缓存穿透、缓存击穿、缓存雪崩解决方案分析

小鱼儿 2022-05-30 08:51 247阅读 0赞

## **前言** ##

设计一个缓存系统，不得不要考虑的问题就是：缓存穿透、缓存击穿与失效时的雪崩效应。

## **一、缓存穿透** ##

缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。在流量大时，可能DB就挂掉了，要是有人利用不存在的key频繁攻击我们的应用，这就是漏洞。

#### **缓存穿透解决方案** ####

有很多种方法可以有效地解决缓存穿透问题，最常见的则是采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被 这个bitmap拦截掉，从而避免了对底层存储系统的查询压力。另外也有一个更为简单粗暴的方法（我们采用的就是这种），如果一个查询返回的数据为空（不管是数 据不存在，还是系统故障），我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分钟。

## **二、缓存雪崩** ##

缓存雪崩是指在我们设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重雪崩。

#### **缓存雪崩解决方案** ####

缓存失效时的雪崩效应对底层系统的冲击非常可怕。大多数系统设计者考虑用加锁或者队列的方式保证缓存的单线 程（进程）写，从而避免失效时大量的并发请求落到底层存储系统上。这里分享一个简单方案就是将缓存失效时间分散开，比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

## **三、缓存击穿** ##

对于一些设置了过期时间的key，如果这些key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题，这个和缓存雪崩的区别在于这里针对某一key缓存，前者则是很多key。

缓存在某个时间点过期的时候，恰好在这个时间点对这个Key有大量的并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

#### **缓存击穿解决方案** ####

#### **1.使用互斥锁(mutex key)** ####

业界比较常用的做法，是使用mutex。简单地来说，就是在缓存失效的时候（判断拿出来的值为空），不是立即去load db，而是先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX或者Memcache的ADD）去set一个mutex key，当操作返回成功时，再进行load db的操作并回设缓存；否则，就重试整个get缓存的方法。  
SETNX，是「SET if Not eXists」的缩写，也就是只有不存在的时候才设置，可以利用它来实现锁的效果。在redis2.6.1之前版本未实现setnx的过期时间，所以这里给出两种版本代码参考：

**redis实现代码：**

//2.6.1前单机版本锁 
    String get(String key) {    
       String value = redis.get(key);    
       if (value  == null) {    
        if (redis.setnx(key_mutex, "1")) {    
            // 3 min timeout to avoid mutex holder crash 
            redis.expire(key_mutex, 3 * 60)    
            value = db.get(key);    
            redis.set(key, value);    
            redis.delete(key_mutex);    
        } else {    
            //其他线程休息50毫秒后重试 
            Thread.sleep(50);    
            get(key);    
        }    
      }    
    }  
    
    //最新版本代码：
    public String get(key) {  
          String value = redis.get(key);  
          if (value == null) { //代表缓存值过期 
              //设置3min的超时，防止del操作失败的时候，下次缓存过期一直不能load db 
              if (redis.setnx(key_mutex, 1, 3 * 60) == 1) {  //代表设置成功 
                   value = db.get(key);  
                          redis.set(key, value, expire_secs);  
                          redis.del(key_mutex);  
                  } else {  //这个时候代表同时候的其他线程已经load db并回设到缓存了，这时候重试获取缓存值即可 
                          sleep(50);  
                          get(key);  //重试 
                  }  
              } else {  
                  return value;        
              }  
     }

**memcache实现代码：**

if (memcache.get(key) == null) {    
       // 3 min timeout to avoid mutex holder crash 
        if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {    
            value = db.get(key);    
            memcache.set(key, value);    
            memcache.delete(key_mutex);    
        } else {    
            sleep(50);    
            retry();    
        }    
    }

#### **2. “提前”使用互斥锁(mutex key)：** ####

在value内部设置1个超时值(timeout1), timeout1比实际的memcache timeout(timeout2)小。当从cache读取到timeout1发现它已经过期时候，马上延长timeout1并重新设置到cache。然后再从数据库加载数据并设置到cache中。伪代码如下：

v = memcache.get(key); 
 if (v == null) { 
 if (memcache.add(key_mutex, 3 * 60 * 1000) == true) { 
 value = db.get(key); 
 memcache.set(key, value); 
 memcache.delete(key_mutex); 
 } else { 
 sleep(50); 
 retry(); 
 } 
 } else { 
 if (v.timeout <= now()) { 
 if (memcache.add(key_mutex, 3 * 60 * 1000) == true) { 
 // extend the timeout for other threads 
 v.timeout += 3 * 60 * 1000; 
 memcache.set(key, v, KEY_TIMEOUT * 2); 
 
