作為一個内存數據庫，redis也總是免不了有各種各樣的問題，這篇文章主要是針對其中兩個問題進行講解：緩存穿透和緩存雪崩。并給出一些解決方案。這兩個問題是基本問題也是面試常問問題。

這篇文章我參考了很多篇，發現寫的基本上一樣，所以在此基礎之上進行改進。内容是我在某字母網站看的尚矽谷的教程總結的。特在此說明。

一、緩存穿透

1、概念

緩存穿透的概念很簡單，用戶想要查詢一個數據，發現redis内存數據庫沒有，也就是緩存沒有命中，于是向持久層數據庫查詢。發現也沒有，于是本次查詢失敗。當用戶很多的時候，緩存都沒有命中，于是都去請求了持久層數據庫。這會給持久層數據庫造成很大的壓力，這時候就相當于出現了緩存穿透。

這裡需要注意和緩存擊穿的區别，緩存擊穿，是指一個key非常熱點，在不停的扛着大并發，大并發集中對這一個點進行訪問，當這個key在失效的瞬間，持續的大并發就穿破緩存，直接請求數據庫，就像在一個屏障上鑿開了一個洞。

為了避免緩存穿透其實有很多種解決方案。下面介紹幾種。

2、解決方案

（1）布隆過濾器

布隆過濾器是一種數據結構，垃圾網站和正常網站加起來全世界據統計也有幾十億個。網警要過濾這些垃圾網站，總不能到數據庫裡面一個一個去比較吧，這就可以使用布隆過濾器。假設我們存儲一億個垃圾網站地址。

可以先有一億個二進制比特，然後網警用八個不同的随機數産生器（F1,F2, …,F8） 産生八個信息指紋（f1, f2, …, f8）。接下來用一個随機數産生器 G 把這八個信息指紋映射到 1 到1億中的八個自然數 g1, g2, …,g8。最後把這八個位置的二進制全部設置為一。過程如下：

有一天網警查到了一個可疑的網站，想判斷一下是否是XX網站，首先将可疑網站通過哈希映射到1億個比特位數組上的8個點。如果8個點的其中有一個點不為1，則可以判斷該元素一定不存在集合中。

那這個布隆過濾器是如何解決redis中的緩存穿透呢？很簡單首先也是對所有可能查詢的參數以hash形式存儲，當用戶想要查詢的時候，使用布隆過濾器發現不在集合中，就直接丢棄，不再對持久層查詢。

這個形式很簡單。

2、緩存空對象

當存儲層不命中後，即使返回的空對象也将其緩存起來，同時會設置一個過期時間，之後再訪問這個數據将會從緩存中獲取，保護了後端數據源；

但是這種方法會存在兩個問題：

1. 如果空值能夠被緩存起來，這就意味着緩存需要更多的空間存儲更多的鍵，因為這當中可能會有很多的空值的鍵；
2. 即使對空值設置了過期時間，還是會存在緩存層和存儲層的數據會有一段時間窗口的不一緻，這對于需要保持一緻性的業務會有影響。

二、緩存雪崩

1、概念

緩存雪崩是指，緩存層出現了錯誤，不能正常工作了。于是所有的請求都會達到存儲層，存儲層的調用量會暴增，造成存儲層也會挂掉的情況。

2、解決方案

（1）redis高可用

這個思想的含義是，既然redis有可能挂掉，那我多增設幾台redis，這樣一台挂掉之後其他的還可以繼續工作，其實就是搭建的集群。

（2）限流降級

這個解決方案的思想是，在緩存失效後，通過加鎖或者隊列來控制讀數據庫寫緩存的線程數量。比如對某個key隻允許一個線程查詢數據和寫緩存，其他線程等待。

（3）數據預熱

數據加熱的含義就是在正式部署之前，我先把可能的數據先預先訪問一遍，這樣部分可能大量訪問的數據就會加載到緩存中。在即将發生大并發訪問前手動觸發加載緩存不同的key，設置不同的過期時間，讓緩存失效的時間點盡量均勻。

OK，基本上講這塊的文章幾乎一樣，覺得很不錯，就在此基礎之上修改了一下。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部