缓存一致性策略以及雪崩穿透问题

Posted 2021-04-15 零壹技术栈

一. 缓存原理

高并发情境下首先考虑到的第一层优化方案就是增加缓存，尤其是通过Redis将原本在数据库中的数据复制一份放到内存中，可以减少对数据库的读操作，数据库的压力降低，同时也会加快系统的响应速度，但是同样的也会带来其他的问题，比如需要考虑数据的一致性、还需要预防可能的缓存击穿、穿透和雪崩问题等等。

1. 实现步骤

先查询缓存中有没有要的数据，如果有，就直接返回缓存中的数据。如果缓存中没有要的数据，才去查询数据库，将得到数据更新到缓存再返回，如果数据库中也没有就可以返回空。

考虑数据一致性，缓存处的代码逻辑都较为标准化，首先取Redis，击中则返回，未击中则通过数据库来进行查询和同步。

 
   
   
 

  
    
    
  
 public Result query(String id) {
  
    
    
  
 Result result = null;
  
    
    
  
 //1.从Redis缓存中取数据
  
    
    
  
 result = (Result)redisTemplate.opsForValue().get(id);
  
    
    
  
 if (null != result){
  
    
    
  
 System.out.println("缓存中得到数据");
  
    
    
  
 return result;
  
    
    
  
 }
  
    
    
  
 //2.通过DB查询，有则同步更新redis，否则返回空
  
    
    
  
 System.out.println("数据库中得到数据");
  
    
    
  
 result = Dao.query(id);
  
    
    
  
 if (null != result){
  
    
    
  
 redisTemplate.opsForValue().set(id,result);
  
    
    
  
 redisTemplate.expire(id,20000, TimeUnit.MILLISECONDS);
  
    
    
  
 }
  
    
    
  
 return result;
  
    
    
  
 }
 
   
   
 

其他的新增、删除和更新操作，可以直接采用先清空该Key下的缓存值再进行DB操作，这样逻辑清晰简单，维护的复杂度会降低，而付出代价就是多查询一次。

 
   
   
 

  
    
    
  
 public void update(Entity entity) {
  
    
    
  
 redisTemplate.delete(entity.getId());
  
    
    
  
 Dao.update(entity);
  
    
    
  
 return entity;
  
    
    
  
 }
  
    
    
  


  
    
    
  
 public Entity add(Entity entity) {
  
    
    
  
 redisTemplate.delete(entity.getId());
  
    
    
  
 Dao.insert(entity);
  
    
    
  
 return entity;
  
    
    
  
 }
 
   
   
 

2. 缓存更新策略

适用于做缓存的场景一般都是：访问频繁、读场景较多而写场景少、对数据一致性要求不高。如果上面三个条件都不符合，那维护一套缓存数据的意义并不大了，实际应用中通常都需要针对业务场景来选择合适的缓存方案，下面给出了四种缓存策略，由上到下就是按照一致性由强到弱的顺序。

更新策略	特点	适用场景
实时更新	同步更新保证强一致性，与业务强侵入强耦合	金融转账业务等
弱实时	异步更新（MQ/发布订阅/观察者模式），业务解耦，弱一致性存在延迟	不适合写频繁场景
失效机制	设置缓存失效，有一定延迟，可能存在雪崩	适用读多写少，能接受一定的延时
任务调度	通过定时任务进行全量更新	统计类业务，访问频繁且定期更新

二. 缓存雪崩和击穿

---

1. 缓存雪崩概念

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。和缓存击穿不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。

解决方案

1. 将缓存失效时间分散开，比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

2. 用加锁或者队列的方式保证缓存的单线程（进程）写，从而避免失效时大量的并发请求落到底层存储系统上。

第一种方案比较容易实现，第二种的思路主要是从加阻塞式的排它锁来实现，在缓存查询不到的情况下，每此只允许一个线程去查询DB，这样可避免同一个ID的大量并发请求都落到数据库中。

 
   
   
 

  
    
    
  
 public Result query(String id) {
  
    
    
  
 // 1.从缓存中取数据
  
    
    
  
 Result result = null;
  
    
    
  
 result = (Result)redisTemplate.opsForValue().get(id);
  
    
    
  
 if (result ! = null) {
  
    
    
  
 logger.info("缓存中得到数据");
  
    
    
  
 return result;
  
    
    
  
 }
  
    
    
  


  
    
    
  
 //2.加锁排队，阻塞式锁
  
    
    
  
 doLock(id);//多少个id就可能有多少把锁
  
    
    
  
 try{
  
    
    
  
 //一次只有一个线程
  
    
    
  
 //双重校验，第一次获取到后面的都可以从缓存中直接击中
  
    
    
  
 result = (Result)redisTemplate.opsForValue().get(id);
  
