分布式技术带你分析认识缓存穿透/雪崩/击穿
Posted 李浩宇Alex
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了分布式技术带你分析认识缓存穿透/雪崩/击穿相关的知识,希望对你有一定的参考价值。
使用场景
加速请求响应
缓存更新策略
-
LRU(Least Recently Used),根据数据的历史访问记录来进行淘汰数据,其核心思想是“如果数据最近被访问过,那么将来被访问的几率也更高,则延迟其淘汰时间” - LRU缓存更新
-
LFU(Least Frequently Used)根据数据的历史访问频率来淘汰数据,其核心思想是“如果数据过去被访问多次,那么将来被访问的频率也更高”- LFU缓存更新
-
FIFO ,根据"先进先出" 思想来更新缓存数据
-
超时剔除 - expire
-
主动更新 - 开发控制生命周期
- 扩展:缓存污染 - 缓存污染降低了缓存的使用率,把不常用的数据读取到缓存,同时会把常用的数据移出缓存,这样会直接降低系统的数据命中率
-
缓存穿透问题
场景【key不存在,高并发查询数据库】
解决方法
分布式队列及分布式锁
缓存空对象:
如果一个查询返回的数据为空(不管是数据不存在,还是系统故障),仍然把这个空结果进行缓存,但它的过期时间会很短,不超过5分钟。通过这个直接设置的默认值存放到缓存,这样第二次到缓存中获取就有值了,而不会继续访问数据库。当修改或者新增改key的数据信息的时候,需要删除或者更新null缓存值**
存在的问题:
-
需要更多的键,所以通常设置较短过期时间
- 缓存层和存储层数据"短期"不一致
借用图:高可用架构
布隆过滤器:
对所有可能查询的参数以hash形式存储,在控制层先进行校验,不符合则丢弃,从而避免了对底层存储系统的查询压力。例如Redis可以使用bitMap来实现布隆过滤器。
借用图:高可用架构
缓存击穿问题
【单个热点key失效时,高并发查询数据库】
解决方法
使用分布式锁
使用本地缓存(双级缓存)
热点不过期
**到期前的续命
缓存雪崩问题
场景【多个key同时失效,高并发查询数据库】
解决方案
-
对不用的数据使用随机动态分布的失效时间
-
使用集群化分摊部署我们key
-
使用二级缓存
-
使用分布式锁
-
数据预热:可以通过缓存reload机制,预先去更新缓存,再即将发生大并发访问前手动触发加载缓存不同的key,设置不同的过期时间,让缓存失效的时间点尽量均匀
- 依赖隔离组件为后端限流并降级 在缓存失效后,通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存,其他线程等待。
以上是关于分布式技术带你分析认识缓存穿透/雪崩/击穿的主要内容,如果未能解决你的问题,请参考以下文章
SpringBoot整合Redis以及缓存穿透缓存雪崩缓存击穿的理解如何添加锁解决缓存击穿问题?分布式情况下如何添加分布式锁