redis的缓存的使用,极大的提升了应用程序的性能和效率,特别是数据查询当面,但同时,它也带来了一些问题,其中最主要的问题就是数据一致性问题,从严格意义上讲,这个问题没有解决办法,如果对数据的一致性要求很高,那么不能使用缓存。
另一个典型的问题就是,缓存穿透,缓存雪崩和缓存击穿,目前业界也都有比较流行的解决方案。
缓存穿透:(查不到导致的)
但是如果你在缓存中没有存用户2 ,数据库中也没有存储用户2 ,当缓存中没有的时候,这个时候就会一直到数据库中去查询用户2,就会对数据库的正常时候造成非常大的压力,这种情况就是缓存穿透。
解决方案:
方法一:添加空的数据
当缓存和数据库种都没有数据的时候,往缓存中去添加一个值为空的数据,但是当空的数据太多的时候,也会对我们的redis性能造成影响,同时如果当存储层有有了数据,此时缓存中的空数据会与存储层中的数据不一致,会对业务的一致性产生影响。
方法二:布隆过滤器
布隆过滤器是一种数据结构,对所有可能查询的参数以hash形式存储,在控制层先进行校验,不符合则丢弃,从而避免了对底层存储系统的查询压力。
缓存击穿:(查的太多在缓存过期的时候的空档期会出现)
缓存穿透与缓存击穿不同,缓存击穿是指一个key非常热点,在不停的抗着大并发,大并发集中对中一个点进行访问,当这个key在失效的瞬间,持续的大并发就会穿破缓存,直接请求数据库,就像是在墙上凿了一个洞。
当某个key在过期的瞬间,有大量的请求并发访问,这类数据一般是热点数据,由于缓存过期,会同时访问数据库来查询最新的数据,并且回写缓存,会导致数据库瞬间压力过大。
解决方案:
方式一:设置数据永不过期
设置热点数据永不过期,从缓存层面来看,没有设置过期时间,所以不会出现热点key过期后产生的问题
方式二:加互斥锁
分布式锁:使用分布式锁,保证对于每个key同时只有一个线程去查询后端服务,其他线程没有获得分布式锁的权限,因此只需要等待即可,这种方式将高并发的压力转移到了分布式锁,因此对分布式锁的考验非常大。
缓存雪崩:
是指某一个时间段,缓存集中过期失效,例如redis宕机。
比如说双12抢购,商品时间比较集中放到了redis种,假设缓存时间一小时,那么到了凌晨一点的时候,这批商品的缓存就会过期,而对商品的访问查询都会落到数据库上,对于数据库而言,就会产生周期性的压力波峰,于是所有的请求达到存储层,存储层的调用量会暴增,会造成存储层也会挂掉。
缓存集中过期不是最致命的,比较致命的是缓存服务器某个节点宕机或断网,集中过期一定会在某个时间段内集中创建缓存,这种情况数据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,对数据服务器造成的压力是不可预知的,很可能瞬间会把数据压垮。
解决方案:
实现redis高可用,这个思想的含义是,redis既然有可能会挂掉,那我多设置几台redis,这样一台挂掉之后,其他的还是可以继续工作,其实就是搭建集群和异地多活
方式一:限流降级:
限流降级和服务降级都是可以解决这种问题,缓存服务降级的目的是保证核心服务的可用。还可以使用限流降级的办法在缓存失效后,通过加锁或者队列来控制读数据写缓存的线程数量,比如某个key只允许一个线程查收数据和写缓存,其他线程等待。
方式二:数据预热
数据加热的含义就是在正式部署之前,我先把可能的数据先预先访问一遍,这样部分可能大量访问的数据就会加载到缓存种,在即将发生大并发访问前首当触发加载缓存不同的key,设置不同的过期时间,让缓存失效的时间点尽量均匀。