Redis 缓存穿透、缓存击穿、缓存雪崩

目录

  • 缓存穿透
    • 解决方法
      • 方法1:缓存空对象
      • 方法2:布隆过滤器
  • 缓存击穿
    • 解决方法
  • 缓存雪崩
    • 解决方法

缓存穿透

缓存穿透是指当用户在查询一条数据的时候,而此时数据库和缓存却没有关于这条数据的任何记录,而这条数据在缓存中没找到就会向数据库请求获取数据。用户拿不到数据时,就会一直发请求,查询数据库,这样会对数据库的访问造成很大的压力。

如:用户查询一个 id = -1 的商品信息,一般数据库 id 值都是从 1 开始自增,很明显这条信息是不在数据库中,当没有信息返回时,会一直向数据库查询,给当前数据库的造成很大的访问压力。

缓存穿透的发生一般是受到 “黑客攻击” 所导致的,所以应该进行监控,如果真的是黑客攻击,及时添加黑名单。

解决方法

方法1:缓存空对象从缓存出发,如果当前MySQL数据库不存在的信息,在redis中把它缓存成一个空对象,返回给用户。(代码维护简单,但是效果不是很好)。
方法2:Redis 也为我们提供了一种解决方案,那就是布隆过滤器(代码维护比较复杂,效果挺好的)。

方法1:缓存空对象

缓存空对象就是指一个请求发送过来,如果此时缓存中和数据库都不存在这个请求所要查询的相关信息,那么数据库就会返回一个空对象,并将这个空对象和请求关联起来存到缓存中,当下次还是这个请求过来的时候,这时缓存就会命中,就直接从缓存中返回这个空对象,这样可以减少访问数据库的压力,提高当前数据库的访问性能。流程如下图所示:

在这里插入图片描述


但是这会有一个问题:如果大量不存在的请求过来,那么这时候缓存中会缓存许多空对象,如果时间一长,会导致缓存中存在大量空对象,这样不仅会占用许多的内存空间,还会浪费许多资源!

有没有什么可以解决的方法呢?

可以将这些对象在一段时间之后清理下不就可以了吗 , Redis 给我们提供了有关过期时间的命令,这样我们就可以设置空对象的时候顺便设置一个过期时间,就可以解决个问题了!

setex key seconds valule:设置键值对的同时指定过期时间(s)
redisCache.put(Integer.toString(id), null, 60) //过期时间为 60s

方法2:布隆过滤器

布隆过滤器是用来过滤东西的,它是一种基于概率的数据结构,主要判断当前某个元素是否在该集合中,运行速度快。

布隆过滤器的巨大用处就是,能够迅速判断一个元素是否在一个集合中。因此他有如下三个使用场景:

  • 网页爬虫对URL的去重,避免爬取相同的URL地址
  • 反垃圾邮件,从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱(同理,垃圾短信)
  • 缓存穿透,将所有可能存在的数据缓存放到布隆过滤器中,当黑客访问不存在的缓存时迅速返回避免缓存及DB挂掉。

布隆过滤器可以简单理解为是一个不怎么精确的 set 结构(set 具有去重的效果)

但是有个小问题是:当使用它的 contains 方法去判断某个对象是否存在时,它可能会误判。也就是说布隆过滤器不是特别精确,但是只要参数设置的合理,它的精确度可以控制的相对足够精确,只会有小小的误判概率(这是可以接受的呀)。

当布隆过滤器说某个值存在时,这个值可能不存在;当它说不存在时,那就肯定不存在

布隆过滤器特点:

  1. 一个非常大的二进制位数组(数组中只存在 0 和 1)
  2. 拥有若干个哈希函数(Hash Function)
  3. 在空间效率和查询效率都非常高
  4. 布隆过滤器不会提供删除方法,在代码维护上比较困难。

