Redis 緩存穿透，緩存擊穿，緩存雪崩的解決方案分析

設計一個緩存系統，不得不要考慮的問題就是：緩存穿透、緩存擊穿與失效時的雪崩效應。

一.什么樣的數據適合緩存?

分析一個數據是否適合緩存,我們要從訪問頻率、讀寫比例、數據一致性等要求去分析. 

二.什么是緩存擊穿

在高並發下,多線程同時查詢同一個資源,如果緩存中沒有這個資源,那么這些線程都會去數據庫查找,對數據庫造成極大壓力,緩存失去存在的意義.打個比方,數據庫是人,緩存是防彈衣,子彈是線程,本來防彈衣是防止子彈打到人身上的,但是當防彈衣里面沒有防彈的物質時,子彈就會穿過它打到人身上. 

三.緩存擊穿的解決辦法

方案一

后台刷新

后台定義一個job(定時任務)專門主動更新緩存數據.比如,一個緩存中的數據過期時間是30分鍾,那么job每隔29分鍾定時刷新數據(將從數據庫中查到的數據更新到緩存中).

• 這種方案比較容易理解，但會增加系統復雜度。比較適合那些 key 相對固定,cache 粒度較大的業務，key 比較分散的則不太適合，實現起來也比較復雜。

方案二

檢查更新

將緩存key的過期時間(絕對時間)一起保存到緩存中(可以拼接,可以添加新字段,可以采用單獨的key保存..不管用什么方式,只要兩者建立好關聯關系就行).在每次執行get操作后,都將get出來的緩存過期時間與當前系統時間做一個對比,如果緩存過期時間-當前系統時間<=1分鍾(自定義的一個值),則主動更新緩存.這樣就能保證緩存中的數據始終是最新的(和方案一一樣,讓數據不過期.)

• 這種方案在特殊情況下也會有問題。假設緩存過期時間是12:00，而 11:59 
  到 12:00這 1 分鍾時間里恰好沒有 get 請求過來，又恰好請求都在 11:30 分的時 
  候高並發過來，那就悲劇了。這種情況比較極端，但並不是沒有可能。因為“高 
  並發”也可能是階段性在某個時間點爆發。

方案三

分級緩存

采用 L1 (一級緩存)和 L2(二級緩存) 緩存方式，L1 緩存失效時間短，L2 緩存失效時間長。 請求優先從 L1 緩存獲取數據，如果 L1緩存未命中則加鎖，只有 1 個線程獲取到鎖,這個線程再從數據庫中讀取數據並將數據再更新到到 L1 緩存和 L2 緩存中，而其他線程依舊從 L2 緩存獲取數據並返回。

• 這種方式，主要是通過避免緩存同時失效並結合鎖機制實現。所以，當數據更 
  新時，只能淘汰 L1 緩存，不能同時將 L1 和 L2 中的緩存同時淘汰。L2 緩存中 
  可能會存在臟數據，需要業務能夠容忍這種短時間的不一致。而且，這種方案 
  可能會造成額外的緩存空間浪費。

方案四

加鎖

方法1

1.  

   // 方法1:

    
2.  

   public synchronized List<String> getData01() {
3.  

   List<String> result = new ArrayList<String>();
4.  

   // 從緩存讀取數據
5.  

   result = getDataFromCache();
6.  

   if (result.isEmpty()) {
7.  

   // 從數據庫查詢數據
8.  

   result = getDataFromDB();
9.  

   // 將查詢到的數據寫入緩存
10.  

    setDataToCache(result);
11.  

    }
12.  

    return result;
13.  

    }

 

• 這種方式確實能夠防止緩存失效時高並發到數據庫,但是緩存沒有失效的時候,在從緩存中拿數據時需要排隊取鎖,這必然會大大的降低了系統的吞吐量.

方法2

1.  

   // 方法2:
2.  

   static Object lock = new Object();
3.   public List<String> getData02() {
4.  

   List<String> result = new ArrayList<String>();
5.  

