Redis学习笔记(十一)：企业级解决方案-缓存预热、缓存雪崩、缓存击穿、缓存穿透、性能指标监控

Redis学习笔记系列

• Redis学习笔记(一)：下载与安装-Windows、Linux
• Redis学习笔记(二)：数据类型和通用操作命令
• Redis学习笔记(三)：Java连接Redis(Jedis)以及示例代码
• Redis学习笔记(四)：Redis持久化
• Redis学习笔记(五)：Redis事务-multi、exec、discard、锁、分布式锁、死锁
• Redis学习笔记(六)：删除策略、逐出算法
• Redis学习笔记(七)：redis高级数据类型及应用场景-Bitmaps、HyperLogLog、GEO
• Redis学习笔记(八)：redis主从复制-建立连接、数据同步、命令传播、复制缓冲区、复制偏移量、心跳机制
• Redis学习笔记(九)：哨兵模式-监控、通知、故障转移
• Redis学习笔记(十)：Redis集群-结构设计、集群搭建、集群操作、主从下线、主从切换
• Redis学习笔记(十一)：企业级解决方案-缓存预热、缓存雪崩、缓存击穿、缓存穿透、性能指标监控

缓存预热

• 问题： 服务器启动之后迅速宕机
• 问题排查：

1. 请求数据较高
2. 主从之间数据吞吐量较大，数据同步操作频度较高

• 解决方案：

• 前期准备工作：

1. 日常例行统计数据访问记录，统计访问频度较高的热点数据
2. 利用LRU数据删除策略，构建数据留存队列，例如：storm与Kafka配合
   准备工作：
3. 将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
4. 利用分布式多服务器同时进行数据读取，提速数据加载过程
   实施：
5. 使用脚本程序固定触发数据预热过程
6. 如果条件允许，使用CDN(内容分发网络)，效果会更好

• 总结：
  缓存预热就是系统启动前，提前将相关的数据直接加载到缓存系统中。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题，用户直接查询事先被预热的缓存数据。

缓存雪崩

• 问题：

1. 系统平稳运行过程中，忽然数据库连接量激增
2. 应用服务器无法及时处理请求
3. 大量408，500错误页面出现
4. 客户反复刷新页面获取数据
5. 数据库奔溃
6. 应用服务器奔溃
7. 重启应用服务器无效
8. Redis服务器奔溃
9. Redis集群奔溃
10. 重启数据库后再次被瞬间流量放倒

• 问题排查：

1. 在一个较短的时间内，缓存中较多的key集中过期
2. 此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
3. 数据库同时接收到大量的请求无法及时处理
4. redis大量请求被积压，开始出现超时的现象
5. 数据库流量激增，数据库奔溃
6. 重启后仍然面对缓存中无数据可用
7. redis服务器资源被严重占用，redis服务器奔溃
8. redis集群呈现奔溃，集群瓦解
9. 应用服务器无法及时得到数据响应请求，来自客户端的请求越来越多，应用服务器奔溃
10. 应用服务器，redis，数据库全部重启，效果不理想

• 解决方案：

1. 更多的页面静态化处理
2. 构建多级缓存架构：Nginx缓存+redis缓存+ehcache缓存
3. 检测mysql严重耗时业务进行优化：对数据库的瓶颈排查，例如超时查询，耗时较高事务等
4. 灾难预警机制：监控redis服务器性能指标：CPU占用，CPU使用等，内存容量，查询平均响应时间，线程数
5. 限流，降级：短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问
6. LRU与LFU切换
7. 数据有效期策略调整：根据业务数据有效期进行分类错峰 ，过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量
8. 超热数据使用永久key
9. 定期维护(自动+人工)：对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
10. 加锁：慎用

• 总结：
  缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力，如能够有效避免过期时间集中，可以有效解决雪崩现象的出现，配合其它策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整

缓存击穿

• 问题：

1. 系统平稳运行过程中
2. 数据库连接量瞬间激增
3. redis服务器无大量key过期
4. redis内存平稳，无波动
5. redis服务器CPU正常
6. 数据库奔溃

• 问题排查：

1. redis中某个key过期，该key访问量巨大
2. 多个数据请求从服务器直接压到redis后，均未命中
3. redis在短时间内发起了大量对数据库中同一数据的访问

