Redis缓存雪崩、缓存击穿、缓存穿透、缓存预热.
背景
在实际工程中，Redis缓存问题常伴随高并发场景出现。例如，电商大促、活动报名、突发新闻时，由于缓存失效导致大量请求访问数据库，导致雪崩、击穿、穿透等问题。因此，新系统上线前需预热缓存，以应对高并发，减轻数据库压力。本章主要围绕这几个核心问题，针对产生场景、分析原因、并给出相应的解决方案。
文章导读
缓存雪崩
什么是缓存雪崩？
指在一个高并发的系统中，由于大量的缓存数据在同一时间段内过期或失效，导致大量请求无法从缓存中获取数据，因此大量并发请求可能导致数据库服务器过载，甚至宕机，从而引发整个系统崩溃。
产生原因
1、硬件故障。 比如：机房着火、停电等导致redis挂机。
2、软件设计。redis中有大量key同时过期或者大面积失效。导致缓存中查不到对应key。此时访问压力给到数据库。如图示：
实际应用场景中，如：
- 金融系统股票价格、汇率等数据实时变动；
- 热点新闻缓存过期时，大量用户访问新闻详情页的请求；
- 电商平台在大促期间，如“618”、“双十一”等。
如果这些数据在缓存中的过期时间设置得过于集中，或者缓存服务器突然宕机，那么在数据过期或缓存失效的瞬间，大量请求会直接访问数据库，导致数据库负载剧增，可能引发雪崩。
程序示例
这里给出伪代码：
// 缓存类
class SimpleCache {
private Map<String, Object> cache;
private long expirationTime;
public SimpleCache(long expirationTime) {
this.cache = new HashMap<>();
this.expirationTime = expirationTime;
}
public Object get(String key) {
// 假设所有缓存项都已过期
return null; // 返回null表示缓存失效
}
// 省略添加数据到缓存
}
// 模拟数据源访问
class DataSource {
public Object fetchData(String key) {
// 模拟数据源访问的延迟
try {
Thread.sleep(1000); // 假设每次访问需要1秒
} catch (InterruptedException e) {
e.printStackTrace();
}
return "Data for " + key;
}
}
public class CacheAvalancheSimulation {
public static void main(String[] args) {
// 设置缓存过期时间为一个非常短的时间，以模拟缓存雪崩
SimpleCache cache = new SimpleCache(1); // 假设过期时间为1毫秒
DataSource dataSource = new DataSource();
// 模拟大量请求
for (int i = 0; i < 1000000; i++) {
String key = "data" + i;
Object data = cache.get(key);
if (data == null) {
// 缓存失效，从数据库获取数据
data = dataSource.fetchData(key);
}
// 获取到的数据或处理数据
}
}
}
流程说明：
-
初始化缓存：
- 假设缓存中存储了一些数据。
- 设置缓存中所有项的过期时间为相同的、非常短的时间点。
-
模拟大量请求：
- 当缓存项过期后，程序开始接收大量请求。
- 每个请求都尝试从缓存中获取数据。
-
缓存失效与数据库访问：
- 由于所有缓存项都已过期，所有请求都无法从缓存中获取数据。
- 因此，这些请求都会转而访问数据库来获取数据。
-
数据源压力增大：
- 短时间内的大量请求导致数据源承受巨大的访问压力。
- 如果数据源无法及时响应所有请求，就会出现性能下降或崩溃的情况。
解决方案
针对雪崩问题的解决方案，一般可以从以下几个角度考虑
方案一、设置redis的某些key永不过期
简单地使用 SET 命令来添加这个key，不需要调用任何设置过期时间的命令：
SET product:500100 "{"name":"ProductName", "price":99.99, "status":"上架中"}"
在java中，可以使用Jedis或者RedisTemplate客户端
redisTemplate.opsForValue().set(productCode, productData);
值得注意的是，可能因为Redis的内存限制或其他原因（如使用了Redis的LRU淘汰策略）而被删除。因此，在设计系统时，除了考虑key的过期时间外，还需要考虑Redis的内存管理和淘汰策略。
方案二、搭建高可用redis集群+持久化
如图，一般线上环境都会有redis集群保证高可用。
对应集群模式：
- 主从模式（Master-Slave）
- 哨兵模式 （Sentinel）
- 分片模式 （Cluster）
关于三种集群模式的优缺点对比，配置这里不再赘述。图示只说明redis集群保障高可用的能力。
方案三、服务降级、熔断、限流
在Spring Cloud中使用Hystrix和Sentinel进行熔断降级和限流，这里给出简单的程序示例。
- 服务熔断降级 - Hystrix
配置pom.xml
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-netflix-hystrix</artifactId>
</dependency>
在启动类上添加@EnableHystrix注解来启用Hystrix。
@SpringBootApplication
@EnableHystrix
public class MyApplication {
public static void main(String[] args) {
SpringApplication.run(MyApplication.class, args);
}
}