   // 從緩存讀取數據
6.  

   result = getDataFromCache();
7.  

   if (result.isEmpty()) {
8.  

   synchronized ( lock) {
9.  

   // 從數據庫查詢數據
10.  

    result = getDataFromDB();
11.  

    // 將查詢到的數據寫入緩存
12.  

    setDataToCache(result);
13.  

    }
14.  

    }
15.  

    return result;
16.  

    }

• 這個方法在緩存命中的時候,系統的吞吐量不會受影響,但是當緩存失效時,請求還是會打到數據庫,只不過不是高並發而是阻塞而已.但是,這樣會造成用戶體驗不佳,並且還給數據庫帶來額外壓力.

方法3

1.  

   //方法3
2.  

   public List<String> getData03() {
3.  

   List<String> result = new ArrayList<String>();
4.  

   // 從緩存讀取數據
5.  

   result = getDataFromCache();
6.  

   if (result.isEmpty()) {
7.  

   synchronized (lock) {
8.  

   //雙重判斷,第二個以及之后的請求不必去找數據庫,直接命中緩存
9.  

   // 查詢緩存
10.  

    result = getDataFromCache();
11.  

    if (result.isEmpty()) {
12.  

    // 從數據庫查詢數據
13.  

    result = getDataFromDB();
14.  

    // 將查詢到的數據寫入緩存
15.  

    setDataToCache(result);
16.  

    }
17.  

    }
18.  

    }
19.  

    return result;
20.  

    }

 

雙重判斷雖然能夠阻止高並發請求打到數據庫,但是第二個以及之后的請求在命中緩存時,還是排隊進行的.比如,當30個請求一起並發過來,在雙重判斷時,第一個請求去數據庫查詢並更新緩存數據,剩下的29個請求則是依次排隊取緩存中取數據.請求排在后面的用戶的體驗會不爽.

方法4

1.  

   static Lock reenLock = new ReentrantLock();
2.  public List<String> getData04() throws InterruptedException {
3.  

   List<String> result = new ArrayList<String>();
4.  

   // 從緩存讀取數據
5.  

   result = getDataFromCache();
6.  

   if (result.isEmpty()) {
7.  

   if (reenLock.tryLock()) {
8.  

   try {
9.  

   System. out.println("我拿到鎖了,從DB獲取數據庫后寫入緩存");
10.  

    // 從數據庫查詢數據
11.  

    result = getDataFromDB();
12.  

    // 將查詢到的數據寫入緩存
13.  

    setDataToCache(result);
14.  

    } finally {
15.  

    reenLock.unlock(); // 釋放鎖
16.  

    }
17.  } else {
18.  

    result = getDataFromCache(); // 先查一下緩存
19.  

    if (result.isEmpty()) {
20.  

    System. out.println("我沒拿到鎖,緩存也沒數據,先小憩一下");
21.  

    Thread.sleep( 100);// 小憩一會兒
22.  

    return getData04();// 重試
23.  

    }
24.  

    }
25.  

    }
26.  

    return result;
27.  

    }

• 最后使用互斥鎖的方式來實現，可以有效避免前面幾種問題.

緩存穿透

緩存穿透是指查詢一個一定不存在的數據，由於緩存是不命中時被動寫的，並且出於容錯考慮，如果從存儲層查不到數據則不寫入緩存，這將導致這個不存在的數據每次請求都要到存儲層去查詢，失去了緩存的意義。在流量大時，可能DB就掛掉了，要是有人利用不存在的key頻繁攻擊我們的應用，這就是漏洞。

解決方案

有很多種方法可以有效地解決緩存穿透問題，最常見的則是采用布隆過濾器，將所有可能存在的數據哈希到一個足夠大的bitmap中，一個一定不存在的數據會被 這個bitmap攔截掉，從而避免了對底層存儲系統的查詢壓力。另外也有一個更為簡單粗暴的方法（我們采用的就是這種），如果一個查詢返回的數據為空（不管是數 據不存在，還是系統故障），我們仍然把這個空結果進行緩存，但它的過期時間會很短，最長不超過五分鍾。

