Redis缓存优化

作用:加速读写，降低数据库的访问负载

存在的问题:数据不一致，缓存层和数据层有段时间不一致问题，与更新策略有关

缓存更新策略

1.LRU/LFU/FIFO算法剔除

• maxmemory-policy: 最大内存剔除策略 过期键执行LRU

2.超时剔除

• expire:设置过期时间(问题是没过期时数据变化，数据不一致)

3.主动更新

• 开发控制生命周期，删除缓存重新获取数据

推荐使用更新策略:

1.低一致性:最大内存

2.高一致性:超时与主动更新结合,最大内存防备(避免内存超过最大内存出现问题)

缓存粒度控制

1. 在MySQL中获取数据如:select * from user where id={id}

2. 设置用户信息缓存如:set user:{id} "用户数据"

3. 缓存的粒度:

   • 全部属性字段

   • 部分重要字段

比较:

• 通用性：全量属性更好
• 占用空间：部分属性更好
• 代码维护：表面上全量属性更好

综合具体数据使用不同的粒度，对用户数据容易扩展使用全量，对于开发的一些功能可能后期不会有很大变化使用部分属性

缓存雪崩

缓存层服务异常，大量请求直接达到存储层，造成故障，

1.保证缓存的高可用

• 如:redis cluster， redis sentinel

2.使用隔离组件限流

• 如:Hystrix

3.提前演练

• 如:压力测试

优化io的方法:

1.命令本身优化 如:慢查询key hgetall

2.减少网络通信的次数

3.降低接入成本 如:长连接连接池

批量优化方法:

1.串行mget

2.串行io

• pipeline流水线

3.并行io

• 使用并行特性

缓存穿透

访问的数据缓存中没有，继续请求存储层，如果存储层也没有数据，大量请求会到存储层加大存储层的负载

发现缓存穿透:

1.业务的请求时间

2.业务出现问题

3.监测指标:缓存命中数，存储层命中数，采集每分钟的变化

解决方法:

1.缓存空对象(确定数据不存在 ，设置过期时间10min根据具体业务定 ，减少storage的负载)

• 存在的问题:

  1.需要更多的键(设置过期时间,避免导致后面的数据问题)

  2.缓存层与存储层短期不一致(使用订阅消息，有数据刷新缓存)

2.布隆过滤器拦截

所有的key放到布隆过滤器中，不存在的key进行拦截 ，需要实时更新布隆过滤器中的key

热点key重建

热点key访问量大，重建的时间长，导致很多线程重建，加大了存储层负载

解决方法:

1.互斥锁 mutex lock

• 缺点:会有大量线程阻塞

2.永不过期

没有设置过期时间，为每个value设置逻辑过期时间，超过逻辑过期时间使用单独的线程去重建缓存

• 缺点:过期到缓存重建的时间间隙数据不一致