• 问题分析：

1. 单个key高热数据
2. key过期

• 解决方案：

1. 预先设定：以电商为例，每个商家根据店铺等级，指定若干主打商品，在购物节期间，加大此类信息key的过期时长
2. 现场调整：监控访问量，对自然流量激增的数据延长过期时间或设置为永久key
3. 后台刷新数据：启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失
4. 二级缓存：设置不同的失效时间，保障不会被同时淘汰
5. 加锁：分布式锁，防止被击穿，但是要特别注意也是性能瓶颈，慎用

• 总结：
  缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数据库服务器造成压力，应对策略应该在业务数据分析与预防方面进行，配合进行监控测试与即时调整策略，毕竟单个key的过期监控难度较高，配合雪崩处理策略即可。

缓存穿透

• 问题：

1. 系统平稳运行过程中
2. 应用服务器流量随时间增量较大
3. redis服务器命中率随时间逐步降低
4. redis内存平稳，内存无压力
5. redis服务器CPU占用激增
6. 数据库服务器压力激增
7. 数据库奔溃

• 问题排查：

1. redis中大面积出现未命中
2. 出现非正常URL访问

• 问题分析：

1. 获取的数据在数据库中也不存在，数据库查询未得到对应数据
2. redis获取到null数据未进行持久化，直接返回
3. 下次此类数据到达重复上述过程
4. 出现黑客攻击服务器

• 解决方案：

1. 缓存null：对查询结果为null的数据进行缓存(长期缓存，定期删除)，设定短时限，例如30-60秒，最高5分钟
2. 白名单策略：提前预热各种分类数据id对应的bitmaps，id作为bitmaps的offset，相当于设置了数据白名单，当加载正常数据时，放行，加载异常数据时，直接拦截(效率偏低)，还可以使用布隆过滤器
3. 实施监控：实时监控redis命中率与null数据的占比，非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象；活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象；根据倍数不同，启动不同的排查流程，然后使用黑名单进行防控
4. key加密：问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验。例如每天随机分配60个加密串，挑选2-3个，混淆到页面数据id中，发现访问key不满足规则，驳回数据访问

• 总结：缓存击穿就是访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致数据库服务器造成压力，通常此类数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警，应对策略应该在临时预案防范方面多做文章，无论黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除

性能指标监控

• 性能指标：Performance
• 内存指标：Memory
• 基本活动指标：Basic activity
• 持久性指标：Persistence
• 错误指标：Error

性能指标：Performance

Name	Description
latency	redis响应一个请求的时间
instantaneous_ops_per_sec	平均每秒处理请求总数
hit rate(calculated)	缓存命中率(计算出来的)

内存指标：Memory

Name	Description
used_memory	已使用内存
mem_fragmentation_ratio	内存碎片率
evicted_keys	由于最大内存限制被移除的key的数量
blocked_clients	由于BLPOP，BRPOP，or BRPOPLPUSH而被阻塞的客户端

基本活动指标：Basic activity

Name	Description
connected_clients	客户连接数
connect_slaves	slave的数量
master_last_io_seconds_ago	最近一次主从交互之后的秒数
keyspace	数据库中的key的值总数

持久性指标：Persistence

Name	Description
rdb_last_save_time	最后一次持久化保存到磁盘的时间戳
rdb_changes_since_last_save	自最后一次持久化以来数据库的更改数

错误指标：Error

Name	Description
rejected_connections	由于达到maxclient限制而被拒绝的连接数
keyspace_misses	key值查找失败(没有命中)次数
master_link_down_since_seconds	主从断开的持续时间(以秒为单位)

监控方式

• 工具

• Cloud Insight Redis
• Prometheus
• Redis-stat
• Redis-faina
• RedisLive
• zabbix

• 命令

• benchmark

redis-benchmark [-h] [-p] [-c] [-n ] [-k]

• 范例 redis-benchmark ： 50个连接，10000次请求对应的性能
• 范例redis-benchmark -c 100 -n 5000：100个连接，5000次请求对应的性能

• redis cli： monitor | showlog

monitor

showlog
showlog [operator]

• get：获取慢查询日志
• len：获取慢查询日志条目数
• reset：重置慢查询日志
  相关配置
• showlog-log-slower-than 1000 # 设置慢查询的时间下线，单位：微秒
• showlog-max-len 100 # 设置慢查询命令对应的日志显示长度，单位：命令数

---

- 捐赠 -

---

如果觉得还不错，请我喝杯水吧 ^ _ ^ 您的鼓励是我不断前进的动力

支付宝	微信