緩存雪崩

緩存雪崩是指在我們設置緩存時采用了相同的過期時間，導致緩存在某一時刻同時失效，請求全部轉發到DB，DB瞬時壓力過重雪崩。

解決方案

緩存失效時的雪崩效應對底層系統的沖擊非常可怕。大多數系統設計者考慮用加鎖或者隊列的方式保證緩存的單線 程（進程）寫，從而避免失效時大量的並發請求落到底層存儲系統上。這里分享一個簡單方案就時講緩存失效時間分散開，比如我們可以在原有的失效時間基礎上增加一個隨機值，比如1-5分鍾隨機，這樣每一個緩存的過期時間的重復率就會降低，就很難引發集體失效的事件。

緩存擊穿

對於一些設置了過期時間的key，如果這些key可能會在某些時間點被超高並發地訪問，是一種非常“熱點”的數據。這個時候，需要考慮一個問題：緩存被“擊穿”的問題，這個和緩存雪崩的區別在於這里針對某一key緩存，前者則是很多key。

緩存在某個時間點過期的時候，恰好在這個時間點對這個Key有大量的並發請求過來，這些請求發現緩存過期一般都會從后端DB加載數據並回設到緩存，這個時候大並發的請求可能會瞬間把后端DB壓垮。

解決方案

1.使用互斥鎖(mutex key)

業界比較常用的做法，是使用mutex。簡單地來說，就是在緩存失效的時候（判斷拿出來的值為空），不是立即去load db，而是先使用緩存工具的某些帶成功操作返回值的操作（比如Redis的SETNX或者Memcache的ADD）去set一個mutex key，當操作返回成功時，再進行load db的操作並回設緩存；否則，就重試整個get緩存的方法。

SETNX，是「SET if Not eXists」的縮寫，也就是只有不存在的時候才設置，可以利用它來實現鎖的效果。在redis2.6.1之前版本未實現setnx的過期時間，所以這里給出兩種版本代碼參考：

 

1.  
   //2.6.1前單機版本鎖
2.  
   String get(String key) {
3.  
   String value = redis.get(key);
4.  
   if (value == null) {
5.  
   if (redis.setnx(key_mutex, "1")) {
6.  
   // 3 min timeout to avoid mutex holder crash
7.  
   redis.expire(key_mutex, 3 * 60)
8.  
   value = db.get(key);
9.  
   redis.set(key, value);
10.  
    redis.delete(key_mutex);
11.  
    } else {
12.  
    //其他線程休息50毫秒后重試
13.  
    Thread.sleep( 50);
14.  
    get(key);
15.  
    }
16.  
    }
17.  
    }

最新版本代碼：

 

 

1.  
   public String get(key) {
2.  
   String value = redis.get(key);
3.  
   if (value == null) { //代表緩存值過期
4.  
   //設置3min的超時，防止del操作失敗的時候，下次緩存過期一直不能load db
5.  
   if (redis.setnx(key_mutex, 1, 3 * 60) == 1) { //代表設置成功
6.  
   value = db.get(key);
7.  
   redis.set(key, value, expire_secs);
8.  
   redis.del(key_mutex);
9.  
   } else { //這個時候代表同時候的其他線程已經load db並回設到緩存了，這時候重試獲取緩存值即可
10.  
    sleep( 50);
11.  
    get(key); //重試
12.  
    }
13.  
    } else {
14.  
    return value;
15.  
    }
16.  
    }

memcache代碼：

 

 

1.  
   if (memcache.get(key) == null) {
2.  
   // 3 min timeout to avoid mutex holder crash
3.  
   if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
4.  
   value = db.get(key);
5.  
   memcache.set(key, value);
6.  
   memcache.delete(key_mutex);
7.  
   } else {
8.  
   sleep( 50);
9.  
   retry();
10.  
    }
11.  
    }

 

2. "提前"使用互斥鎖(mutex key)：

 

