Redis 缓存穿透,缓存击穿,缓存雪崩的解决方案分析
设计一个缓存系统,不得不要考虑的问题就是:缓存穿透、缓存击穿与失效时的雪崩效应。
一.什么样的数据适合缓存?
分析一个数据是否适合缓存,我们要从访问频率、读写比例、数据一致性等要求去分析.
二.什么是缓存击穿
在高并发下,多线程同时查询同一个资源,如果缓存中没有这个资源,那么这些线程都会去数据库查找,对数据库造成极大压力,缓存失去存在的意义.打个比方,数据库是人,缓存是防弹衣,子弹是线程,本来防弹衣是防止子弹打到人身上的,但是当防弹衣里面没有防弹的物质时,子弹就会穿过它打到人身上.
三.缓存击穿的解决办法
方案一
后台刷新
后台定义一个job(定时任务)专门主动更新缓存数据.比如,一个缓存中的数据过期时间是30分钟,那么job每隔29分钟定时刷新数据(将从数据库中查到的数据更新到缓存中).
- 这种方案比较容易理解,但会增加系统复杂度。比较适合那些 key 相对固定,cache 粒度较大的业务,key 比较分散的则不太适合,实现起来也比较复杂。
方案二
检查更新
将缓存key的过期时间(绝对时间)一起保存到缓存中(可以拼接,可以添加新字段,可以采用单独的key保存..不管用什么方式,只要两者建立好关联关系就行).在每次执行get操作后,都将get出来的缓存过期时间与当前系统时间做一个对比,如果缓存过期时间-当前系统时间<=1分钟(自定义的一个值),则主动更新缓存.这样就能保证缓存中的数据始终是最新的(和方案一一样,让数据不过期.)
- 这种方案在特殊情况下也会有问题。假设缓存过期时间是12:00,而 11:59
到 12:00这 1 分钟时间里恰好没有 get 请求过来,又恰好请求都在 11:30 分的时
候高并发过来,那就悲剧了。这种情况比较极端,但并不是没有可能。因为“高
并发”也可能是阶段性在某个时间点爆发。
方案三
分级缓存
采用 L1 (一级缓存)和 L2(二级缓存) 缓存方式,L1 缓存失效时间短,L2 缓存失效时间长。 请求优先从 L1 缓存获取数据,如果 L1缓存未命中则加锁,只有 1 个线程获取到锁,这个线程再从数据库中读取数据并将数据再更新到到 L1 缓存和 L2 缓存中,而其他线程依旧从 L2 缓存获取数据并返回。
- 这种方式,主要是通过避免缓存同时失效并结合锁机制实现。所以,当数据更
新时,只能淘汰 L1 缓存,不能同时将 L1 和 L2 中的缓存同时淘汰。L2 缓存中
可能会存在脏数据,需要业务能够容忍这种短时间的不一致。而且,这种方案
可能会造成额外的缓存空间浪费。
方案四
加锁
方法1
-
// 方法1:
-
public synchronized List<String> getData01() {
-
List<String> result = new ArrayList<String>();
-
// 从缓存读取数据
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
// 从数据库查询数据
-
result = getDataFromDB();
-
// 将查询到的数据写入缓存
-
setDataToCache(result);
-
}
-
return result;
-
}
- 这种方式确实能够防止缓存失效时高并发到数据库,但是缓存没有失效的时候,在从缓存中拿数据时需要排队取锁,这必然会大大的降低了系统的吞吐量.
方法2
-
// 方法2:
-
static Object lock = new Object();
-
public List<String> getData02() {
-
List<String> result = new ArrayList<String>();
-
// 从缓存读取数据
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
synchronized (lock) {
-
// 从数据库查询数据
-
result = getDataFromDB();
-
// 将查询到的数据写入缓存
-
setDataToCache(result);
-
}
-
}
-
return result;
-
}
- 这个方法在缓存命中的时候,系统的吞吐量不会受影响,但是当缓存失效时,请求还是会打到数据库,只不过不是高并发而是阻塞而已.但是,这样会造成用户体验不佳,并且还给数据库带来额外压力.