每个布隆过滤器对应到 Redis 的数据结构里面就是一个大型的位数组和几个不一样的无偏 hash 函数。所谓无偏就是能够把元素的 hash 值算得比较均匀。

在这里插入图片描述

向布隆过滤器中添加 key 时,会使用多个 hash 函数对 key 进行 hash 算得一个整数索引值然后对位数组长度进行取模运算得到一个位置,每个 hash 函数都会算得一个不同的位置。再把位数组的这几个位置都置为 1 就完成了 add 操作。( 每一个 key 都通过若干的hash函数映射到一个巨大位数组上,映射成功后,会在把位数组上对应的位置改为1)

那为什么布隆过滤器会存在误判率呢?其实它会误判是如下这个情况:

当 key1 和 key2 映射到位数组上的位置为 1 时,假设这时候来了个 key3,要查询是不是在里面,恰好 key3 对应位置也映射到了这些位置,那么布隆过滤器会认为它是存在的,这时候就会产生误判(因为明明 key3 是不在的)。

在这里插入图片描述
影响布隆过滤器准确率的三个重要因素:

  • 哈希函数的好坏
  • 存储空间大小
  • 哈希函数个数

如何提高布隆过滤器的准确率呢?

  • hash函数的设计也是一个十分重要的问题,对于好的hash函数能大大降低布隆过滤器的误判率。
  • 对于一个布隆过滤器来说,如果其位数组越大的话,那么每个key通过hash函数映射的位置会变得稀疏许多,不会那么紧凑,有利于提高布隆过滤器的准确率。
  • 对于一个布隆过滤器来说,如果key通过许多hash函数映射,那么在位数组上就会有许多位置有标志,这样当用户查询的时候,在通过布隆过滤器来找的时候,误判率也会相应降低。

缓存击穿

造成缓存击穿的原因有两个:

  1. 一个“冷门”key,突然被大量用户请求访问。
  2. 一个“热门”key,在缓存中时间恰好过期,这时有大量用户来进行访问。

这样会导致大并发请求直接穿透缓存,请求数据库,瞬间对数据库的访问压力增大。

在这里插入图片描述

解决方法

常用的解决方案是加锁。对于key过期的时候,当key要查询数据库的时候加上一把锁,这时只能让第一个请求进行查询数据库,然后把从数据库中查询到的值存储到缓存中,对于剩下的相同的key,可以直接从缓存中获取即可。

  • 单机环境下:直接使用常用的锁即可(如:Lock、Synchronized等);
  • 分布式环境下可以使用分布式锁,如:基于数据库、基于Redis或者zookeeper 的分布式锁。

在这里插入图片描述


缓存雪崩

缓存雪崩是指在某一个时间段内,缓存集中过期失效,如果这个时间段内有大量请求,而查询数据量巨大,所有的请求都会达到存储层,存储层的调用量会暴增,引起数据库压力过大甚至宕机。

原因:

  • Redis突然宕机
  • 大部分数据失效

举个例子:
比如我们基本上都经历过购物狂欢节,假设商家举办 23:00-24:00 商品打骨折促销活动。程序小哥哥在设计的时候,在 23:00 把商家打骨折的商品放到缓存中,并通过redis的expire设置了过期时间为1小时。这个时间段许多用户访问这些商品信息、购买等等。但是刚好到了24:00点的时候,恰好还有许多用户在访问这些商品,这时候对这些商品的访问都会落到数据库上,导致数据库要抗住巨大的压力,稍有不慎会导致,数据库直接宕机(over)。

当商品没有失效的时候是这样的:

在这里插入图片描述
当缓存失效的时候却是这样的:

在这里插入图片描述

解决方法

  1. redis高可用
    redis有可能挂掉,多增加几台redis实例,(一主多从或者多主多从),这样一台挂掉之后其他的还可以继续工作,其实就是搭建的集群。
  2. 限流降级
    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,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。
  3. 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中。在即将发生大并发访问前手动触发加载缓存不同的key。
  4. 不同的过期时间
    设置不同的过期时间,让缓存失效的时间点尽量均匀。

你可能感兴趣的:(Java,Redis,java,redis,mysql)