什么是redis的緩存雪崩與緩存穿透

今天來(lái)分享一下Redis幾道常見(jiàn)的面試題：

* 如何解決緩存雪崩？
* 如何解決緩存穿透？
* 如何保證緩存與數(shù)據(jù)庫(kù)雙寫(xiě)時(shí)一致的問(wèn)題？
一、緩存雪崩

1.1 什么是緩存雪崩？

首先我們先來(lái)回答一下我們?yōu)槭裁匆镁彺?Redis)：

1、提高性能能：緩存查詢(xún)是純內(nèi)存訪(fǎng)問(wèn)，而硬盤(pán)是磁盤(pán)訪(fǎng)問(wèn)，因此緩存查詢(xún)速度比數(shù)據(jù)庫(kù)查詢(xún)速度快

2、提高并發(fā)能力：緩存分組了部分請(qǐng)求，支持更高的并發(fā)

現(xiàn)在有個(gè)問(wèn)題，如果我們的緩存掛掉了，這意味著我們的全部請(qǐng)求都跑去數(shù)據(jù)庫(kù)了。

我們都知道Redis不可能把所有的數(shù)據(jù)都緩存起來(lái)(內(nèi)存昂貴且有限
)，所以Redis需要對(duì)數(shù)據(jù)設(shè)置過(guò)期時(shí)間，將已經(jīng)過(guò)期的鍵值對(duì)刪除，它采用的是惰性刪除+定期刪除兩種策略對(duì)過(guò)期鍵刪除。

如果緩存數(shù)據(jù)設(shè)置的過(guò)期時(shí)間是相同的，并且Redis恰好將這部分?jǐn)?shù)據(jù)全部刪光了。這就會(huì)導(dǎo)致在這段時(shí)間內(nèi)，這些緩存同時(shí)失效，全部請(qǐng)求到數(shù)據(jù)庫(kù)中。

這就是緩存雪崩：

* Redis掛掉了，請(qǐng)求全部走數(shù)據(jù)庫(kù)。
* 對(duì)緩存數(shù)據(jù)設(shè)置相同的過(guò)期時(shí)間，導(dǎo)致某段時(shí)間內(nèi)緩存失效，請(qǐng)求全部走數(shù)據(jù)庫(kù)。
緩存雪崩如果發(fā)生了，很可能就把我們的數(shù)據(jù)庫(kù)搞垮，導(dǎo)致整個(gè)服務(wù)癱瘓！

1.2 如何解決緩存雪崩？

對(duì)于“對(duì)緩存數(shù)據(jù)設(shè)置相同的過(guò)期時(shí)間，導(dǎo)致某段時(shí)間內(nèi)緩存失效，請(qǐng)求全部走數(shù)據(jù)庫(kù)。”這種情況，非常好解決：

* 解決方法：在緩存的時(shí)候給過(guò)期時(shí)間加上一個(gè)隨機(jī)值，這樣就會(huì)大幅度的減少緩存在同一時(shí)間過(guò)期。
對(duì)于“Redis掛掉了，請(qǐng)求全部走數(shù)據(jù)庫(kù)”這種情況，我們可以有以下的思路：

* 事發(fā)前：實(shí)現(xiàn)Redis的高可用(主從架構(gòu)+Sentinel 或者Redis Cluster)，盡量避免Redis掛掉這種情況發(fā)生。
* 事發(fā)中：萬(wàn)一Redis真的掛了，我們可以設(shè)置本地緩存(ehcache)+限流(hystrix)
，盡量避免我們的數(shù)據(jù)庫(kù)被干掉(起碼能保證我們的服務(wù)還是能正常工作的)
* 事發(fā)后：redis持久化，重啟后自動(dòng)從磁盤(pán)上加載數(shù)據(jù)，快速恢復(fù)緩存數(shù)據(jù)。
二、緩存穿透

2.1什么是緩存穿透

比如，我們有一張數(shù)據(jù)庫(kù)表，ID都是從1開(kāi)始的(正數(shù))，但是可能有黑客想把我的數(shù)據(jù)庫(kù)搞垮，每次請(qǐng)求的ID都是負(fù)數(shù)
。這會(huì)導(dǎo)致我的緩存就沒(méi)用了，請(qǐng)求全部都找數(shù)據(jù)庫(kù)去了，但數(shù)據(jù)庫(kù)也沒(méi)有這個(gè)值啊，所以每次都返回空對(duì)象出去。

緩存穿透是指查詢(xún)一個(gè)一定不存在的數(shù)據(jù)。由于緩存不命中，并且出于容錯(cuò)考慮，如果從數(shù)據(jù)庫(kù)查不到數(shù)據(jù)則不寫(xiě)入緩存，這將導(dǎo)致這個(gè)不存在的數(shù)據(jù)每次請(qǐng)求都要到數(shù)據(jù)庫(kù)去查詢(xún)
，失去了緩存的意義。

這就是緩存穿透：

* 請(qǐng)求的數(shù)據(jù)在緩存大量不命中，導(dǎo)致請(qǐng)求走數(shù)據(jù)庫(kù)。
緩存穿透如果發(fā)生了，也可能把我們的數(shù)據(jù)庫(kù)搞垮，導(dǎo)致整個(gè)服務(wù)癱瘓！

