Redis 缓存问题

发表于 更新于 分类于 阅读次数：

Redis 缓存问题

缓存穿透

问题描述

缓存穿透指：

当请求传递到后端服务器时，会先查询Redis 缓存中是否存在该 key 值，不存在，则会请求db 去查询。

当发生程序被攻击时，出现大量空值的key 会去请求，以拖垮服务器查询，导致程序崩溃。

解决方法

  1. 缓存空值
  2. 布隆过滤器（key 校验）

缓存空值

将数据库中查询为空的key 也存储在缓存中，当再次查询时，则可以避免查询数据库。

缓存空值会出现两个问题：

  1. 空值缓存，会占用更多空间，需要设置较短的过期时间。（若是攻击，会很麻烦）
  2. 缓存和存储的数据会有一段时间不一致，有业务影响。

布隆过滤器

原理

  1. 利用 k 个哈希函数，对元素进行计算

  2. 根据哈希值，将位数据组对应的下标置为1

  3. 当需要查询时，重复过程 1，若查询对应位数据下标不全为1，则不存在，全为1，则存在

优点：

数据空间小，不用存储数据本身

缺点：

  • 元素可以添加到集合中，不能删除
  • 匹配结果是“绝对不在集合中”，并不能保证匹配成功的值已经在集合中
  • 当集合快满时，即接近预估最大容量时，误报的概率会变大
  • 数据占用空间放大

缓存击穿

问题描述

当单个热点key 的缓存数据，****刚好过了有效时间，此时大量请求涌入，会导致数据查询流量大增，数据库可能崩溃。

解决方法

  1. 互斥锁
  2. 热点数据永不过期

互斥锁

当第一个数据库查询请求发起后，就将缓存中该数据上锁；

此时其他查询该缓存的请求，被阻塞等待；

当第一个请求完成，然后更新缓存，释放锁；

其他查询请求后续可以查询到。

注意：互斥锁可以避免某一个热点，但实际情况里往往是一批。

将缓存的过期时间，设置为随机值，会降低这一概率。

热点数据永不过期

从缓存层面，确实没有设置过期时间，也就是物理不过期

从功能层面，每一个value 都有对应逻辑时间，过期后，单独重新构建。

注意：在重新构建期间，可能会出现数据不一致的情况。

比较：

  • 互斥锁
    • 存在死锁和阻塞风险
    • 较好的降低后端负载，一致性比较好
  • 永远不过期
    • 数据不一致情况
    • 代码复杂度会增大

缓存雪崩

问题描述

指缓存中大量的数据同时过期，导致大量请求在短时间内直接到达数据库，对数据库造成巨大压力。

解决方法

  1. 过期时间分散
  2. 缓存预热
  3. 限流降级

过期时间分撒

使用 expire 命令设置过期时间，引入随机过期时间机制

缓存预热

使用 CacheWarmer 等工具在系统启动前预热缓存

限流降级

使用限流算法控制访问数据库的请求速率，当缓存失效导致请求过多时，进行降级处理。

工具：Hystrix、Sentinel 等

参考文章

硬核 | Redis 布隆（Bloom Filter）过滤器原理与实战 - 知乎 (zhihu.com)