大厂Redis缓存雪崩，穿透，击穿，降级，预热等解决方案，面试官想知道的都在这！

Posted 2021-04-07 码农清风

写在前面

一、缓存雪崩

1、什么是缓存雪崩？

缓存雪崩是指在我们设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重雪崩。由于原有缓存失效，新缓存未到期间所有原本应该访问缓存的请求都去查询数据库了，而对数据库CPU和内存造成巨大压力，严重的会造成数据库宕机。

2、缓存雪崩问题排查

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

3、有什么解决方案来防止缓存雪崩？

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

6. 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

7. 超热数据使用永久key

8. 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

4.总结

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。

二、缓存预热

1.什么是缓存预热

缓存预热就是系统上线后，将相关的缓存数据直接加载到缓存系统。这样就可以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。如图所示：

如果不进行预热， 那么 Redis 初识状态数据为空，系统上线初期，对于高并发的流量，都会访问到数据库中， 对数据库造成流量的压力。

2.问题排查

1. 请求数量较高

2. 主从之间数据吞吐量较大，数据同步操作频度较高

3.有什么解决方案？

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： 3. 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 4. 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 5. 热点数据主从同时预热

实施： 6. 使用脚本程序固定触发数据预热过程 7. 如果条件允许，使用了CDN（内容分发网络），效果会更好

4.总结

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

三、缓存穿透

1、什么是缓存穿透？

缓存穿透是指用户查询数据，在数据库没有，自然在缓存中也不会有。这样就导致用户查询的时候，在缓存中找不到对应key的value，每次都要去数据库再查询一遍，然后返回空（相当于进行了两次无用的查询）。这样请求就绕过缓存直接查数据库

2、有什么解决方案来防止缓存穿透？

1、缓存空值

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）我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过5分钟。通过这个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

2、采用布隆过滤器BloomFilter

**优势：**占用内存空间很小，位存储；性能特别高，使用key的hash判断key存不存在

将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截掉，从而避免了对底层存储系统的查询压力

在缓存之前在加一层BloomFilter，在查询的时候先去BloomFilter去查询key是否存在，如果不存在就直接返回，存在再去查询缓存，缓存中没有再去查询数据库

3.总结

缓存击穿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。

四、缓存降级

降级的情况，就是缓存失效或者缓存服务挂掉的情况下，我们也不去访问数据库。我们直接访问内存部分数据缓存或者直接返回默认数据。

举例来说：

对于应用的首页，一般是访问量非常大的地方，首页里面往往包含了部分推荐商品的展示信息。这些推荐商品都会放到缓存中进行存储，同时我们为了避免缓存的异常情况，对热点商品数据也存储到了内存中。同时内存中还保留了一些默认的商品信息。如下图所示：

降级一般是有损的操作，所以尽量减少降级对于业务的影响程度。

五、缓存击穿

1、什么是缓存击穿？

在平常高并发的系统中，大量的请求同时查询一个key时，此时这个key正好失效了，就会导致大量的请求都打到数据库上面去。这种现象我们称为缓存击穿

2、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

3、如何解决

1. 使用互斥锁(mutex key)

这种解决方案思路比较简单，就是只让一个线程构建缓存，其他线程等待构建缓存的线程执行完，重新从缓存获取数据就可以了。如果是单机，可以用synchronized或者lock来处理，如果是分布式环境可以用分布式锁就可以了（分布式锁，可以用memcache的add, redis的setnx, zookeeper的添加节点操作）。

2. "提前"使用互斥锁(mutex key)

在value内部设置1个超时值(timeout1), timeout1比实际的redis timeout(timeout2)小。当从cache读取到timeout1发现它已经过期时候，马上延长timeout1并重新设置到cache。然后再从数据库加载数据并设置到cache中

3. "永远不过期"

• 从redis上看，确实没有设置过期时间，这就保证了，不会出现热点key过期问题，也就是“物理”不过期。

• 从功能上看，如果不过期，那不就成静态的了吗？所以我们把过期时间存在key对应的value里，如果发现要过期了，通过一个后台的异步线程进行缓存的构建，也就是“逻辑”过期

  

4. 缓存屏障

class MyCache{

 private ConcurrentHashMap<String, String> map;

 private CountDownLatch countDownLatch;

 private AtomicInteger atomicInteger;

 public MyCache(ConcurrentHashMap<String, String> map, CountDownLatch countDownLatch,
 AtomicInteger atomicInteger) {
 this.map = map;
 this.countDownLatch = countDownLatch;
 this.atomicInteger = atomicInteger;
 }

 public String get(String key){

 String value = map.get(key);
 if (value != null){
 System.out.println(Thread.currentThread().getName()+"	 线程获取value值 value="+value);
 return value;
 }
 // 如果没获取到值
 // 首先尝试获取token，然后去查询db，初始化化缓存；
 // 如果没有获取到token，超时等待
 if (atomicInteger.compareAndSet(0,1)){
 System.out.println(Thread.currentThread().getName()+"	 线程获取token");
 return null;
 }

 // 其他线程超时等待
 try {
 System.out.println(Thread.currentThread().getName()+"	 线程没有获取token，等待中。。。");
 countDownLatch.await();
 } catch (InterruptedException e) {
 e.printStackTrace();
 }
 // 初始化缓存成功，等待线程被唤醒
 // 等待线程等待超时，自动唤醒
 System.out.println(Thread.currentThread().getName()+"	 线程被唤醒，获取value ="+map.get("key"));
 return map.get(key);
 }

 public void put(String key, String value){

 try {
 Thread.sleep(2000);
 } catch (InterruptedException e) {
 e.printStackTrace();
 }

 map.put(key, value);

 // 更新状态
 atomicInteger.compareAndSet(1, 2);

 // 通知其他线程
 countDownLatch.countDown();
 System.out.println();
 System.out.println(Thread.currentThread().getName()+"	 线程初始化缓存成功！value ="+map.get("key"));
 }

}

class MyThread implements Runnable{

 private MyCache myCache;

 public MyThread(MyCache myCache) {
 this.myCache = myCache;
 }

 @Override
 public void run() {
 String value = myCache.get("key");
 if (value == null){
 myCache.put("key","value");
 }

 }
}

public class CountDownLatchDemo {
 public static void main(String[] args) {

 MyCache myCache = new MyCache(new ConcurrentHashMap<>(), new CountDownLatch(1), new AtomicInteger(0));

 MyThread myThread = new MyThread(myCache);

 ExecutorService executorService = Executors.newFixedThreadPool(5);
 for (int i = 0; i < 5; i++) {
 executorService.execute(myThread);
 }
 }
}

4.总结

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。

六、总结

这些都是实际项目中，可能碰到的一些问题，也是面试的时候经常会被问到的知识点，实际上还有很多很多各种各样的问题，文中的解决方案，也不可能满足所有的场景，相对来说只是对该问题的入门解决方法。一般正式的业务场景往往要复杂的多，应用场景不同，方法和解决方案也不同，由于上述方案，考虑的问题并不是很全面，因此并不适用于正式的项目开发，但是可以作为概念理解入门，具体解决方案要根据实际情况来确定！

往期精选

CHOICENESS

是兄弟，就来 “kan” 我