缓存穿透，缓存雪崩的四种解决方案

小灰灰 2022-02-24 05:13 169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。

## 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（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。

## 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。

### 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时讲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。

### 解决方案 ###

我们的目标是：尽量少的线程构建缓存(甚至是一个) + 数据一致性 + 较少的潜在危险，下面会介绍四种方法来解决这个问题：

1. 使用互斥锁(mutex key): 这种解决方案思路比较简单，就是只让一个线程构建缓存，其他线程等待构建缓存的线程执行完，重新从缓存获取数据就可以了（如下图）

![3756710e-5dff-39e8-95af-93c7cd9bc17a.jpg][]

如果是单机，可以用synchronized或者lock来处理，如果是分布式环境可以用分布式锁就可以了（分布式锁，可以用memcache的add, redis的setnx, zookeeper的添加节点操作）。

下面是Tim yang博客的代码，是memcache的伪代码实现

> Java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();  
        }  
    }

如果换成redis，就是：

> Java代码

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);  
        }  
      }  
    }

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：

> Java代码

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

#    ![1647a0f0-0df5-3842-b15a-d60bed5379ae.png][] #

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。

> Java代码

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：

之前在[缓存雪崩][Link 1]那篇文章提到了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。

![13d90d04-3547-3f2f-80ea-b3ce8ecb06db.png][]

三、四种方案对比：

作为一个并发量较大的互联网应用，我们的目标有3个:

1. 加快用户访问速度，提高用户体验。

2. 降低后端负载，保证系统平稳。

3. 保证数据“尽可能”及时更新(要不要完全一致，取决于业务，而不是技术。)

所以第二节中提到的四种方法，可以做如下比较，还是那就话：没有最好，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>简单分布式锁(Tim yang)</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>加另外一个过期时间(Tim yang)</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。 </td> 
 </tr> 
 </tbody> 
</table>

四、总结

1.  热点key + 过期时间 + 复杂的构建缓存过程 => mutex key问题

2. 构建缓存一个线程做就可以了。

3. 四种解决方案：没有最佳只有最合适。

## 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。

通过该链接看到的：[https://mp.weixin.qq.com/s/XyMayqgi2KlfyXBtjh6gBg][https_mp.weixin.qq.com_s_XyMayqgi2KlfyXBtjh6gBg]

转载：[https://www.cnblogs.com/raichen/p/7750165.html][https_www.cnblogs.com_raichen_p_7750165.html]

[3756710e-5dff-39e8-95af-93c7cd9bc17a.jpg]: /images/20220224/ba5d991d5f1246fd80b7f619de535601.png
[1647a0f0-0df5-3842-b15a-d60bed5379ae.png]: /images/20220224/dd4c0eb798dd458887f411d4fe38b031.png
[Link 1]: http://carlosfu.iteye.com/blog/2249316
[13d90d04-3547-3f2f-80ea-b3ce8ecb06db.png]: /images/20220224/ad67a7fb58e4455593a98474eb0cd025.png
[https_mp.weixin.qq.com_s_XyMayqgi2KlfyXBtjh6gBg]: https://mp.weixin.qq.com/s/XyMayqgi2KlfyXBtjh6gBg
[https_www.cnblogs.com_raichen_p_7750165.html]: https://www.cnblogs.com/raichen/p/7750165.html