2.1如何解決緩存穿透？

解決緩存穿透也有兩種方案：

*
由于請(qǐng)求的參數(shù)是不合法的(每次都請(qǐng)求不存在的參數(shù))，于是我們可以使用布隆過(guò)濾器(BloomFilter)或者壓縮filter提前攔截
，不合法就不讓這個(gè)請(qǐng)求到數(shù)據(jù)庫(kù)層！

*
當(dāng)我們從數(shù)據(jù)庫(kù)找不到的時(shí)候，我們也將這個(gè)空對(duì)象設(shè)置到緩存里邊去。下次再請(qǐng)求的時(shí)候，就可以從緩存里邊獲取了。

*
這種情況我們一般會(huì)將空對(duì)象設(shè)置一個(gè)較短的過(guò)期時(shí)間。

三、緩存與數(shù)據(jù)庫(kù)雙寫(xiě)一致

3.1對(duì)于讀操作，流程是這樣的

上面講緩存穿透的時(shí)候也提到了：如果從數(shù)據(jù)庫(kù)查不到數(shù)據(jù)則不寫(xiě)入緩存。

一般我們對(duì)讀操作的時(shí)候有這么一個(gè)固定的套路：

* 如果我們的數(shù)據(jù)在緩存里邊有，那么就直接取緩存的。
* 如果緩存里沒(méi)有我們想要的數(shù)據(jù)，我們會(huì)先去查詢(xún)數(shù)據(jù)庫(kù)，然后將數(shù)據(jù)庫(kù)查出來(lái)的數(shù)據(jù)寫(xiě)到緩存中。
* 最后將數(shù)據(jù)返回給請(qǐng)求
3.2什么是緩存與數(shù)據(jù)庫(kù)雙寫(xiě)一致問(wèn)題？

如果僅僅查詢(xún)的話(huà)，緩存的數(shù)據(jù)和數(shù)據(jù)庫(kù)的數(shù)據(jù)是沒(méi)問(wèn)題的。但是，當(dāng)我們要更新時(shí)候呢？各種情況很可能就造成數(shù)據(jù)庫(kù)和緩存的數(shù)據(jù)不一致了。

* 這里不一致指的是：數(shù)據(jù)庫(kù)的數(shù)據(jù)跟緩存的數(shù)據(jù)不一致
從理論上說(shuō)，只要我們?cè)O(shè)置了鍵的過(guò)期時(shí)間，我們就能保證緩存和數(shù)據(jù)庫(kù)的數(shù)據(jù)最終是一致
的。因?yàn)橹灰彺鏀?shù)據(jù)過(guò)期了，就會(huì)被刪除。隨后讀的時(shí)候，因?yàn)榫彺胬餂](méi)有，就可以查數(shù)據(jù)庫(kù)的數(shù)據(jù)，然后將數(shù)據(jù)庫(kù)查出來(lái)的數(shù)據(jù)寫(xiě)入到緩存中。

除了設(shè)置過(guò)期時(shí)間，我們還需要做更多的措施來(lái)盡量避免數(shù)據(jù)庫(kù)與緩存處于不一致的情況發(fā)生。

3.3對(duì)于更新操作

一般來(lái)說(shuō)，執(zhí)行更新操作時(shí)，我們會(huì)有兩種選擇：

* 先操作數(shù)據(jù)庫(kù)，再操作緩存
* 先操作緩存，再操作數(shù)據(jù)庫(kù)
首先，要明確的是，無(wú)論我們選擇哪個(gè)，我們都希望這兩個(gè)操作要么同時(shí)成功，要么同時(shí)失敗。所以，這會(huì)演變成一個(gè)分布式事務(wù)的問(wèn)題。

所以，如果原子性被破壞了，可能會(huì)有以下的情況：

* 操作數(shù)據(jù)庫(kù)成功了，操作緩存失敗了。
* 操作緩存成功了，操作數(shù)據(jù)庫(kù)失敗了。
如果第一步已經(jīng)失敗了，我們直接返回Exception出去就好了，第二步根本不會(huì)執(zhí)行。

下面我們具體來(lái)分析一下吧。

3.3.1操作緩存

操作緩存也有兩種方案：

* 更新緩存
* 刪除緩存
一般我們都是采取刪除緩存緩存策略的，原因如下：

* 高并發(fā)環(huán)境下，無(wú)論是先操作數(shù)據(jù)庫(kù)還是后操作數(shù)據(jù)庫(kù)而言，如果加上更新緩存，那就更加容易導(dǎo)致數(shù)據(jù)庫(kù)與緩存數(shù)據(jù)不一致問(wèn)題。(刪除緩存直接和簡(jiǎn)單很多)
*
如果每次更新了數(shù)據(jù)庫(kù)，都要更新緩存【這里指的是頻繁更新的場(chǎng)景，這會(huì)耗費(fèi)一定的性能】，倒不如直接刪除掉。等再次讀取時(shí)，緩存里沒(méi)有，那我到數(shù)據(jù)庫(kù)找，在數(shù)據(jù)庫(kù)找到再寫(xiě)到緩存里邊(體現(xiàn)
懶加載)
基于這兩點(diǎn)，對(duì)于緩存在更新時(shí)而言，都是建議執(zhí)行刪除操作！