 // load the latest value from db 
 v = db.get(key); 
 v.timeout = KEY_TIMEOUT; 
 memcache.set(key, value, KEY_TIMEOUT * 2); 
 memcache.delete(key_mutex); 
 } else { 
 sleep(50); 
 retry(); 
 } 
 } 
 }

#### **3. “永远不过期”：**  ####

这里的“永远不过期”包含两层意思： (1) 从redis上看，确实没有设置过期时间，这就保证了，不会出现热点key过期问题，也就是“物理”不过期。 (2) 从功能上看，如果不过期，那不就成静态的了吗？所以我们把过期时间存在key对应的value里，如果发现要过期了，通过一个后台的异步线程进行缓存的构建，也就是“逻辑”过期 从实战看，这种方法对于性能非常友好，唯一不足的就是构建缓存时候，其余线程(非构建缓存的线程)可能访问的是老数据，但是对于一般的互联网功能来说这个还是可以忍受。

String get(final String key) { 
 V v = redis.get(key); 
 String value = v.getValue(); 
 long timeout = v.getTimeout(); 
 if (v.timeout <= System.currentTimeMillis()) { 
 // 异步更新后台异常执行 
 threadPool.execute(new Runnable() { 
 public void run() { 
 String keyMutex = "mutex:" + key; 
 if (redis.setnx(keyMutex, "1")) { 
 // 3 min timeout to avoid mutex holder crash 
 redis.expire(keyMutex, 3 * 60); 
 String dbValue = db.get(key); 
 redis.set(key, dbValue); 
 redis.delete(keyMutex); 
 } 
 } 
 }); 
 } 
 return value; 
 }

#### **4、资源保护：** ####

采用netflix的hystrix，可以做资源的隔离保护主线程池，如果把这个应用到缓存的构建也未尝不可。 四种解决方案：没有最佳只有最合适

<table> 
 <tbody> 
 <tr> 
 <td> 解决方案</td> 
 <td> 优点</td> 
 <td> 缺点</td> 
 </tr> 
 <tr> 
 <td> 简单分布式互斥锁（mutex key）</td> 
 <td> &nbsp;1. 思路简单 2. 保证一致性 </td> 
 <td> 1. 代码复杂度增大 2. 存在死锁的风险 3. 存在线程池阻塞的风险 </td> 
 </tr> 
 <tr> 
 <td> “提前”使用互斥锁</td> 
 <td> &nbsp;1. 保证一致性</td> 
 <td> 同上&nbsp;</td> 
 </tr> 
 <tr> 
 <td> 不过期(本文)</td> 
 <td> 1. 异步构建缓存，不会阻塞线程池 </td> 
 <td> 1. 不保证一致性。 2. 代码复杂度增大(每个value都要维护一个timekey)。 3. 占用一定的内存空间(每个value都要维护一个timekey)。 </td> 
 </tr> 
 <tr> 
 <td> 资源隔离组件hystrix(本文)</td> 
 <td> 1. hystrix技术成熟，有效保证后端。 2. hystrix监控强大。 &nbsp; &nbsp; </td> 
 <td> 1. 部分访问存在降级策略。 
 <div> 
 
 </div> </td> 
 </tr> 
 </tbody> 
</table>

四种方案来源网络，详文请链接：[http://carlosfu.iteye.com/blog/2269687?hmsr=toutiao.io&utm\_medium=toutiao.io&utm\_source=toutiao.io][http_carlosfu.iteye.com_blog_2269687_hmsr_toutiao.io_utm_medium_toutiao.io_utm_source_toutiao.io]

## **总结** ##

针对业务系统，永远都是具体情况具体分析，没有最好，只有最合适。

最后，对于缓存系统常见的缓存满了和数据丢失问题，需要根据具体业务分析，通常我们采用LRU策略处理溢出，Redis的RDB和AOF持久化策略来保证一定情况下的数据安全。

转自：[http://blog.csdn.net/zeb\_perfect/article/details/54135506][http_blog.csdn.net_zeb_perfect_article_details_54135506]

[http_carlosfu.iteye.com_blog_2269687_hmsr_toutiao.io_utm_medium_toutiao.io_utm_source_toutiao.io]: http://carlosfu.iteye.com/blog/2269687?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io
[http_blog.csdn.net_zeb_perfect_article_details_54135506]: http://blog.csdn.net/zeb_perfect/article/details/54135506