淺談Redis 緩存的三大問題及其解決方案
Redis 經常用於系統中的緩存,這樣可以解決目前 IO 設備無法滿足互聯網應用海量的讀寫請求的問題。
一、緩存穿透
緩存穿透是指緩存和數據庫中都沒有的數據,而用戶不斷發起請求,如發起 id 為-1 的數據或者特別大的不存在的數據。有可能是黑客利用漏洞攻擊從而去壓垮應用的數據庫。
1. 常見解決方案
對於緩存穿透問題,常見的解決方案有以下三種:
- 驗證攔截:接口層進行校驗,如鑒定用戶權限,對 ID 之類的字段做基礎的校驗,如 id<=0 的字段直接攔截;
- 緩存空數據:當數據庫查詢到的數據為空時,也將這條數據進行緩存,但緩存的有效性設置得要較短,以免影響正常數據的緩存;
Copypublic Student getStudentsByID(Long id) { // 從Redis中獲取學生信息 Student student = redisTemplate.opsForValue() .get(String.valueOf(id)); if (student != null) { return student; } // 從數據庫查詢學生信息,並存入Redis student = studentDao.selectByStudentId(id); if (student != null) { redisTemplate.opsForValue() .set(String.valueOf(id), student, 60, TimeUnit.MINUTES); } else { // 即使不存在,也將其存入緩存中 redisTemplate.opsForValue() .set(String.valueOf(id), null, 60, TimeUnit.SECONDS); } return student; }
使用佈隆過濾器:佈隆過濾器是一種比較獨特數據結構,有一定的誤差。當它指定一個數據存在時,它不一定存在,但是當它指定一個數據不存在時,那麼它一定是不存在的。
2. 佈隆過濾器
佈隆過濾器是一種比較特殊的數據結構,有點類似與 HashMap,在業務中我們可能會通過使用 HashMap 來判斷一個值是否存在,它可以在 O(1)時間復雜度內返回結果,效率極高,但是受限於存儲容量,如果可能需要去判斷的值超過億級別,那麼 HashMap 所占的內存就很可觀瞭。
而 BloomFilter 解決這個問題的方案很簡單。首先用多個 bit 位去代替 HashMap 中的數組,這樣的話儲存空間就下來瞭,之後就是對 Key 進行多次哈希,將 Key 哈希後的值所對應的 bit 位置為 1。
當判斷一個元素是否存在時,就去判斷這個值哈希出來的比特位是否都為 1,如果都為 1,那麼可能存在,也可能不存在(如下圖 F)。但是如果有一個 bit 位不為 1,那麼這個 Key 就肯定不存在。
註意:BloomFilter 並不支持刪除操作,隻支持添加操作。這一點很容易理解,因為你如果要刪除數據,就得將對應的 bit 位置為 0,但是你這個 Key 對應的 bit 位可能其他的 Key 也對應著。
3. 緩存空數據與佈隆過濾器的比較
上面對這兩種方案都進行瞭簡單的介紹,緩存空數據與佈隆過濾器都能有效解決緩存穿透問題,但使用場景有著些許不同;
- 當一些惡意攻擊查詢查詢的 key 各不相同,而且數量巨多,此時緩存空數據不是一個好的解決方案。因為它需要存儲所有的 Key,內存空間占用高。並且在這種情況下,很多 key 可能隻用一次,所以存儲下來沒有意義。所以對於這種情況而言,使用佈隆過濾器是個不錯的選擇;
- 而對與空數據的 Key 數量有限、Key 重復請求效率較高的場景而言,可以選擇緩存空數據的方案。
二、緩存擊穿
緩存擊穿是指當前熱點數據存儲到期時,多個線程同時並發訪問熱點數據。因為緩存剛過期,所有並發請求都會到數據庫中查詢數據。
解決方案
- 將熱點數據設置為永不過期;
- 加互斥鎖:互斥鎖可以控制查詢數據庫的線程訪問,但這種方案會導致系統的吞吐量下降,需要根據實際情況使用。
Copypublic String get(key) { String value = redis.get(key); if (value == null) { // 代表緩存值過期 // 設置3min的超時,防止del操作失敗的時候,下次緩存過期一直不能 load db if (redis.setnx(key_mutex, 1, 3 * 60) == 1) { // 代表設置成功 value = db.get(key); redis.set(key, value, expire_secs); redis.del(key_mutex); } else { // 這個時候代表同時候的其他線程已經load db並回設到緩存瞭,這時候重試獲取緩存值即可 sleep(50); get(key); // 重試 } } else { return value; } }
三、緩存雪崩
緩存雪崩發生有幾種情況,比如大量緩存集中在或者緩存同時在大范圍中失效,出現瞭大量請求去訪問數據庫,從而導致 CPU 和內存過載,甚至停機。
一個簡單的雪崩過程:
- Redis 集群產生瞭大面積故障;
- 緩存失敗,此時仍有大量請求去訪問 Redis 緩存服務器;
- 在大量 Redis 請求失敗後,這些請求將會去訪問數據庫;
- 由於應用的設計依賴於數據庫和 Redis 服務,很快就會造成服務器集群的雪崩,最終導致整個系統的癱瘓。
解決方案
- 【事前】高可用緩存:高可用緩存是防止出現整個緩存故障。即使個別節點,機器甚至機房都關閉,系統仍然可以提供服務,Redis 哨兵(Sentinel) 和 Redis 集群(Cluster) 都可以做到高可用;
- 【事中】緩存降級(臨時支持):當訪問次數急劇增加導致服務出現問題時,我們如何確保服務仍然可用。在國內使用比較多的是 Hystrix,它通過熔斷、降級、限流三個手段來降低雪崩發生後的損失。隻要確保數據庫不死,系統總可以響應請求,每年的春節 12306 我們不都是這麼過來的嗎?隻要還可以響應起碼還有搶到票的機會;
- 【事後】Redis 備份和快速預熱:Redis 數據備份和恢復、快速緩存預熱。
到此這篇關於淺談Redis 緩存的三大問題及其解決方案的文章就介紹到這瞭,更多相關Redis 緩存問題內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- redis深入淺出分佈式鎖實現下篇
- 詳解緩存穿透擊穿雪崩解決方案
- redis深入淺出分佈式鎖實現上篇
- 詳解redis分佈式鎖(優化redis分佈式鎖的過程及Redisson使用)
- Redis唯一ID生成器的實現