3.3.2先更新數(shù)據(jù)庫(kù)，再刪除緩存

正常的情況是這樣的：

* 先操作數(shù)據(jù)庫(kù)，成功；
* 再刪除緩存，也成功；
如果原子性被破壞了：

* 第一步成功(操作數(shù)據(jù)庫(kù))，第二步失敗(刪除緩存)，會(huì)導(dǎo)致數(shù)據(jù)庫(kù)里是新數(shù)據(jù)，而緩存里是舊數(shù)據(jù)。
* 如果第一步(操作數(shù)據(jù)庫(kù))就失敗了，我們可以直接返回錯(cuò)誤(Exception)，不會(huì)出現(xiàn)數(shù)據(jù)不一致。
如果在高并發(fā)的場(chǎng)景下，出現(xiàn)數(shù)據(jù)庫(kù)與緩存數(shù)據(jù)不一致的概率特別低，也不是沒(méi)有：

* 緩存剛好失效
* 線(xiàn)程A查詢(xún)數(shù)據(jù)庫(kù)，得一個(gè)舊值
* 線(xiàn)程B將新值寫(xiě)入數(shù)據(jù)庫(kù)
* 線(xiàn)程B刪除緩存
* 線(xiàn)程A將查到的舊值寫(xiě)入緩存
要達(dá)成上述情況，還是說(shuō)一句概率特別低：

因?yàn)檫@個(gè)條件需要發(fā)生在讀緩存時(shí)緩存失效，而且并發(fā)著有一個(gè)寫(xiě)操作。而實(shí)際上數(shù)據(jù)庫(kù)的寫(xiě)操作會(huì)比讀操作慢得多，而且還要鎖表，
而讀操作必需在寫(xiě)操作前進(jìn)入數(shù)據(jù)庫(kù)操作，而又要晚于寫(xiě)操作更新緩存，所有的這些條件都具備的概率基本并不大。

對(duì)于這種策略，其實(shí)是一種設(shè)計(jì)模式：Cache Aside Pattern



刪除緩存失敗的解決思路：

* 將需要?jiǎng)h除的key發(fā)送到消息隊(duì)列中
* 自己消費(fèi)消息，獲得需要?jiǎng)h除的key
* 不斷重試刪除操作，直到成功
3.3.3先刪除緩存，再更新數(shù)據(jù)庫(kù)

正常情況是這樣的：

* 先刪除緩存，成功；
* 再更新數(shù)據(jù)庫(kù)，也成功；
如果原子性被破壞了：

* 第一步成功(刪除緩存)，第二步失敗(更新數(shù)據(jù)庫(kù))，數(shù)據(jù)庫(kù)和緩存的數(shù)據(jù)還是一致的。
* 如果第一步(刪除緩存)就失敗了，我們可以直接返回錯(cuò)誤(Exception)，數(shù)據(jù)庫(kù)和緩存的數(shù)據(jù)還是一致的。
看起來(lái)是很美好，但是我們?cè)诓l(fā)場(chǎng)景下分析一下，就知道還是有問(wèn)題的了：

* 線(xiàn)程A刪除了緩存
* 線(xiàn)程B查詢(xún)，發(fā)現(xiàn)緩存已不存在
* 線(xiàn)程B去數(shù)據(jù)庫(kù)查詢(xún)得到舊值
* 線(xiàn)程B將舊值寫(xiě)入緩存
* 線(xiàn)程A將新值寫(xiě)入數(shù)據(jù)庫(kù)
所以也會(huì)導(dǎo)致數(shù)據(jù)庫(kù)和緩存不一致的問(wèn)題。

并發(fā)下解決數(shù)據(jù)庫(kù)與緩存不一致的思路：

* 將刪除緩存、修改數(shù)據(jù)庫(kù)、讀取緩存等的操作積壓到隊(duì)列里邊，實(shí)現(xiàn)串行化。


3.4對(duì)比兩種策略

我們可以發(fā)現(xiàn)，兩種策略各自有優(yōu)缺點(diǎn)：

* 先刪除緩存，再更新數(shù)據(jù)庫(kù)
*
* 在高并發(fā)下表現(xiàn)不如意，在原子性被破壞時(shí)表現(xiàn)優(yōu)異
* 先更新數(shù)據(jù)庫(kù)，再刪除緩存(Cache Aside Pattern設(shè)計(jì)模式)
*
* 在高并發(fā)下表現(xiàn)優(yōu)異，在原子性被破壞時(shí)表現(xiàn)不如意

• ? 上一篇：全開(kāi)源C++ DirectUI 界面庫(kù)SOUI 3.0更新
• ? 下一篇：哪吒票房逼近30億，從豆瓣短評(píng)簡(jiǎn)單分析人們對(duì)哪吒的態(tài)度