缓存雪崩&缓存击穿&缓存穿透
缓存雪崩&缓存击穿&缓存穿透
缓存雪崩
1、什么是缓存雪崩
如果缓存再某一时刻出现大规模的key失效，就会导致大量请求打在了数据库上面，导致数据压力巨大，如果在高并发的情况下，可能瞬间就会导致数据宕机。
2、解决方案
事前
- 均匀过期：设置不同的过期时间，让缓存失效的时间尽量均匀，避免相同的过期时间导致缓存雪崩，造成大量数据库的访问。
- 分级缓存：第一级缓存失效的基础上，访问二级缓存，每一级缓存的失效时间都不同。
- 热点数据缓存永远不过期。
永不过期实际包含两层意思：
物理不过期，针对热点key不设置过期时间
逻辑过期，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
- 保证Redis缓存的高可用，防止Redis宕机导致缓存雪崩的问题。可以使用 主从+ 哨兵，Redis集群来避免 Redis 全盘崩溃的情况。
事中
- 互斥锁：在缓存失效后，通过互斥锁或者队列来控制读数据写缓存的线程数量，比如某个key只允许一个线程查询数据和写缓存，其他线程等待。这种方式会阻塞其他的线程，此时系统的吞吐量会下降。
- 使用熔断机制，限流降级。当流量达到一定的阈值，直接返回“系统拥挤”之类的提示，防止过多的请求打在数据库上将数据库击垮，至少能保证一部分用户是可以正常使用，其他用户多刷新几次也能得到结果。
事后
- 开启Redis持久化机制，尽快恢复缓存数据，一旦重启，就能从磁盘上自动加载数据恢复内存中的数据。
缓存穿透
1、什么是缓存穿透
缓存穿透是指用户请求的数据在缓存中不存在即没有命中，同时在数据库中也不存在，导致用户每次请求该数据都要去数据库中查询一遍。如果有恶意攻击者不断请求系统中不存在的数据，会导致短时间大量请求落在数据库上，造成数据库压力过大，甚至导致数据库承受不住而宕机崩溃。
2、解决方案
方案一：空对象缓存或者缺省值
一旦发生缓存穿透，我们就可以针对查询的数据，在Redis中缓存一个空值或是和业务层协商确定的缺省值（例如，库存的缺省值可以设为0）。紧接着，应用发送的后续请求再进行查询时，就可以直接从Redis中读取空值或缺省值，返回给业务应用了，避免了把大量请求发送给数据库处理，保持了数据库的正常运行。
方案二：Redis布隆过滤器解决缓存穿透
布隆过滤器。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。
白名单架构说明
3、Redis布隆过滤器使用案例
安装RedisBloom
Redis 在 4.0 之后有了插件功能（Module），可以使用外部的扩展功能，可以使用 RedisBloom 作为 Redis 布隆过滤器插件。
推荐用docker安装
启动
docker run -p 6379:6379 --name redis-redisbloom redislabs/rebloom:latest
进入redis-cli
docker exec -it [CONTAINER ID] /bin/bash
代码
/**
* @Author: LR
* @Date: 2022/6/17 14:26
**/
public class RedissonBloomFilter {
public static void main(String[] args) {
Config config = new Config();
config.useSingleServer().setAddress("redis://localhost:6379");
//config.useSingleServer().setPassword("root");
//构造Redisson
RedissonClient redisson = Redisson.create(config);
RBloomFilter<String> bloomFilter = redisson.getBloomFilter("userList");
//初始化布隆过滤器：预计元素为100000000L,误差率为3%
bloomFilter.tryInit(100000000L,0.03);
//将userid admin 插入布隆过滤器
bloomFilter.add("admin");
//判断下面userId是否在布隆过滤器中
System.out.println(bloomFilter.contains("admin22"));//false
System.out.println(bloomFilter.contains("admin"));//true
}
}
缓存击穿
1、什么是缓存击穿
缓存击穿跟缓存雪崩有点类似，缓存雪崩是大规模的key失效，而缓存击穿是某个热点的key失效，大并发集中对其进行请求，就会造成大量请求读缓存没读到数据，从而导致高并发访问数据库，引起数据库压力剧增。这种现象就叫做缓存击穿。
2、解决方案
物理不过期，针对热点key不设置过期时间
互斥独占锁防止击穿
public User test(Integer userId) {
User user = null;
//缓存key
String key = CACHE_KEY_USER + userId;
//1 查询redis
user = (User) redisTemplate.opsForValue().get(key);
//redis无，进一步查询mysql
if (user == null) {
//对于高QPS的优化，进来就先枷锁，保证一个请求操作，让外面的redis等待一下，避免击穿mysql
synchronized (UserService.class) {
user = (User) redisTemplate.opsForValue().get(key);
//2 二次查询redis还是null,可以去查mysql了
if (user == null) {
//从mysql查出来user
user = this.userMapper.selectByPrimaryKey(userId);
if (user == null) {
return null;
} else {
//mysql有数据，redis没有数据，则需要再写入redis,保证数据的一致性
redisTemplate.opsForValue().set(key, user);
}
}
}
}
return user;
}
总结
