看完这篇，让你吃透 Redis 的缓存穿透、缓存击穿、缓存雪崩问题

男娘i 2022-11-28 10:38 94阅读 0赞

### 看完这篇，让你吃透 Redis 的缓存穿透、缓存击穿、缓存雪崩问题 ###

*  缓存的基本使用
 *  缓存穿透
 *   *  问题描述
     *  解决方案
     *   *  1. 异常参数校验
         *  2. 空值缓存
         *  3. 布隆过滤器
 *  缓存击穿
 *   *  问题描述
     *  解决方案
     *   *  1. 设置热点数据永远不过期
         *  2. 设置热点数据的存活时间较长，且分布均匀的岔开过期时间
         *  3. 限流做安全保障
 *  缓存雪崩
 *   *  问题描述
     *  解决方案
     *   *  1. Redis 高可用
         *  2. 限流

# 缓存的基本使用 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center]

1.  前端向后台发送请求
2.  判断 Redis 中是否存在
3.  假如存在，Redis 直接返回数据，然后返回给前端（end）
4.  假如不存在，服务端发起请求查询数据库
5.  接收到返回的数据后，更新到 Redis 缓存，保证下次能获取到
6.  返回数据给前端（end）

# 缓存穿透 #

## 问题描述 ##

1.  用户发起大量的请求
2.  结果发现 Redis 中没有数据
3.  后台查询数据库，发现数据库也没有数据
4.  就这样一直请求，导致数据库崩溃

这种大量的请求，可能是接口本身的并发量就比较大，也可能是有黑客在攻击

## 解决方案 ##

### 1. 异常参数校验 ###

比如发起一个 id 为 “-1” 的请求，这一看就是有问题的，哪有可能 id 为负数的。或者一些非空参数，传了空值，极有可能是某人在发起攻击，直接后台判断拦截。

**优点：** 最快，也是最简单的拦截方式，没有额外的资源开销

**缺点：** 适用的场景有限

### 2. 空值缓存 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center 1]

1.  直接跳到判断 Redis 是否存在
2.  不存在，缓存空数据，设置过期时间一般为 30 秒（这里的空数据，可以直接设置数据为空的情况的值，也可以是空值标识，过期时间根据业务需求调整）
3.  服务端直接返回前端

**优点：** 数据为空时能够快速返回，不需要将压力落到数据库上，避免了数据库压力过大，甚至崩溃的情况

**缺点：** 缓存层和存储层的数据会有一段时间窗口的不一致，就是数据库明明没值，缓存上却有值，一致性要求高的业务需要注意，做好校验工作

### 3. 布隆过滤器 ###

假如我们添加值到布隆过滤器中，布隆过滤器会通过计算多种不同的哈希函数来计算出多个 hash 值，然后将对应位置的值设置为 1。因此这个 hash 值是有被多个不同的值对应的可能，所以说布隆过滤器如果命中了，说明值可能存在，如果不命中，肯定不存在。误判率为3%。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center 2]

1.  直接跳到判断 Redis 是否存在
2.  不存在，则从布隆过滤器中获取
3.  将获取到的值，更新到 Redis（首先布隆过滤器存在值，也不一定是正确的，因此并非所有场景都适用，其次数据需要刷回 Redis，因为 Redis 没值依然会来布隆过滤器上取值，因此数据本身需要对正确性的要求不是很高）
4.  服务端返回数据

**优点：**

1.  等同于用布隆过滤器代替了数据库，因此性能高
2.  由于顶替了数据库，规避了数据库宕机的风险

**缺点：**

1.  代码逻辑较为复杂
2.  需要对布隆过滤器预先做初始化
3.  布隆过滤器的初始化与更新较为复杂
4.  布隆过滤器不支持删值操作
5.  适用场景有限，由于布隆过滤器获取的数据存在不正确的可能性，因此需要数据对本身值的正确性要求较低，适用于注重数据是否存在的场景，比如：IP 访问白名单，之前是否访问过；垃圾邮件，垃圾短信过滤等

# 缓存击穿 #

## 问题描述 ##

1.  用户发起大量的请求
2.  这时 Redis 中数据大量过期
3.  导致瞬间数据库压力暴增，导致数据库宕机

## 解决方案 ##

### 1. 设置热点数据永远不过期 ###

也是一种方法，但是总感觉心里不太安心

### 2. 设置热点数据的存活时间较长，且分布均匀的岔开过期时间 ###

很好理解，存活时间长自然降低了出现大量过期的频率  
使用随机数岔开过期时间，使得需要过期的数据先后过期，使得数据库有充足的时间处理过期的数据

### 3. 限流做安全保障 ###

举个例子：比如一个商场，双 11 我需要大批量的替换图片，这时候如果大量的失效必然会导致数据库崩溃，这时如果有做限流控制，就可以针对获取图片的接口进行限流，等到都替换完，再将限流放开。

# 缓存雪崩 #

## 问题描述 ##

Redis 层由于压力过大，导致 Redis 服务器宕机，所有后端请求直接落在数据库上，导致数据库也宕机。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center 3]

## 解决方案 ##

### 1. Redis 高可用 ###

顾名思义，通过多台的 Redis 架设集群，分摊压力

[Redis + Cluster 分布式水平扩展高可用集群][Redis _ Cluster]

### 2. 限流 ###

通过限制访问数量的方式，防止大量的请求进入缓存，可以通过限制 IP 频率，限制请求总量，或者使用消息队列依次处理请求等方式

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center]: /images/20221124/a11b963b0c8a496999a7d473625ab5b4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221124/b641ea06f9b2428594254d72c8771de8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221124/71eb758536044b8f9e2fcded6ede566c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQzNjcz_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221124/ab3a454b8a7240abb97aa2db26f59ce7.png
[Redis _ Cluster]: https://blog.csdn.net/qq_37143673/article/details/105654604/