了解Redis缓存穿透、雪崩和击穿

亦凉 2021-12-10 23:19 224阅读 0赞

### 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。

**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，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，但它的过期时间最好设置的短一些。

###    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瞬时压力过重崩溃。

**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。这种方式虽然能够在一定的程度上缓解了数据库的压力但是与此同时又降低了系统的吞吐量。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。

### 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加载数据并添加到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

**解决方案**  
使用互斥锁(mutex key)

简单来说，就是缓存失效的时候，不要立刻去load DB，通过缓冲工具去设置互斥锁，只让当前的线程去查询数据库，同步到redis数据库中。设置互斥锁，比如redis的redis.setnx。

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
            String keynx = key.concat(":nx");
            if (redis.setnx(keynx, 1, 3 * 60) == 1) { //代表设置成功
                value = db.get(key);
                redis.set(key, value, expire_secs);
                redis.del(keynx);
            } else {
                //这个时候代表同时候其他线程已经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;
        }
    }

参考：

[https://blog.csdn.net/qq\_39081437/article/details/88545517][https_blog.csdn.net_qq_39081437_article_details_88545517]

[https://www.cnblogs.com/toov5/p/9895929.html][https_www.cnblogs.com_toov5_p_9895929.html]

[https_blog.csdn.net_qq_39081437_article_details_88545517]: https://blog.csdn.net/qq_39081437/article/details/88545517
[https_www.cnblogs.com_toov5_p_9895929.html]: https://www.cnblogs.com/toov5/p/9895929.html