Redis缓存击穿、缓存穿透、缓存雪崩原理及解决方案

一.前言

• Redis缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。但同时，它也带来了一些问题。其中，最要害的问题，就是数据的一致性问题，从严格意义上讲，这个问题无解
• 如果对数据的一致性要求很高，那么就不能使用缓存。在缓存使用的过程中也存在一些典型的问题：缓存击穿、缓存穿透、缓存雪崩。

二.缓存击穿

（1）概念

• 缓存击穿：大并发集中对某一数据进行访问，并且缓存中不存在访问的数据（第一次访问或者缓存过期)，持续的大并发就穿破缓存，直接请求数据库。

（2）如何解决

• 双重检测锁机制（提升效率）

//ItemService
public Item queryItemById(String itemId){
    Item item = itemCacheHander.getItemFromCache(itemId);
    if(item == null) {
        synchronized (this) {
            item = itemCacheHander.getItemFromCache(itemId);
            if (item == null) {
                System.out.println("‐‐‐‐‐‐‐‐‐‐‐‐‐‐查询数据库");
                item = itemDAO.queryItem(itemId);
                itemCacheHander.addItemToCache(item);
            }
        }
    }
    return item;
}

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
 

• 步骤小结：
• ①高并发情况下，当第一次访问的时候先从缓存数据库中查询，如果为空
• ②同步锁锁住
• ③再次从缓存中查询是否为空（这里只有第一个到达的访问会继续进行下一步，因为缓存中没有）
• ④第一个到达的访问会从再次判断为空，从数据库中查询，查询完结果放入缓存当中
• ⑤从第二个当达的访问开始每一个都可以从缓存中查取
• ⑥从而避免大量访问同时进入导致数据库崩掉的情况。

补充：synchronized 关键字，代表这个方法加锁,相当于不管哪一个线程（例如线程A），运行到这个方法时,都要检查有没有其它线程B（或者C、 D等）正在用这个方法(或者该类的其他同步方法)，有的话要等正在使用synchronized方法的线程B（或者C 、D）运行完这个方法后再运行此线程A,没有的话,锁定调用者,然后直接运行。

三.缓存穿透

（1）概念

• 缓存穿透，是指查询一个数据库不存在的数据。首先查询缓存，缓存中不存在则查询数据库，数据查询到的数据依然为空，设置到缓存中也为空；因此后续所有对次数据的查询都会先查询缓存，缓存不存在继而又查询数据库。

• 案例：（想象一下这个情况，如果传入的参数为-1，会是怎么样？这个-1，就是一定不存在的对象。就会每次都去查询数据库，而每次查询都是空，每次又都不会进行缓存。假如有恶意攻击，就可以利用这个漏洞，对数据库造成压力，甚至压垮数据库。）

（2）如何解决

• 即使数据库查询为空，也向缓冲中写入非空值

解决缓存穿透的思路就是：如果从数据库查询的对象为空，也放入缓存，只是设定的缓存过期时间较短，比如设置为60秒。

• ItemCacheHandler（缓存帮助类）

/**
 * 存缓存
 * @param item
 */
public void addItemToCacheEx(Item item){
    String json = new Gson().toJson(item);
    //设置过期时间
    redisTemplate.boundValueOps("item‐"+item.getItemId()).set(json,5);
}

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
 

• ItemService

//查询操作
public Item queryItemById(String itemId){
    Item item = itemCacheHander.getItemFromCache(itemId);
    if(item == null) {
        synchronized (this) {
            item = itemCacheHander.getItemFromCache(itemId);
            if (item == null) {
                System.out.println("‐‐‐‐‐‐‐‐‐‐‐‐‐‐查询数据库");
                item = itemDAO.queryItem(itemId);
                // 如果从数据库查询信息为null，则创建一个对象写入到缓冲，并设置过期时间
                if(item == null) {
                    item = new Item();
                    item.setItemId(itemId);
                    itemCacheHander.addItemToCacheEx(item);
                }else {
                    itemCacheHander.addItemToCache(item);
                }
            }
        }
    }
    return item;
}

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
 

• 步骤小结
• ①高并发大量访问进来，先从缓存中查取若为空
• ②同步锁从缓存中再次查如为空
• ③执行从数据库中查询
• ④如果从数据库查询信息为null，则创建一个对象写入到缓冲，并设置过期时间
• ⑤返回结果

四.缓存雪崩

（1）概念

• 缓存雪崩，是指在某一个时间段，缓存集中过期失效，则大量的并发访问查询都落到了数据库上。
• 案例：例如马上就要到双十一零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨一点钟的时候，这批商品的缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。

（2）如何解决

• 1.一般是采取不同分类商品，缓存不同周期。在同一分类中的商品，加上一个随机因子。这样能尽可能分散缓存过期时间，而且，热门类目的商品缓存时间长一些，冷门类目的商品缓存时间短一些，也能节省缓存服务的资源

其实集中过期，倒不是非常致命，比较致命的缓存雪崩，是缓存服务器某个节点宕机或断网。因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，那么那个时候数据库能顶住压力，这个时候，数据库也是可以顶住压力的。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间就把数据库压垮。

• 2.如果缓存数据库是分布式，可以将热点数据均匀随机分布在不同的缓存数据库中，对于热点数据可以设置不过期等.

Please enjoy the pain which is unable to avoid.

2020.03.06

文章来源: blessing.blog.csdn.net，作者：辰兮要努力，版权归原作者所有，如需转载，请联系作者。

原文链接：blessing.blog.csdn.net/article/details/104693904