方法3
-
//方法3
-
public List<String> getData03() {
-
List<String> result = new ArrayList<String>();
-
// 从缓存读取数据
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
synchronized (lock) {
-
//双重判断,第二个以及之后的请求不必去找数据库,直接命中缓存
-
// 查询缓存
-
result = getDataFromCache();
-
if (result.isEmpty()) {
-
// 从数据库查询数据
-
result = getDataFromDB();
-
// 将查询到的数据写入缓存
-
setDataToCache(result);
-
}
-
}
-
}
-
return result;
-
}
双重判断虽然能够阻止高并发请求打到数据库,但是第二个以及之后的请求在命中缓存时,还是排队进行的.比如,当30个请求一起并发过来,在双重判断时,第一个请求去数据库查询并更新缓存数据,剩下的29个请求则是依次排队取缓存中取数据.请求排在后面的用户的体验会不爽.
方法4
-
static Lock reenLock = new ReentrantLock();
-
public List<String> getData04() 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("我拿到锁了,从DB获取数据库后写入缓存");
-
// 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 {
-
result = getDataFromCache();// 先查一下缓存
-
if (result.isEmpty()) {
-
System.out.println("我没拿到锁,缓存也没数据,先小憩一下");
-
Thread.sleep(100);// 小憩一会儿
-
return getData04();// 重试
-
}
-
}
-
}
-
return result;
-
}
- 最后使用互斥锁的方式来实现,可以有效避免前面几种问题.
缓存穿透
缓存穿透是指查询一个一定不存在的数据,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。在流量大时,可能DB就挂掉了,要是有人利用不存在的key频繁攻击我们的应用,这就是漏洞。
解决方案
有很多种方法可以有效地解决缓存穿透问题,最常见的则是采用布隆过滤器,将所有可能存在的数据哈希到一个足够大的bitmap中,一个一定不存在的数据会被 这个bitmap拦截掉,从而避免了对底层存储系统的查询压力。另外也有一个更为简单粗暴的方法(我们采用的就是这种),如果一个查询返回的数据为空(不管是数 据不存在,还是系统故障),我们仍然把这个空结果进行缓存,但它的过期时间会很短,最长不超过五分钟。
缓存雪崩
缓存雪崩是指在我们设置缓存时采用了相同的过期时间,导致缓存在某一时刻同时失效,请求全部转发到DB,DB瞬时压力过重雪崩。
解决方案
缓存失效时的雪崩效应对底层系统的冲击非常可怕。大多数系统设计者考虑用加锁或者队列的方式保证缓存的单线 程(进程)写,从而避免失效时大量的并发请求落到底层存储系统上。这里分享一个简单方案就时讲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。
缓存击穿
对于一些设置了过期时间的key,如果这些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,这个和缓存雪崩的区别在于这里针对某一key缓存,前者则是很多key。
缓存在某个时间点过期的时候,恰好在这个时间点对这个Key有大量的并发请求过来,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。
解决方案
1.使用互斥锁(mutex key)
业界比较常用的做法,是使用mutex。简单地来说,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,而是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或者Memcache的ADD)去set一个mutex key,当操作返回成功时,再进行load db的操作并回设缓存;否则,就重试整个get缓存的方法。
SETNX,是「SET if Not eXists」的缩写,也就是只有不存在的时候才设置,可以利用它来实现锁的效果。在redis2.6.1之前版本未实现setnx的过期时间,所以这里给出两种版本代码参考:
-
//2.6.1前单机版本锁
-
String get(String key) {
-
String value = redis.get(key);
-
if (value == null) {
-
if (redis.setnx(key_mutex, "1")) {
-
// 3 min timeout to avoid mutex holder crash
-
redis.expire(key_mutex, 3 * 60)
-
value = db.get(key);
-
redis.set(key, value);
-
redis.delete(key_mutex);
-
} else {
-
//其他线程休息50毫秒后重试
-
Thread.sleep(50);
-
get(key);
-
}
-
}
-
}
最新版本代码:
-
public String get(key) {
-
String value = redis.get(key);
-
if (value == null) { //代表缓存值过期
-
//设置3min的超时,防止del操作失败的时候,下次缓存过期一直不能load db
-
if (redis.setnx(key_mutex, 1, 3 * 60) == 1) { //代表设置成功
