Redis缓存雪崩、穿透、击穿、数据一致性
- 缓存机制
- 要解决的问题
- 1.缓存一致性
- 2.缓存雪崩
- 3.缓存穿透
- 4.缓存击穿
- 总结
- 相同点
- 不同点
缓存机制
主要是为了提高数据的读取速度因为服务器和应用客户端之前存在着流量的瓶颈
所以读取大容量数据时,使用缓存来直接为客户端服务可以减少客户端与服务端的数据交互,从而大大提高程序的性能
要解决的问题
1.缓存一致性
解释:缓存和数据库中的数据需要保持一致
解决方法:
- 更新数据库后及时更新缓存
- 缓存失败时增加重试机制
2.缓存雪崩
解释:缓存雪崩是指缓存中数据大批量到过期时间,而查询数据量巨大,引起数据库压力过大甚至down机。和缓存击穿不同的是,缓存击穿指并发查同一条数据,缓存雪崩是不同数据都过期了,很多数据都查不到从而查数据库
解决方法:
- 缓存数据的过期时间设置随机,防止同一时间大量数据过期现象发生
- 如果缓存数据库是分布式部署,将热点数据均匀分布在不同搞得缓存数据库中
- 设置热点数据永远不过期。
3.缓存穿透
解释:缓存穿透是指缓存和数据库中都没有的数据,而用户不断发起请求,如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者,攻击会导致数据库压力过大。
解决方法:
- 接口层增加校验,如用户鉴权校验,id做基础校验,id<=0的直接拦截
- 缓存取不到的数据,在数据库中也没有取到,这时也可以将key-value对写为key-null,缓存有效时间可以设置短点,如30秒(设置太长会导致正常情况也没法使用)。这样可以防止攻击用户反复用同一个id暴力攻击
- 采用布隆过滤器,使用一个足够大的bitmap,用于存储可能访问的key,不存在的key直接被过滤
4.缓存击穿
解释:缓存击穿是指缓存中没有但数据库中有的数据(一般是缓存时间到期),
这时由于并发用户特别多,同时读缓存没读到数据,又同时去数据库去取数据,
引起数据库压力瞬间增大,造成过大压力
解决方法:
- 设置热点数据永远不过期。
- 加互斥锁,代码参考如下
/**
双重判断虽然能够阻止高并发请求打到数据库,
但是第二个以及之后的请求在命中缓存时,还是排队进行的.
比如,当30个请求一起并发过来,在双重判断时,第一个请求去数据库查询并更新缓存数据,
剩下的29个请求则是依次排队取缓存中取数据.请求排在后面的用户的体验会不爽.
*/
public List<String> getData1() {
List<String> result = new ArrayList<String>();
// 从缓存读取数据
result = getDataFromCache();
if (result.isEmpty()) {
synchronized (lock) {
//双重判断,第二个以及之后的请求不必去找数据库,直接命中缓存
// 查询缓存
result = getDataFromCache();
if (result.isEmpty()) {
// 从数据库查询数据
result = getDataFromDB();
// 将查询到的数据写入缓存
setDataToCache(result);
}
}
}
return result;
}
这时候我们改进一下
static Lock reenLock = new ReentrantLock();
public List<String> getData04() throws InterruptedException {
List<String> result = new ArrayList<String>();
// 从缓存读取数据
result = getDataFromCache();
if (result.isEmpty()) {
if (reenLock.tryLock()) {
try {
log.info("我拿到锁了,从DB获取数据库后写入缓存");
// 从数据库查询数据
result = getDataFromDB();
// 将查询到的数据写入缓存
setDataToCache(result);
} finally {
reenLock.unlock();// 释放锁
}
} else {
result = getDataFromCache();// 先查一下缓存
if (result.isEmpty()) {
log.info("我没拿到锁,缓存也没数据,先小憩一下");
Thread.sleep(100);// 小憩一会儿
return getData04();// 重试
}
}
}
return result;
}
总结
相同点
三者指的都是某个时间内, 数据库的查询请求突然过大, 造成压力过大, 可能会崩溃的情况;
不同点
击穿的原因: 某一时刻, 同一条数据的查询请求过多 (解决方法就是让这条数据永不过期);
雪崩的原因: 某一时刻, 不同数据的查询请求过多 (解决方法就是让这些数据的失效时间不在同一时刻);
穿透的原因: 某一时刻, 不存在的数据的查询请求过多 (解决方法就是1.把不存在的数据也缓存起来(值为null); 2.不让访问不存在的数据(限制key的访问范围));