Redis企业级问题及解决方案

1.1 缓存预热
    场景:“宕机”

    服务器启动后迅速宕机

    问题排查:

    1.请求数量较高,大量的请求过来之后都需要去从缓存中获取数据,但是缓存中又没有,此时从数据库中查找数据然后将数据再存入缓存,造成了短期内对redis的高强度操作从而导致问题

    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:

    前置准备工作:


    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:


    1.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

    2.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

    3.热点数据主从同时预热


    实施:

    4.使用脚本程序固定触发数据预热过程

    5.如果条件允许,使用了CDN(内容分发网络),效果会更好

    总的来说:缓存预热就是系统启动前,提前将相关的缓存数据直接加载到缓存系统。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!

1.2 缓存雪崩
    场景:数据库服务器崩溃,一连串的场景会随之儿来

    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.数据库崩溃

    6.应用服务器崩溃

    7.重启应用服务器无效

    8.Redis服务器崩溃

    9.Redis集群崩溃

    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,开始出现超时现象

    5.数据库流量激增,数据库崩溃

    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服务器崩溃

    8.Redis集群呈现崩塌,集群瓦解

    9.应用服务器无法及时得到数据响应请求,来自客户端的请求数量越来越多,应用服务器崩溃

    10.应用服务器,redis,数据库全部重启,效果不理想

    总而言之就两点:短时间范围内,大量key集中过期

    解决方案

    思路:
    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使用率

    ​ 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

    落地实践:
    1.LRU与LFU切换

    2.数据有效期策略调整

    ​ 根据业务数据有效期进行分类错峰,A类90分钟,B类80分钟,C类70分钟

    ​ 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

    3.超热数据使用永久key

    4.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

    5.加锁:慎用!

    总的来说: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(约40%),配合其他策略一起使用,并监控服务器的运行数据,根据运行记录做快速调整。

1.3 缓存击穿
    场景:还是数据库服务器崩溃,但是跟之前的场景有点不太一样

    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.数据库崩溃

    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

    总而言之就两点:单个key高热数据,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,指定若干款主打商品,在购物节期间,加大此类信息key的过期时长 注意:购物节不仅仅指当天,以及后续若干天,访问峰值呈现逐渐降低的趋势

    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性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就行

    5.加锁

    ​ 分布式锁,防止被击穿,但是要注意也是性能瓶颈,慎重!

    总的来说: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,配合运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。

1.4 缓存穿透
    场景:数据库服务器又崩溃了,跟之前的一样吗?

    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.数据库崩溃

    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:

    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
    Redis获取到null数据未进行持久化,直接返回
    下次此类数据到达重复上述过程
    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(长期使用,定期清理),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)

    ​ 使用布隆过滤器(有关布隆过滤器的命中问题对当前状况可以忽略)

    2.实施监控

    ​ 实时监控redis命中率(业务正常范围时,通常会有一个波动值)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(运营)

    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到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

    总的来说:缓存击穿是指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,导致对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。

    无论是黑名单还是白名单,都是对整体系统的压力,警报解除后尽快移除。

    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,配合运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。

  
 

你可能感兴趣的:(redis)