Redis缓存穿透、缓存雪崩、并发问题分析与解决方案
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Redis缓存穿透、缓存雪崩、并发问题分析与解决方案，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含7666字，纯文字阅读大概需要11分钟。
内容图文
(一)缓存和数据库间数据一致性问题
分布式环境下（单机就不用说了）非常容易出现缓存和数据库间的数据一致性问题，针对这一点的话，只能说，如果你的项目对缓存的要求是强一致性的，那么请不要使用缓存。我们只能采取合适的策略来降低缓存和数据库间数据不一致的概率，而无法保证两者间的强一致性。合适的策略包括 合适的缓存更新策略，更新数据库后要及时更新缓存、缓存失败时增加重试机制，例如MQ模式的消息队列。
(二)缓存击穿问题
缓存击穿表示恶意用户模拟请求很多缓存中不存在的数据，由于缓存中都没有，导致这些请求短时间内直接落在了数据库上，导致数据库异常。这个我们在实际项目就遇到了，有些抢购活动、秒杀活动的接口API被大量的恶意用户刷，导致短时间内数据库宕机了，好在数据库是多主多从的，hold住了。
解决方案的话：
1、使用互斥锁排队
业界比价普遍的一种做法，即根据key获取value值为空时，锁上，从数据库中load数据后再释放锁。若其它线程获取锁失败，则等待一段时间后重试。这里要注意，分布式环境中要使用分布式锁，单机的话用普通的锁（synchronized、Lock）就够了。
一、加锁操作
<dependency>
<groupId>redis.clients</groupId>
<artifactId>jedis</artifactId>
<version>2.9.0</version>
</dependency>
private static final String LOCKED_SUCCESS = "OK";
private static final String NX = "NX";
private static final String EXPIRE_TIME = "PX";
/**
* 获取锁
*
* @param jedis redis客户端
* @param lockKey 锁的key
* @param uniqueId 请求标识
* @param expireTime 过期时间
* @return 是否获取锁
*/
public static boolean tryDistributedLock(Jedis jedis, String lockKey, String uniqueId, long expireTime) {
String result = jedis.set(lockKey, uniqueId, NX, EXPIRE_TIME, expireTime);
return LOCKED_SUCCESS.equals(result);
}
在低版本的redis中是没有这个set方法的，至于为什么这个简单的set方法能够保证前面提到的分布式锁原则呢？看下这个set的源码参数
/**
* Set the string value as value of the key. The string can't be longer than 1073741824 bytes (1
* GB).
* @param key 唯一标识key
* @param value 存储的值value
* @param nxxx 可选项:NX、XX 其中NX表示当key不存在时才set值，XX表示当key存在时才set值
* @param expx 过期时间单位，可选项:EX|PX 其中EX为seconds,PX为milliseconds
* @param time 过期时间，单位取上一个参数
* @return Status code reply
*/
public String set(final String key, final String value, final String nxxx, final String expx,
final long time) {
checkIsInMultiOrPipeline();
client.set(key, value, nxxx, expx, time);
return client.getStatusCodeReply();
}
如上的tryDistributedLock就可以实现简单的redis分布式锁了（此set方法的原子性）
1、set方法中nxx参数为NX，表示当key不存在时才会set值，保证了互斥性;
2、set值的同时设置过期时间（过期后del此key），客户端宕机或网络延迟时不会一直持有锁，避免了死锁发生;
3、set方法中的value，比如UUID之类的，用来表示当前请求客户端的唯一性标识;
4、因为是redis单例，暂时没有考虑容错性;
常见的错误分布式加锁实现
private static final Long RELEASE_SUCCESS = 1L;
/**
* 释放锁
*
* @param jedis redis客户端
* @param lockKey 锁的key
* @param uniqueId 请求标识
* @return 是否释放
*/
public static boolean releaseDistributedLock(Jedis jedis, String lockKey, String uniqueId) {
String luaScript = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";
Object result = jedis.eval(luaScript, Collections.singletonList(lockKey), Collections.singletonList(uniqueId));
return RELEASE_SUCCESS.equals(result);
}
二、解锁操作
private static final Long RELEASE_SUCCESS = 1L;
/**
* 释放锁
*
* @param jedis redis客户端
* @param lockKey 锁的key
* @param uniqueId 请求标识
* @return 是否释放
*/
public static boolean releaseDistributedLock(Jedis jedis, String lockKey, String uniqueId) {
String luaScript = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";
Object result = jedis.eval(luaScript, Collections.singletonList(lockKey), Collections.singletonList(uniqueId));
return RELEASE_SUCCESS.equals(result);
}
不难看出使用Lua脚本告诉redis，如果这个key存在，且其存储的值和指定的value一致才可以删除这个key，从而释放锁，这样也保证了分布式锁的几个原则. 常见的错误释放锁会直接del这个key，没有考虑当前锁的拥有者，不符合分布式锁原则的有始有终原则;
如果不想用上面的Lua脚本，也可以用如下代码：
public static void releaseLock(Jedis jedis,String lockKey,String uniqueId){