    
    
  
 if (result != null) {
  
    
    
  
 logger.info("缓存中得到数据");
  
    
    
  
 return result;//第二个线程，这里返回
  
    
    
  
 }
  
    
    
  


  
    
    
  
 result = dao.query(id);
  
    
    
  
 // 3.从数据库查询的结果不为空，则把数据放入缓存中，方便下次查询
  
    
    
  
 if (null != result) {
  
    
    
  
 redisTemplate.opsForValue().set(id,result);
  
    
    
  
 redisTemplate.expire(id,20000, TimeUnit.MILLISECONDS);
  
    
    
  
 }
  
    
    
  
 return provinces;
  
    
    
  
 } catch(Exception e) {
  
    
    
  
 return null;
  
    
    
  
 } finally {
  
    
    
  
 //4.解锁
  
    
    
  
 releaseLock(provinceid);
  
    
    
  
 }
  
    
    
  
 }
  
    
    
  


  
    
    
  
 private void releaseLock(String userCode) {
  
    
    
  
 ReentrantLock oldLock = (ReentrantLock) locks.get(userCode);
  
    
    
  
 if(oldLock !=null && oldLock.isHeldByCurrentThread()){
  
    
    
  
 oldLock.unlock();
  
    
    
  
 }
  
    
    
  
 }
  
    
    
  


  
    
    
  
 private void doLock(String lockcode) {
  
    
    
  
 //id有不同的值
  
    
    
  
 //id相同的，加一个锁，不是同一个key，不能用同一个锁
  
    
    
  
 ReentrantLock newLock = new ReentrantLock();//创建一个锁
  
    
    
  
 //若已存在，则newLock直接丢弃
  
    
    
  
 Lock oldLock = locks.putIfAbsent(lockcode, newLock);
  
    
    
  
 if(oldLock == null){
  
    
    
  
 newLock.lock();
  
    
    
  
 }else{
  
    
    
  
 oldLock.lock();
  
    
    
  
 }
  
    
    
  
 }
 
   
   
 

注意：加锁排队的解决方式在处理分布式环境的并发问题，有可能还要解决分布式锁的问题；线程还会被阻塞，用户体验很差！因此，在真正的高并发场景下很少使用！

2. 缓存击穿概念

一个存在的key，在缓存过期的一刻，同时有大量的请求，这些请求都会击穿到DB，造成瞬时DB请求量大、压力骤增。

解决方案

在访问key之前，采用SETNX（set if not exists）来设置另一个短期key来锁住当前key的访问，访问结束再删除该短期key。

三. 缓存穿透

---

1. 缓存穿透概念

缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求，如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大。

解决方案：布隆过滤器

布隆过滤器的使用方法，类似java的SET集合，用来判断某个元素（key）是否在某个集合中。和一般的hash set不同的是，这个算法无需存储key的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。

使用步骤：

• 将List数据装载入布隆过滤器中

 
   
   
 

  
    
    
  
private BloomFilter<String> bf =null;
  
    
    
  


  
    
    
  
 //PostConstruct注解对象创建后，自动调用本方法
  
    
    
  
 @PostConstruct
  
    
    
  
 public void init(){
  
    
    
  
 //在bean初始化完成后，实例化bloomFilter，并加载数据
  
    
    
  
 List<Entity> entities= initList();
  
    
    
  
 //初始化布隆过滤器
  
    
    
  
 bf = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), entities.size());
  
    
    
  
 for (Entity entity : entities) {
  
    
    
  
 bf.put(entity.getId());
  
    
    
  
 }
  
    
    
  
 }
  
    
    
  

 
   
   
 

• 访问经过布隆过滤器，存在才可以往db中查询

 
   
   
 

  
    
    
  
 public Provinces query(String id) {
  
    
    
  
 //先判断布隆过滤器中是否存在该值，值存在才允许访问缓存和数据库
  
    
    
  
 if(!bf.mightContain(id)) {
  
    
    
  
 Log.info("非法访问"+System.currentTimeMillis());
  
    
    
  
 return null;
  
    
    
  
 }
  
    
    
  
 Log.info("数据库中得到数据"+System.currentTimeMillis());
  
    
    
  
 Entity entity= super.query(id);
  
    
    
  
 return entity;
  
    
    
  
 }
 
   
   
 

这样当外界有恶意攻击时，不存在的数据请求就可以直接拦截在过滤器层，而不会影响到底层数据库系统。

---

本帐号将持续分享后端技术干货，包括虚拟机基础，多线程编程，高性能框架，异步、缓存和消息中间件，分布式和微服务，架构学习和进阶等学习资料和文章。