redis其他-5

1 双写一致性，redis和mysql数据同步，方案

• 1 先更新数据库，再更新缓存（一般不用）
• 2 先删缓存，再更新数据库（在存数据的时候，请求来了，缓存不是最新的）
• 3 先更新数据库，再删缓存（推荐用）

2 缓存更新策略

• LRU/LFU/FIFO算法剔除
  • maxmemory-policy，超过最大内存，新的放不进去了，淘汰策略
  • LRU -Least Recently Used,没有被使用时间最长的（保证热点数据）
  • LFU -Least Frequenty User,一定时间段内使用次数最少的
  • FIFO -First In First Out，先进先出

3 如何保证redis中数据是最热的，配置lru的剔除算法

• 配置文件中：maxmemory-policy:volatile-lru

4 LFU配置 Redis4.0之后为maxmemory_policy淘汰策略添加了两个LFU模式

• 配置
  • maxmemory-policy:volatile-lfu
  • lfu-log-factor 10
  • lfu-decay-time 1
  • lfu-log-factor可以调整计数器counter的增长速度，lfu-log-factor越大，counter增长的越慢。
  • lfu-decay-time是一个以分钟为单位的数值，可以调整counter的减少速度

5 缓存粒度控制

使用Redis来做缓存，底层使用MySQL来做数据存储源，这种架构下大部分请求由Redis处理，少部分请求到达MySQL。从MySQL中获取一个用户的所有信息，然后缓存到Redis的数据结构中。

此时需要面对一个问题：缓存这个用户的所有数据信息，还是缓存用户需要的用户信息字段。
可以从三个角度来考虑：

（1）通用性：从通用性角度考虑，缓存全量属性更好。
因为当用户数据表字段发生改变时，不需要修改程序就可以直接同步修改之后的用户信息到Redis缓存中供用户使用，但是这样会占用更多的内存空间。

（2）占用空间：从占用空间的角度考虑，缓存部分属性更好。
因为当用户数据表字段发生改变时而用户需要这个字段信息时，就需要修改程序源代码来把修改之后的用户信息同步缓存到Redis中，这种情况下占用的内存空间比全量属性占用的内存空间要少。

（3）代码维护：从代码维护角度考虑，表面上缓存全量属性更好。
因为不管数据源中的数据表结构如何改变，都会把所有的数据同步到Redis缓存中，而不需要修改程序源代码，但是在大多数情况下，并不会使用到全量数据，只需要缓存需要的数据就可以了。因此从内存空间消耗及性能方面考虑，缓存部分属性更好

6 缓存穿透，缓存击穿，缓存雪崩

缓存穿透（恶意的）
描述：

缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求，如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大。

解决方案：

1 接口层增加校验，如用户鉴权校验，id做基础校验，id<=0的直接拦截；
2 从缓存取不到的数据，在数据库中也没有取到，这时也可以将key-value对写为key-null，缓存有效时间可以设置短点，如30秒（设置太长会导致正常情况也没法使用）。这样可以防止攻击用户反复用同一个id暴力攻击
3 通过布隆过滤器实现，mysql中所有数据都放到布隆过滤器，请求来了，先去布隆过滤器查，如果没有，表示非法，直接返回

缓存击穿

描述：

缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力

解决方案：
设置热点数据永远不过期。

缓存雪崩

描述：

缓存雪崩是指缓存中数据大批量到过期时间，而查询数据量巨大，引起数据库压力过大甚至down机。和缓存击穿不同的是，        缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。

解决方案：

1 缓存数据的过期时间设置随机，防止同一时间大量数据过期现象发生。
2 如果缓存数据库是分布式部署，将热点数据均匀分布在不同搞得缓存数据库中。
3 设置热点数据永远不过期。