-
value = db.get(key);
-
redis.set(key, value, expire_secs);
-
redis.del(key_mutex);
-
} else { //这个时候代表同时候的其他线程已经load db并回设到缓存了,这时候重试获取缓存值即可
-
sleep(50);
-
get(key); //重试
-
}
-
} else {
-
return value;
-
}
-
}
memcache代码:
-
if (memcache.get(key) == null) {
-
// 3 min timeout to avoid mutex holder crash
-
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
-
value = db.get(key);
-
memcache.set(key, value);
-
memcache.delete(key_mutex);
-
} else {
-
sleep(50);
-
retry();
-
}
-
}
2. "提前"使用互斥锁(mutex key):
在value内部设置1个超时值(timeout1), timeout1比实际的memcache timeout(timeout2)小。当从cache读取到timeout1发现它已经过期时候,马上延长timeout1并重新设置到cache。然后再从数据库加载数据并设置到cache中。伪代码如下:
-
v = memcache.get(key);
-
if (v == null) {
-
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
-
value = db.get(key);
-
memcache.set(key, value);
-
memcache.delete(key_mutex);
-
} else {
-
sleep(50);
-
retry();
-
}
-
} else {
-
if (v.timeout <= now()) {
-
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
-
// extend the timeout for other threads
-
v.timeout += 3 * 60 * 1000;
-
memcache.set(key, v, KEY_TIMEOUT * 2);
-
-
// load the latest value from db
-
v = db.get(key);
-
v.timeout = KEY_TIMEOUT;
-
memcache.set(key, value, KEY_TIMEOUT * 2);
-
memcache.delete(key_mutex);
-
} else {
-
sleep(50);
-
retry();
-
}
-
}
-
}
3. "永远不过期":
这里的“永远不过期”包含两层意思:
(1) 从redis上看,确实没有设置过期时间,这就保证了,不会出现热点key过期问题,也就是“物理”不过期。
(2) 从功能上看,如果不过期,那不就成静态的了吗?所以我们把过期时间存在key对应的value里,如果发现要过期了,通过一个后台的异步线程进行缓存的构建,也就是“逻辑”过期
从实战看,这种方法对于性能非常友好,唯一不足的就是构建缓存时候,其余线程(非构建缓存的线程)可能访问的是老数据,但是对于一般的互联网功能来说这个还是可以忍受。
-
String get(final String key) {
-
V v = redis.get(key);
-
String value = v.getValue();
-
long timeout = v.getTimeout();
-
if (v.timeout <= System.currentTimeMillis()) {
-
// 异步更新后台异常执行
-
threadPool.execute(new Runnable() {
-
public void run() {
-
String keyMutex = "mutex:" + key;
-
if (redis.setnx(keyMutex, "1")) {
-
// 3 min timeout to avoid mutex holder crash
-
redis.expire(keyMutex, 3 * 60);
-
String dbValue = db.get(key);
-
redis.set(key, dbValue);
-
redis.delete(keyMutex);
-
}
-
}
-
});
-
}
-
return value;
-
}
4. 资源保护:
采用netflix的hystrix,可以做资源的隔离保护主线程池,如果把这个应用到缓存的构建也未尝不可。
四种解决方案:没有最佳只有最合适
解决方案 | 优点 | 缺点 |
简单分布式互斥锁(mutex key) |
1. 思路简单 2. 保证一致性 |
1. 代码复杂度增大 2. 存在死锁的风险 3. 存在线程池阻塞的风险 |
“提前”使用互斥锁 | 1. 保证一致性 | 同上 |
不过期(本文) |
1. 异步构建缓存,不会阻塞线程池 |
1. 不保证一致性。 2. 代码复杂度增大(每个value都要维护一个timekey)。 3. 占用一定的内存空间(每个value都要维护一个timekey)。 |
资源隔离组件hystrix(本文) |
1. hystrix技术成熟,有效保证后端。 2. hystrix监控强大。
|
1. 部分访问存在降级策略。 |
总结
针对业务系统,永远都是具体情况具体分析,没有最好,只有最合适。
最后,对于缓存系统常见的缓存满了和数据丢失问题,需要根据具体业务分析,通常我们采用LRU策略处理溢出,Redis的RDB和AOF持久化策略来保证一定情况下的数据安全。
参考文档: https://blog.csdn.net/zeb_perfect/article/details/54135506