- 雪崩
- 大量数据同时过期
- Redis故障宕机
- 击穿
- 穿透
用户的数据一般都是存储在数据库中,数据库的数据是落在磁盘上的,而磁盘的读写速度特!别!慢!
如果用户直接访问数据库,而且请求数量特!别!多!数据库就容易崩溃,所以为了避免直接访问数据库,会中Redis作为缓存层。
Redis是内存数据库,读写速度比硬盘快,提高了系统性能。
为了保证缓存、数据库的数据一致性,会给Redis数据设置过期时间,如果过期了,用户在缓存找不到,因此会访问数据库,然后更新到Redis里。
如果大量数据同时过期,或者Redis故障宕机,那么大量请求在缓存中找不到数据,都会直接访问数据库,数据库就会崩溃。这就是雪崩~~
理解:雪崩发生的时候,没有一片雪花是无辜的。数据库崩溃的时候,没有一个请求时无辜的。
造成雪崩的原因有两个:
- 大量数据同时过期
- Redis故障宕机
不用诱因,应对策略也不同。
大量数据同时过期解决方法如下几种:
- 均匀设置过期时间
- 互斥锁
- 双key策略
- 后台更新缓存
- 均匀设置过期时间
给数据的过期时间加个随机数,保证不会同时过期。 - 互斥锁
业务线程处理用户请求的时候,如果发现数据不在Redis,就加个互斥锁,保证同一时间只能有一个请求构建缓存(从数据库读取数据,在更新到Redis里)。
实现互斥锁的时候,最好设置超时时间,不然万一请求拿到锁了,一直阻塞,就会阻碍其他请求拿锁。 - 双key策略
主key设置过期时间,备key不设置过期时间。主key和备key不同,但对应的value值相同。
如果主key数据无了,就访问备key数据,等更新缓存的时候,同时更新主、备key数据。 - 后台更新缓存
业务线程不更新缓存,且缓存“永久有效”(内存紧张的时候,有些数据会被淘汰),由后台线程定时更新。
如果数据被淘汰了,且后台还没来得及更新,解决方式两种:
**第一种方式:**后台线程不仅定时更新,且频繁检测缓存是否有效,失效就读数据库,更新缓存。
**第二种方式:**业务线程发现缓存失效,通过消息队列发送一条消息,通知后台线程更新缓存。后台线程收到消息,先看缓存是否有该数据,有就不更新缓存数据,无就读数据库,加载到缓存。
Redis故障宕机后台更新缓存机制,可用于“缓存预热”,即业务开始前,应先把数据缓存好。而不是临时去数据库里找,然后更新缓存。
应对方法两种:
- 服务熔断、请求限流
- 构建Redis高可靠集群
- 服务熔断或请求限流
服务熔断:暂停对缓存的访问,直接返回错误。不用访问数据库,降低数据库压力。Redis正常再开启缓存服务。
请求限流:少部分请求发送到数据库进行处理,再多的请求就拒绝服务。 - 构建Redis高可靠集群
如果Redis的主节点故障了,就把从节点切换成主节点,继续提供服务。
击穿:秒杀活动,某个热点数据过期,缓存找不到,大量请求会直接访问数据库,数据库崩溃。
解决方式与雪崩类似:
- 互斥锁方案
- 不给热点数据设置过期时间,后台异步更新缓存;或者热点数据过期前,通知后台更新缓存以及重新设置过期时间。
雪崩、击穿:数据不在缓存,但在数据库里,大量请求从数据库读取数据,造成数据库崩溃。
穿透:数据不在缓存,也不在数据库里
理解:穿透了数据库,也找不到数据
穿透原因:
- 误删数据,导致缓存、数据库都没有该数据了
- 黑客恶意攻击,故意大量读取不存在的数据
应对方案:
- 限制非法请求
- 缓存空值或者默认值
- 查询数据库之前,先用布隆过滤器判断数据是否存在。
- 限制非法请求
访问缓存、数据库前,先判断请求参数是否合理,有没有非法值,请求字段是否存在。是就返回错误,不允许访问缓存、数据库。 - 缓存空值或者默认值
缓存缺失数据,返回空值、默认值,避免进一步访问数据库。 - 布隆过滤器判断数据是否存在
布隆过滤器工作流程:
布隆过滤器由初始值全为0的数组和n个哈希函数构成。
1 使用n个哈希函数,对数据做哈希计算,得到n个哈希值
2 n个哈希值对数组长度取模,得到每个哈希值在数组的对应位置
3 每个哈希值在数组对应位置设置为1
数据写入数据库的时候,使用布隆过滤器做以上标记。然后业务线程发现缓存失败了,就查询布隆过滤器,看数据在数据库中是否存在,如果不存在,就不用直接查询数据库了,给数据库减小压力。
若哈希值对应位置全为1,代表数据可能存在(因为别的数据可能在该位置也设为1了),查询位置有一个0,代表一定不存在。
巨人肩膀:
小林coding



