穿

緩存擊穿是指緩存中沒有但數(shù)據(jù)庫(kù)中有的數(shù)據(jù)（一般是緩存時(shí)間到期），這時(shí)由于并發(fā)用戶特別多，同時(shí)讀緩存沒

讀到數(shù)據(jù)，又同時(shí)去數(shù)據(jù)庫(kù)去取數(shù)據(jù)，引起數(shù)據(jù)庫(kù)壓力瞬間增大，造成過(guò)大壓力。

5.2、會(huì)帶來(lái)什么問(wèn)題

會(huì)造成某一時(shí)刻數(shù)據(jù)庫(kù)請(qǐng)求量過(guò)大，壓力劇增。

5.3、解決方案

5.3.1.使用互斥鎖(mutex key)

這種解決方案思路比較簡(jiǎn)單，就是只讓一個(gè)線程構(gòu)建緩存，其他線程等待構(gòu)建緩存的線程執(zhí)行完，重新從緩存獲取數(shù)據(jù)就可以了。

如果是單機(jī)，可以用synchronized或者lock來(lái)處理；

如果是分布式環(huán)境可以用分布式鎖就可以了（分布式鎖，可以用memcache的add, redis的setnx, zookeeper的添加節(jié)點(diǎn)操作）。

5.3.2.永遠(yuǎn)不過(guò)期

• 從redis上看，確實(shí)沒有設(shè)置過(guò)期時(shí)間，這就保證了，不會(huì)出現(xiàn)熱點(diǎn)key過(guò)期問(wèn)題，也就是“物理”不過(guò)期。

• 從功能上看，如果不過(guò)期，那不就成靜態(tài)的了嗎？所以我們把過(guò)期時(shí)間存在key對(duì)應(yīng)的value里，如果發(fā)現(xiàn)要過(guò)期了，通過(guò)一個(gè)后臺(tái)的異步線程進(jìn)行緩存的構(gòu)建，也就是“邏輯”過(guò)期。

5.3.3.緩存屏障

該方法類似于方法一：

使用countDownLatch和atomicInteger.compareAndSet()方法，實(shí)現(xiàn)輕量級(jí)鎖。

 public class MyCache{
 ?
     private ConcurrentHashMap<String, String> map;
 ?
     private CountDownLatch countDownLatch;
 ?
     private AtomicInteger atomicInteger;
 ?
     public MyCache(ConcurrentHashMap<String, String> map, CountDownLatch countDownLatch,
                    AtomicInteger atomicInteger) {
         this.map = map;
         this.countDownLatch = countDownLatch;
         this.atomicInteger = atomicInteger;
     }
 ?
     public String get(String key){
 ?
         String value = map.get(key);
         if (value != null){
             System.out.println(Thread.currentThread().getName()+"\t 線程獲取value值 value="+value);
             return value;
         }
         // 如果沒獲取到值
         // 首先嘗試獲取token，然后去查詢db，初始化化緩存；
         // 如果沒有獲取到token，超時(shí)等待
         if (atomicInteger.compareAndSet(0,1)){
             System.out.println(Thread.currentThread().getName()+"\t 線程獲取token");
             return null;
         }
 ?
         // 其他線程超時(shí)等待
         try {
             System.out.println(Thread.currentThread().getName()+"\t 線程沒有獲取token，等待中。。。");
             countDownLatch.await();
         } catch (InterruptedException e) {
             e.printStackTrace();
         }
         // 初始化緩存成功，等待線程被喚醒
         // 等待線程等待超時(shí)，自動(dòng)喚醒
         System.out.println(Thread.currentThread().getName()+"\t 線程被喚醒，獲取value ="+map.get("key"));
         return map.get(key);
     }
 ?
     public void put(String key, String value){
 ?
         try {
             Thread.sleep(2000);
         } catch (InterruptedException e) {
             e.printStackTrace();
         }
 ?
         map.put(key, value);
 ?
         // 更新狀態(tài)
         atomicInteger.compareAndSet(1, 2);
 ?
         // 通知其他線程
         countDownLatch.countDown();
         System.out.println();
         System.out.println(Thread.currentThread().getName()+"\t 線程初始化緩存成功！value ="+map.get("key"));
     }
 ?
 }
 ?
 public  class MyThread implements Runnable{
 ?
     private MyCache myCache;
 ?
     public MyThread(MyCache myCache) {
         this.myCache = myCache;
     }
 ?
     @Override
     public void run() {
         String value = myCache.get("key");
         if (value == null){
             myCache.put("key","value");
         }
 ?
     }
 }
 ?
 public class CountDownLatchDemo {
     public static void main(String[] args) {
 ?
         MyCache myCache = new MyCache(new ConcurrentHashMap<>(), new CountDownLatch(1), new AtomicInteger(0));
 ?
         MyThread myThread = new MyThread(myCache);
 ?
         ExecutorService executorService = Executors.newFixedThreadPool(5);
         for (int i = 0; i < 5; i++) {
             executorService.execute(myThread);
         }
     }
 }

到此這篇關(guān)于Redis緩存異常常用解決方案總結(jié)的文章就介紹到這了,更多相關(guān)Redis緩存異常內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！