在value內部設置1個超時值(timeout1), timeout1比實際的memcache timeout(timeout2)小。當從cache讀取到timeout1發現它已經過期時候，馬上延長timeout1並重新設置到cache。然后再從數據庫加載數據並設置到cache中。偽代碼如下：

 

1.  
   v = memcache.get(key);
2.  
   if (v == null) {
3.  
   if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
4.  
   value = db.get(key);
5.  
   memcache.set(key, value);
6.  
   memcache.delete(key_mutex);
7.  
   } else {
8.  
   sleep( 50);
9.  
   retry();
10.  
    }
11.  
    } else {
12.  
    if (v.timeout <= now()) {
13.  
    if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
14.  
    // extend the timeout for other threads
15.  
    v.timeout += 3 * 60 * 1000;
16.  
    memcache.set(key, v, KEY_TIMEOUT * 2);
17.  
     
18.  
    // load the latest value from db
19.  
    v = db.get(key);
20.  
    v.timeout = KEY_TIMEOUT;
21.  
    memcache.set(key, value, KEY_TIMEOUT * 2);
22.  
    memcache.delete(key_mutex);
23.  
    } else {
24.  
    sleep( 50);
25.  
    retry();
26.  
    }
27.  
    }
28.  
    }

 

3. "永遠不過期"：  

 

這里的“永遠不過期”包含兩層意思：

(1) 從redis上看，確實沒有設置過期時間，這就保證了，不會出現熱點key過期問題，也就是“物理”不過期。

(2) 從功能上看，如果不過期，那不就成靜態的了嗎？所以我們把過期時間存在key對應的value里，如果發現要過期了，通過一個后台的異步線程進行緩存的構建，也就是“邏輯”過期

        從實戰看，這種方法對於性能非常友好，唯一不足的就是構建緩存時候，其余線程(非構建緩存的線程)可能訪問的是老數據，但是對於一般的互聯網功能來說這個還是可以忍受。

 

1.  
   String get(final String key) {
2.  
   V v = redis.get(key);
3.  
   String value = v.getValue();
4.  
   long timeout = v.getTimeout();
5.  
   if (v.timeout <= System.currentTimeMillis()) {
6.  
   // 異步更新后台異常執行
7.  
   threadPool.execute( new Runnable() {
8.  
   public void run() {
9.  
   String keyMutex = "mutex:" + key;
10.  
    if (redis.setnx(keyMutex, "1")) {
11.  
    // 3 min timeout to avoid mutex holder crash
12.  
    redis.expire(keyMutex, 3 * 60);
13.  
    String dbValue = db.get(key);
14.  
    redis.set(key, dbValue);
15.  
    redis.delete(keyMutex);
16.  
    }
17.  
    }
18.  
    });
19.  
    }
20.  
    return value;
21.  
    }

 

4. 資源保護：

 

采用netflix的hystrix，可以做資源的隔離保護主線程池，如果把這個應用到緩存的構建也未嘗不可。

四種解決方案：沒有最佳只有最合適

 

解決方案	優點	缺點
簡單分布式互斥鎖（mutex key）	1. 思路簡單 2. 保證一致性	1. 代碼復雜度增大 2. 存在死鎖的風險 3. 存在線程池阻塞的風險
“提前”使用互斥鎖	1. 保證一致性	同上
不過期(本文)	1. 異步構建緩存，不會阻塞線程池	1. 不保證一致性。 2. 代碼復雜度增大(每個value都要維護一個timekey)。 3. 占用一定的內存空間(每個value都要維護一個timekey)。
資源隔離組件hystrix(本文)	1. hystrix技術成熟，有效保證后端。 2. hystrix監控強大。	1. 部分訪問存在降級策略。

 

總結

 針對業務系統，永遠都是具體情況具體分析，沒有最好，只有最合適。

最后，對於緩存系統常見的緩存滿了和數據丟失問題，需要根據具體業務分析，通常我們采用LRU策略處理溢出，Redis的RDB和AOF持久化策略來保證一定情況下的數據安全。

參考文檔： https://blog.csdn.net/zeb_perfect/article/details/54135506