redis缓存设计-Redis（七）

上篇文章介绍了redisCluster。

redis集群-Redis（六）https://blog.csdn.net/ke1ying/article/details/131217674

• 高并发缓存应对策略

缓存穿透

正常情况下，用户访问某条数据，第一次从数据库获取，后面会set进缓存，从缓存获取。缓存穿透指的是数据库没有这个值，当大量请求时，会经过缓存在数据库不断查询，数据库负担不断增加。这种情况下可能是业务代码异常，也可能是黑客利用不存在的key不断攻击数据库（所以redis不光可以提高性能，还可以利用减轻数据库压力防止黑客攻击）。那这种情况如何解决呢？

可以增加业务代码逻辑，当这个值不存在，则set空值到缓存，给这个空值一个过期时间。

还有一种方式使用bigMap布隆过滤器，在业务代码上先对数据进行一次过滤器过滤，对于不存在的数据，布隆过滤器可以先过滤掉。

缓存击穿

当系统中redis的key大量一起过期，导致同一时间高并发一起请求这些key，全部打到数据库服务器上，这时候导致数据库宕机怎么解决呢？

设置redis过期随机过期时间，并且提供一个过期时间基数。

缓存雪崩

整个redis服务器直接宕机导致不可用，这时候 必须通过我们前面说的集群保证redis高可用，以及预估高峰流量，做限流预案，用队列削峰，服务降级。比如用hystrix服务降级组件，kafka队列等。

• 热点缓存key重建

当key是一个热点，比如双11某部手机大降价，高并发同时都访问这个key，于是全部一起访问到数据库，这时候怎么解决呢，用redission分布式锁来保证只有一个请求访问到数据库，其他的从缓存冲获取。（顺便一提redission分布式锁源码里通过lua脚本访问redis，保证事务和原子性）

• 数据库缓存双写不一致设计

线程1：set数据库10，删除缓存

线程2：set数据库6，删除缓存

线程3：get数据库10，set缓存10

当线程3和线程2并行执行：

第一步：线程3获取10,线程2set数据库6，删除缓存

第二步：线程3set缓存10

这时候实际数据库存入的是6，但是缓存存入的是10。

导致了数据库和缓存不一致。这时候如何解决呢？

1. 这种情况下肯定高并发导致的，如果并发量很小，或者是个人的数据压根不用考虑这种问题。
2. 就算并发量很高，但是对数据库一致性要去不高，比如商品名称，设置一个过期时间，等读的时候更新就好。
3. 如果不能容忍不一致，则使用分布式锁，保证排队，让并发变为串行。分布式读写锁，相当于读读或者读写的时候按顺序排队，读读的时候不需要排队。
4. 引入阿里新的开源中间件canal来监听binlog日志来修改数据。

（延迟双删也是一种解决策略，在删除缓存的时候，sleep 50ms再删一次。但这种情况不推荐，这种小概率事件而让所有请求都停顿）

针对读多写少的情况，加入缓存提高性能，针对写多读少并且不能容忍不一致性的情况，就没必要使用缓存，可以直接操作数据库，没必要为了提高性能，而增加很多复杂的设计。

• 键值设计

1. key设计

1）以业务名（或者数据库名）为前缀，防止key冲突，冒号分割。

（微服务的情况下，加上服务名称）

1. 统一在一个文件下管理，防止重复定义。
2. 简洁性：在加前缀的情况下必须保证简介，牺牲可读性也是可以的。
3. 特殊符号不可以：换行空格单双引号不可以出现。

1. Value设计

Bigkey针对value的，绝对不能放大key，前面强调过很多次。在redis一个字符串最大512mb，哈希，set，zest，list可以存储大约40亿元素。实际情况下我们一般认为：

1. 字符串：超过10kb就是bigkey。
2. 非字符串：则以个数为单位，一般不要超过5000。
3. 非字符串不要使用del进行删除，使用hscan，sscan，zscan方式渐进删除，同时要注意bigkey过期时间，因为过期会触发del，造成阻塞。

1. bigkey危害

1）redis阻塞。

2）网络阻塞：Bigkey意味着产生网络流量较大，假设一个bigkey是1mb，客户端每秒访问1000，那么每秒产生1000mb流量，对于普通千兆网络服务器（按字节每秒128mb/s）直接宕机。

（千兆网卡为什么是128mb/s，因为需要除以8，按字节计算）

3）过期删除：在redis4.0版本设置lazyfree-lazy-expir yes，改为异步删除，如果没有配置，则bigkey过期会造成阻塞。

1. bigkey产生

正常都是程序设计不当，

1. 社交类，大v粉丝太多，比是bigkey。
2. 统计类，按天存储某项功能用户集合，用户多也是bigkey。
3. 缓存，当我们从数据库查询数据，序列化放入缓存是否放入很多不想干的数据。

如何优化呢？

可以拆分，通过哈希取模拆分更小模块，进行二次存储。

如果实在不可以避免，必须要bigkey，那么只可以在操作的时候不要hgetall，用hmget，删除的时候也要渐进式删除。

1. 选择合适数据类型

Set user:1:name ky

Set user:1:age 20

可以改为哈希

Hmset user:1 name ky age 20