Redis中的缓存问题以及如何实现分布式锁

参考b站狂神说java ：https://www.bilibili.com/video/BV1S54y1R7SB?p=36&spm_id_from=333.788.top_right_bar_window_history.content.click

相关笔记：https://blog.csdn.net/DDDDeng_/article/details/108118544

 

缓存穿透：

　　

 

 

 解决方法：

一个一定不存在缓存及查询不到的数据，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。

解决方案：

（1）    对空值缓存：如果一个查询返回的数据为空（不管是数据是否不存在），我们仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过五分钟

（2）    设置可访问的名单（白名单）：使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问。

（3）    采用布隆过滤器：(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。)将所有可能存在的数据哈希到一个足够大的bitmaps中，一个一定不存在的数据会被 这个bitmaps拦截掉，从而避免了对底层存储系统的查询压力。

（4）   进行实时监控：当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务

 

  缓存击穿

　　

 

 

 解决方法：

　　

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。

解决问题：

（1）预先设置热门数据：在redis高峰访问之前，把一些热门数据提前存入到redis里面，加大这些热门数据key的时长

（2）实时调整：现场监控哪些数据热门，实时调整key的过期时长

（3）使用锁：

　　（1）    就是在缓存失效的时候（判断拿出来的值为空），不是立即去load db。

　　（2）    先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX） 去set一个mutex key

　　（3）    当操作返回成功时，再进行load db的操作，并回设缓存,最后删除mutex key；

　　（4）    当操作返回失败，证明有线程在load db，当前线程睡眠一段时间再重试整个get缓存的方法。

 

 

 

 

　缓存雪崩

　　　　问题描述

　　　　　　key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，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。

　　　　缓存雪崩与缓存击穿的区别在于这里针对很多key缓存，前者则是某一个key正常访问

　　　　

 

 

 　　　　　

 

 

 

解决方法：

　　缓存失效时的雪崩效应对底层系统的冲击非常可怕！

解决方案：

（1）   构建多级缓存架构：nginx缓存 + redis缓存 +其他缓存（ehcache等）

（2）   使用锁或队列：用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况

　　 （3）   设置过期标志更新缓存：记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存。

（4）   将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。

 

分布式锁

随着业务发展的需要，原单体单机部署的系统被演化成分布式集群系统后，由于分布式系统多线程、多进程并且分布在不同机器上，这将使原单机部署情况下的并发控制锁策略失效，单纯的Java API并不能提供分布式锁的能力。为了解决这个问题就需要一种跨JVM的互斥机制来控制共享资源的访问，这就是分布式锁要解决的问题！

分布式锁主流的实现方案：

　　1. 基于数据库实现分布式锁

　　2. 基于缓存（Redis等）

　　3. 基于Zookeeper

　　每一种分布式锁解决方案都有各自的优缺点：

　　　　1. 性能：redis最高

 

　　　　2. 可靠性：zookeeper最高

 

1. 基于数据库实现分布式锁

① 加锁

　　当我们需要给某个资源添加锁的时候，就插入一条数据

　　INSERT INTO database_lock(resource, description) VALUES (1, ‘lock’);

　　resource字段是唯一索引，多个请求请求添加同一条数据，那么其他的就会报错。

② 释放锁

　　释放锁时，删除当前条数据

　　DELETE FROM database_lock WHERE resource=1;

 

　　然后其他资源就可以再次添加去获取这个锁了。

特点

①没有失效时间

一旦释放锁的操作失败就会导致锁记录一直在数据库中，其它线程无法获得锁。这个缺陷也很好解决，比如可以做一个定时任务去定时清理。

②依赖数据库

这种锁的可靠性依赖于数据库。建议设置备库，避免单点，进一步提高可靠性。

③非阻塞

这种锁是非阻塞的，因为插入数据失败之后会直接报错，想要获得锁就需要再次操作。如果需要阻塞式的，可以弄个for循环、while循环之类的，直至INSERT成功再返回。

④非可重入

 

这种锁也是非可重入的，因为同一个线程在没有释放锁之前无法再次获得锁，因为数据库中已经存在同一份记录了。想要实现可重入锁，可以在数据库中添加一些字段，比如获得锁的主机信息、线程信息等，那么在再次获得锁的时候可以先查询数据，如果当前的主机信息和线程信息等能被查到的话，可以直接把锁分配给它。

 

2. 基于缓存（Redis等）

redis:命令

# set sku:1:info “OK” NX PX 10000

 

EX second ：设置键的过期时间为 second 秒。 SET key value EX second 效果等同于 SETEX key second value 。

PX millisecond ：设置键的过期时间为 millisecond 毫秒。 SET key value PX millisecond 效果等同于 PSETEX key millisecond value 。

NX ：只在键不存在时，才对键进行设置操作。 SET key value NX 效果等同于 SETNX key value 。

 

XX ：只在键已经存在时，才对键进行设置操作。

 

 

1. 多个客户端同时获取锁（setnx）

2. 获取成功，执行业务逻辑{从db获取数据，放入缓存}，执行完成释放锁（del）

3. 其他客户端等待重试

 

 

3. 基于Zookeeper

实现过程原理：

　　核心思想：当客户端要获取锁，则创建临时顺序节点，使用完锁，则删除该节点。

实现过程：

　　在Zookeeper当中创建一个持久节点Lock。当第一个客户端想要获得锁时，需要在Lock这个节点下面创建一个临时顺序节点 Lock1

　　之后，Client1查找Lock下面所有的临时顺序节点并比较排序，判断自己所创建的节点Lock1是不是序号最小的哪一个。如果是，则成功获得锁。

　　这时候，如果再有一个客户端 Client2 前来获取锁，则在Lock下载再创建一个临时顺序节点Lock2。

　　Client2查找Lock下面所有的临时顺序节点并排序，判断自己所创建的节点Lock2是不是序号最小的那个，结果发现节点Lock2并不是最小的。

　　于是，Client2向排序仅比它靠前的节点Lock1注册Watcher事件监听器，监听删除事件，用于监听Lock1节点是否存在。这意味着Client2抢锁失败，进入了等待状态。

　　  这时候，如果又有一个客户端Client3前来获取锁，则在Lock下载再创建一个临时顺序节点Lock3。

　　 Client3查找Lock下面所有的临时顺序节点并排序，判断自己所创建的节点Lock3是不是序号最小的那个，结果同样发现节点Lock3并不是最小的。

　　 于是，Client3向排序仅比它靠前的节点Lock2注册Watcher，用于监听Lock2节点是否存在。这意味着Client3同样抢锁失败，进入了等待状态。

　　这样一来，Client1得到了锁，Client2监听了Lock1，Client3监听了Lock2。这恰恰形成了一个等待队列，很像是Java当中ReentrantLock所依赖的。

 

 

 

1.1.1.    解决方案