if(uniqueId.equals(jedis.get(lockKey))){
jedis.del(lockKey);
}
}
public String getWithLock( String key, Jedis jedis, String lockKey, String uniqueId, long expireTime )
{
/* 通过key获取value */
String value = redisService.get( key );
if ( StringUtil.isEmpty( value ) )
{
/*
* 分布式锁，详细可以参考https://blog.csdn.net/fanrenxiang/article/details/79803037
* 封装的tryDistributedLock包括setnx和expire两个功能，在低版本的redis中不支持
*/
try {
boolean locked = redisService.tryDistributedLock( jedis, lockKey, uniqueId, expireTime );
if ( locked )
{
value = userService.getById( key );
redisService.set( key, value );
redisService.del( lockKey );
return(value);
} else {
/* 其它线程进来了没获取到锁便等待50ms后重试 */
Thread.sleep( 50 );
getWithLock( key, jedis, lockKey, uniqueId, expireTime );
}
} catch ( Exception e ) {
log.error( "getWithLock exception=" + e );
return(value);
} finally {
redisService.releaseDistributedLock( jedis, lockKey, uniqueId );
}
}
return(value);
}
这样做思路比较清晰，也从一定程度上减轻数据库压力，但是锁机制使得逻辑的复杂度增加，吞吐量也降低了，有点治标不治本。
2、布隆过滤器（推荐）
bloomfilter就类似于一个hash set，用于快速判某个元素是否存在于集合中，其典型的应用场景就是快速判断一个key是否存在于某容器，不存在就直接返回。布隆过滤器的关键就在于hash算法和容器大小，下面先来简单的实现下看看效果，我这里用guava实现的布隆过滤器：
<dependencies >
< dependency >
< groupId > com.google.guava</ groupId>
< artifactId > guava</ artifactId>
< version > 23.0 < / version >
< / dependency >
< / dependencies >
public class BloomFilterTest {
private static final int capacity = 1000000;
private static final int key = 999998;
private static BloomFilter<Integer> bloomFilter = BloomFilter.create( Funnels.integerFunnel(), capacity );
static {
for ( int i = 0; i < capacity; i++ )
{
bloomFilter.put( i );
}
}
public static void main( String[] args )
{
/*返回计算机最精确的时间，单位微妙*/
long start = System.nanoTime();
if ( bloomFilter.mightContain( key ) )
{
System.out.println( "成功过滤到" + key );
}
long end = System.nanoTime();
System.out.println( "布隆过滤器消耗时间:" + (end - start) );
int sum = 0;
for ( int i = capacity + 20000; i < capacity + 30000; i++ )
{
if ( bloomFilter.mightContain( i ) )
{
sum = sum + 1;
}
}
System.out.println( "错判率为:" + sum );
}
}
成 功过滤到999998
布 隆过滤器消 耗 时间 : 215518
错 判率 为 : 318
可以看到，100w个数据中只消耗了约0.2毫秒就匹配到了key，速度足够快。然后模拟了1w个不存在于布隆过滤器中的key，匹配错误率为318/10000，也就是说，出错率大概为3%，跟踪下BloomFilter的源码发现默认的容错率就是0.03：
public static < T > BloomFilter<T> create( Funnel<T> funnel, int expectedInsertions /* n */ )
{
return(create( funnel, expectedInsertions, 0.03 ) ); /* FYI, for 3%, we always get 5 hash functions */
}
要注意的是，布隆过滤器不支持删除操作。用在这边解决缓存穿透问题就是：
public String getByKey( String key )
{
/* 通过key获取value */
String value = redisService.get( key );
if ( StringUtil.isEmpty( value ) )
{
if ( bloomFilter.mightContain( key ) )
{
value = userService.getById( key );
redisService.set( key, value );
return(value);
} else {
return(null);
}
}
return(value);
}
(三)缓存雪崩问题
缓存在同一时间内大量键过期（失效），接着来的一大波请求瞬间都落在了数据库中导致连接异常。
解决方案：
1、也是像解决缓存穿透一样加锁排队，实现同上;
2、建立备份缓存，缓存A和缓存B，A设置超时时间，B不设值超时时间，先从A读缓存，A没有读B，并且更新A缓存和B缓存;
public String getByKey( String keyA, String keyB )
{
String value = redisService.get( keyA );
if ( StringUtil.isEmpty( value ) )
{
value = redisService.get( keyB );
String newValue = getFromDbById();
redisService.set( keyA, newValue, 31, TimeUnit.DAYS );
redisService.set( keyB, newValue );
}
return(value);
}
内容总结
以上是互联网集市为您收集整理的Redis缓存穿透、缓存雪崩、并发问题分析与解决方案全部内容，希望文章能够帮你解决Redis缓存穿透、缓存雪崩、并发问题分析与解决方案所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。