Redis入门：七、缓存击穿和缓存穿透以及雪崩

青旅半醒 2023-02-17 02:35 9阅读 0赞

### 文章目录 ###

*   *   *  一、前言
         *  二、缓存击穿以及应对策略
         *   *  1、定义
             *  2、应对策略
         *  三、缓存穿透及应对策略
         *   *  1、定义
             *  2、应对策略
         *  四、雪崩及应对场景
         *   *  1、定义
             *  2、解决方法

### 一、前言 ###

在正式讲解这三种异常时，我们先话两分钟来回顾一下，redis缓存或者说一般缓存的基本流程，老习惯，开局一张图，剩下全靠编，啊呸，剩下全靠理解。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70]

### 二、缓存击穿以及应对策略 ###

#### 1、定义 ####

假设有一个热点新闻K-V在缓存数据库中，比如说微博热搜，但是当微博热搜的K-V过期，则会透过缓存数据库，直接打到数据库中，造成一瞬间有大量用户访问，给数据库带来很大的压力。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70 1]

#### 2、应对策略 ####

> 2.1使用互斥锁

**并发量不大的时候可以使用以下方法实现：**  
简单思路分析：由于缓存击穿是由于用户访问同一个热点K-V，如果刚好该热点失效，则让一个用户即单线程去数据库中获取，然后再更新缓存，未获取到线程的用户进行排队，再从缓存中进行读取热点K-V，如果缓存更新，则不用再读数据库，如果未更新，则等待一会，循环上述步骤。

static Lock reenLock = new ReentrantLock();
    
    public List<String> getData() throws InterruptedException {
        
      List<String> result = new ArrayList<String>();
      // 从缓存读取数据
      result = getDataFromCache();
      if (result.isEmpty()) {
        
          if (reenLock.tryLock()) {
        
    	      try {
        
    	           System.out.println("拿到锁，从数据库中读取数据！");
    	           // 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 {
        
              // 再查一下缓存是否有
              result = getDataFromCache();
              if (result.isEmpty()) {
        
                  System.out.println("未拿到锁，等待一会");
                  Thread.sleep(100);
                  // 重试
                  return getData();
              }
          }
      }
      return result;
    }

**并发量较大时，可以用redis分布式锁操作：**

public String get(String key){
        
        String value = redis.get(key);
    
        //如果查询不到目标值
        if(StringUtils.isNullOrEmpty(value)) {
        
            //其实这是一个加锁的过程
            if (redis.setnx(key_mutex,1)==1) {
        
            	//从数据库中获取数值
                value = getDataFromDB(key);
                //再放入缓存中
                redis.set(key,value);
                //释放锁
                redis.del(key_mutex);
            } else {
        
              value = redis.get(key);
              if(StringUtils.isNullOrEmpty(value)) {
        
                 Thread.sleep(100);
                 return get(key);
              }
            }
        }
        return value;
    }

> 2.2 设置永不过期

在商城里面，对于一些爆款，可以设置该产品K-V用不过期，防止出现击穿现象。  
**总结：** 具体使用哪种方式进行处理，还是需要根据具体的业务场景进行设置，并非绝对的。

### 三、缓存穿透及应对策略 ###

#### 1、定义 ####

缓存穿透是指用户访问缓存时，携带一个缓存中不存在的key,比如说ID为-1.此时在缓存无法找到对应的K-V，则会去数据库中查找。如果此时刚好有大量用户都查找这个key，则相当于穿过或者绕过缓存直接访问数据库，给数据库造成压力。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70 2]

#### 2、应对策略 ####

> **缓存空对象**

简单说，就是当查询的key不存在对应值时，返回一个空值，但是在高并发量时，会存在大量的空值，占用内存空间，此时，我们可以对空值设置过期时间，但是该做法依然存在弊端，在有效期内数据很可能不一致。

> **布隆过滤器：**

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数）。  
布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。  
涉及到具体原理就不讲了，能力有限，自行观看。  
[数学之美：布隆过滤器][Link 1]  
布隆过滤器牛逼地方在于非常高效同时占空间非常少，它判断一个元素不存在那肯定就是不存在，它判断存在的时候有一定误差，是有可能不存在的。比如服务端收到请求之后，可以首先用布隆过滤器判断下用户名是否存在，如果不存在就直接返回，就不用再去查DB了，非常完美的解决方案！

--------------------

布隆过滤器的具体使用方法就放到其他博客文章进行详细讲解了。

### 四、雪崩及应对场景 ###

#### 1、定义 ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70 3]  
还是可以借鉴之前那个图，但是不同之处就是，在缓存中，同一时刻，存在大量的K-V过期，导致用户直接访问到数据中去了。从而给数据库造成很大的压力，甚至宕机。

#### 2、解决方法 ####

> 1.缓存数据的过期时间设置为随机  
> 2.针对不同的业务场景设置不同的过期时间加随机时间，比如热点永不过期。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200611083817887.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200611085835660.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200611111451133.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ==,size_16,color_FFFFFF,t_70
[Link 1]: https://zhuanlan.zhihu.com/p/72378274
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/2020061111362883.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA4NTEwOQ==,size_16,color_FFFFFF,t_70