读缓存：三问题总结

目录

读缓存时可能遇到的问题

一、缓存穿透：

1、问题出现场景

2、解决方案

①、布隆过滤器(Bloom Filter)

②、空值缓存

3、解决方案详细实践

①、BloomFilter

②、空值缓存：

二、缓存雪崩：

1、问题出现场景

2、解决方案

三、缓存击穿：

1、问题出现场景

2、解决方案

---

读缓存时可能遇到的问题

老生常谈的话题了，我这里写不是为了别的，也没有什么独特的见解（也许以后会有），我只是想总结下，整理下这部分的实践点，知识点，便于以后遇到此类问题，有个方便查看的解决方案。所以该文章会详细，全面的分析三读缓存的问题，并在下篇文章会详细分析写缓存的问题。

一、缓存穿透：

1、问题出现场景

什么情况下会出现缓存穿透呢？其实很多文章都会先说一下，嗯不例外我也会描述。哈哈哈！！！

缓存穿透是指查询一个一定不存在的数据，因为在缓存中也无该数据的信息，则系统会跳过缓存直接访问数据库，而对于高并发，高吞吐量的系统来说，无疑缓存失效了，同时对数据库上了一个高负载的debuff，显而易见的是数据库的读效率是比不过缓存的，那么很有可能造成数据库崩溃从而影响系统发生故障。当然，一般情况下，数据库的架构一般会搭建HA数据库，怕的就是恶意攻击。

2、解决方案

①、布隆过滤器(Bloom Filter)

②、空值缓存

3、解决方案详细实践

①、BloomFilter

• 实现原理：假设有10条url，我们可以创建一个100bit位的数组，将URL分别用5个hash算法进行hash，将得到的5个hash值存入数组，如果我们需要判断url是否已经存在，则可通过一次判断url这5此hash算法的hash值是否为1，如果都为一，则说明url已存在，反之如果有任何一个不为1，那么说明这个url不存在。但是当数据量大到一定程度，会存在url的5次hash结果都为1，但其实该url不存在的场景。

• 算法核心思想：
  • 使用多个hash算法，从而减少hash的碰撞率，此处可以借鉴HashMap的hash算法；
  • 扩大数组范围，使hash值分布均匀，减少hash碰撞率。

②、空值缓存：

一种比较简单的解决办法，在第一次查询完不存在的数据后，将该key与对应的空值也放入缓存中，只不过设定为较短的失效时间，例如几分钟，这样则可以应对短时间的大量的该key攻击，设置为较短的失效时间是因为该值可能业务无关，存在意义不大，且该次的查询也未必是攻击者发起，无过久存储的必要，故可以早点失效。

二、缓存雪崩：

1、问题出现场景

在普通的缓存系统中一般例如redis、memcache等中，我们会给缓存设置一个失效时间，但是如果所有的缓存的失效时间相同，那么在同一时间失效时，所有系统的请求都会发送到数据库层，数据库可能无法承受如此大的压力导致系统崩溃。

2、解决方案

解决问题的方法，就是针对问题所在给出合理方案，雪崩的问题在于缓存失效的时间段，大量的并发对持久层造成了严重负载，导致系统崩溃，那么针对缓存失效，可以给出以下一些方案：

• 在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。
• 可以通过缓存reload机制，预先去更新缓存，在即将发生大并发访问前手动触发加载缓存。
• 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。
• 做二级缓存，或者双缓存策略。A1为原始缓存，A2为拷贝缓存，A1失效时，可以访问A2，A1缓存失效时间设置为短期，A2设置为长期。

三、缓存击穿：

1、问题出现场景

缓存击穿实际上是缓存雪崩的一个特例，大家使用过微博的应该都知道，微博有一个热门话题的功能，用户对于热门话题的搜索量往往在一些时刻会大大的高于其他话题，这种我们成为系统的“热点“，由于系统中对这些热点的数据缓存也存在失效时间，在热点的缓存到达失效时间时，此时可能依然会有大量的请求到达系统，没有了缓存层的保护，这些请求同样的会到达数据库从而可能引起故障。击穿与雪崩的区别即在于击穿是对于特定的热点数据来说，而雪崩是全部数据。

2、解决方案