Redis入门——缓存设计

新垣结衣ヾ(๑╹◡╹)ﾉ"

日常开发中，缓存能够有效加速应用的读写速度，同时也可以降低后端负载，不过也随之带来一些问题。（参考付磊、张益军两位大神的《Redis开发与运维》）

缓存优点

加速读写：缓存通常是全内存的（例如Redis、Memcache），而存储层通常读写性能不够强悍，通过缓存的使用可以有效地加速读写，优化用户体验；
降低后端负载：帮助后端减少访问量和复杂计算（比如很复杂的sql逻辑），很大程度上降低了后端的负载。

缓存缺点

数据不一致性：缓存层和存储层的数据存在着一定时间窗口的不一致性，时间窗口跟更新策略有关；
代码维护成本：加入缓存后，需要同时处理缓存层和存储层的逻辑，增大了开发者维护代码的成本；
运维成本：比如Redis Cluster，加入后无形中增加了运维成本。

P.S. 分析缓存优缺点，不难看出缓存主要用于两种场景，一是开销大的复杂计算，比如很复杂的sql计算等；二是加速请求响应。

缓存更新策略

缓存中的数据一般是有生命周期的，需要在指定时间后被删除或更新，从而来保证缓存空间在一个可控的范围内，但缓存中的数据会和数据源的真实数据有一段时间窗口的不一致，需要利用某些策略进行更新。常见的有三种缓存的更新策略：

1. LRU/LFU/FIFO算法剔除
   剔除算法一般用于缓存使用量超过预设最大值，如何对现有的数据进行剔除。Redis使用maxmemory-policy作为内存最大值对数据进行剔除。清理哪些数据交由算法决定，开发人员只能决定选择何种算法，所以数据的一致性最差，但也意味着维护成本低，不需要自己设计算法，只要选择适合的算法即可。
2. 超时剔除
   超时剔除一般用于给缓存设置过期时间，让其过期后自动删除。Redis使用expire来实现。不过一段时间内窗口内（取决于过期时间长短）存在一致性问题，即缓存数据和真实数据源不一致。该策略的优点在于维护成本较低，只需设置expire过期时间即可，当然也要接受其不一致的缺点。
3. 主动更新
   这种一般用于应用对于数据一致性要求很高，需要在真实数据更新后，立即更新缓存数据。比如可以利用消息系统或其他方式通知缓存更新。其一致性是三种策略中最高的，维护成本也是最高的。

P.S.低一致性业务建议配置最大内存和淘汰策略；高一致性业务建议结合使用超时剔除和主动更新

穿透优化

缓存穿透是指查询一个不存在的数据，存储层和缓冲层都不会命中，通常用于容错考虑，如果存储层查不到数据则不写入缓冲层。如下图

缓存穿透模型

缓存穿透将导致不存在的数据每次请求都要都存储层去查询，失去了缓存保护后端存储的意义。
缓存穿透问题可能会使后端存储负载加大，并且由于很多后端存储不具备高并发性，严重的会导致后端存储宕掉。可以在程序中分别统计总调用数、缓存层命中数、存储层命中数，如果发现大量存储层命中，说明可能发生了缓存穿透。
缓存穿透基本原因有两个，一是自身业务代码或数据出现问题；二是恶意攻击或爬虫。
目前解决方案有两种，一是缓存空对象，二是布隆过滤器拦截。

1. 缓存空对象
   缓存穿透过程中，当存储层不命中后，仍将空对象保留到缓存层中，之后再访问这个数据将会从缓存中获取，这样就可以保护后端数据源。
   这种方案有两个问题，一是空对象做了缓存，意味着缓存层中存了更多的键，需要分配更多的内存空间。可以通过对这类数据设置一个较短的过期时间，让其自动剔除，释放内存空间。二是缓存层和存储层会有一段时间窗口的不一致，可以利用消息系统或其他方式消除掉缓存层中的空对象。
2. 布隆过滤器拦截
   在访问缓存层和存储层之前，将存在的key用布隆过滤器（BloomFilter）提前保存，做一层拦截。
   举个例子，一个推荐系统有1亿个id，一定时间算法会根据用户之前历史行为计算出推荐数据，并将其存入缓存层，但是如果用户没有历史行为，那么就会发生缓存穿透，因为可以将所有推荐数据的用户做成布隆过滤器。过滤器判定是否存在该历史用户，如果不存在，就不让访问存储层，一定程度上保护后端数据源。

无底洞优化

随着业务的发展，需要添加更加庞大的节点，批量操作需要从不同节点上获取，而且键值分布到更多的节点上，网络和性能开销变得更高，即投入越多产出却不一定越多。无底洞优化也就是在分布式缓存中批量操作的优化。
一般的IO优化方案有：优化命令；减少网络通信次数；降低接入成本。
Redis批量操作获取n个字符串，有三种实现思路：
1.客户端n次get：n次网络+n次get命令，具体方案有串行命令
2.客户端1次pipeline get：1次网络+n次get命令，具体方案有串行 IO，并行IO
3.客户端1次mget：1次网络+1次mget命令，具体方案有hash_tag实现

雪崩优化

由于缓存层承载着大量请求，有效地保护了存储层，但由于某种原因缓存层挂了，所有请求都直接达到存储层，造成存储层出现级联宕机，这就是缓存雪崩。
预防和解决缓存雪崩有三种思路：
1.保证缓存层服务高可用性。这样个别节点、个别机器或者是机房宕机都能继续提供服务。
2.依赖隔离组件为后端限流并降级。简单来说，就是隔离和降级。
3.提前演练。模拟缓存层宕掉的情况，然后对后端负载等其他情况进行方案演练。

热点key重建优化

前面讲过“缓存+过期时间”的策略可以满足大部分需求，但是如果当前key是很热门的key（热门新闻等），并发量非常大，或者是由于有复杂计算，重建缓存不能短时间内完成。
在缓存失效的瞬间，有大量线程来重建缓存，会造成后端负载加大，严重可能会导致应用崩溃。
简单来分析，需要做到减少重建缓存次数，数据尽可能一致，减少潜在危险。有两种解决方案：
1.互斥锁：只允许一个线程重建缓存，其他线程等待其重建结束，重新重缓存获取数据。思路简单，但如果重建缓存时间过程或出现问题，可能会存在死锁或线程池阻塞的风险。不过这种方案能较好地降低后端存储负载，保持不错的一致性。
2.“永远不过期”：从缓存角度上，不设置过期expire时间，从功能角度上，为每个value设置逻辑过期时间，当发现超过逻辑过期时间，则使用单独线程去构建缓存。这种方案很明显会存在一致性问题，并且代码复杂度会增大，不过热点key导致的问题基本能根除。

小结

聊了缓存设计，很多方案有其长处短处，需要根据实际业务要求，采用合适的方案进行缓存设计，不存在所谓的“万能钥匙”，这就需要我们开发和运维人员熟悉了解缓存设计，活用设计方案。