在服务调用方法上添加@HystrixCommand注解，并配置相应的降级逻辑。
@Service
public class MyService {
@HystrixCommand(fallbackMethod = "fallbackMyMethod")
public String busiMethod() {
// 调用远程服务
}
public String fallbackMyMethod() {
// 降级逻辑
return "Fallback response";
}
}
对于Hystrix的YML配置，你可以在application.yml或application.properties中设置一些全局参数，例如超时时间、请求缓存等。
hystrix:
command:
default:
execution:
isolation:
thread:
timeoutInMilliseconds: 5000 # 设置命令执行的超时时间
fallback:
enabled: true # 启用降级逻辑
- 限流 - Sentinel
在pom.xml中添加了Sentinel的依赖。
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
在启动类上添加@EnableDiscoveryClient和@EnableSentinel注解。
@SpringBootApplication
@EnableDiscoveryClient
@EnableSentinel
public class MyApplication {
public static void main(String[] args) {
SpringApplication.run(MyApplication.class, args);
}
}
Sentinel的限流规则通常不是在YML文件中配置的，而是通过Sentinel Dashboard进行动态配置。这里设置一些基础配置，例如数据源等。
在application.yml中，你可以配置Sentinel的数据源类型以及Dashboard的地址。
spring:
cloud:
sentinel:
transport:
dashboard: 127.0.0.1:8080 # Sentinel Dashboard的地址
datasource:
flow:
default:
type: file
file:
file-name: classpath:flow-rules.json # 规则文件路径
rule-type: flow
需要创建一个规则文件，例如flow-rules.json，并在其中定义限流规则。
[
{
"resource": "some-resource",
"count": 10,
"grade": 1,
"limitApp": "default",
"strategy": 0
}
]
这里我们针对some-resource的QPS限流规则，允许每秒最多10个请求。Sentinel的主要优势在于其动态规则管理能力，因此通常建议通过Sentinel Dashboard进行实时配置和监控。
当然，对于限流，也可以在网关层面使用Spring Cloud Gateway实现。如下图：
Spring Cloud Gateway是分布式系统中流量的入口。它需要对大量的请求进行管理和控制，以防止服务调用失败（如超时、异常）导致的请求堆积在网关上。通过在网关层面进行限流，可以快速失败并返回给客户端，从而保护后端服务的稳定性。
方案四、设计多级缓存架构
多级缓存主要从：redis缓存、本地缓存、Nginx缓存考虑。可以参考前边的文章 《多级缓存设计和实战应用》，这里详细介绍了多级缓存方案。
缓存穿透
什么是缓存穿透?
一句话，就是查询一条根本没有的记录。它既不存在于redis中，也不存在数据库中。一般我们的查询顺序是先查redis、再查数据库。每次请求最终都会访问到数据库。造成数据库访问压力。这种现象叫缓存穿透。
产生原因
- 查询记录在redis和数据库均不存在
- 恶意攻击
解决方案
方案一、使用布隆过滤器
使用布隆过滤器解决缓存穿透问题具体流程如下：
流程说明：
- Web端发起请求到App服务应用
- 经过布隆过滤器判断key是否存在
- 若不存在，直接返回null
- 若key存在或者被误判(下文详述)，查询redis
- 若redis中有结果，直接返回
- 未查到，则查询数据库返回结果
- 数据库查到结果，返回结果。并将对应key回写redis
- 未查到，则返回null
基于上述流程，给出程序伪代码：
public class RequestHandler {
private BloomFilter<String> bloomFilter;
private Jedis jedis;
private DatabaseService databaseService; // 假设这是处理数据库查询的服务
// 初始化布隆过滤器，这里仅作示意，实际使用需配置正确的funnel和预估元素数量
public RequestHandler(Funnel<String> funnel, long expectedInsertions) {
bloomFilter = BloomFilter.create(funnel, expectedInsertions, 0.01); // 假设误报率为0.01
jedis = new Jedis("localhost"); // 假设Redis服务在本地
databaseService = new DatabaseService(); // 初始化数据库服务
}
public Object handleRequest(String key) {
// 检查布隆过滤器
if (!bloomFilter.mightContain(key)) {
// key不存在，直接返回null
return null;
}
// 检查Redis
String redisResult = jedis.get(key);
if (redisResult != null) {
// Redis中有结果，直接返回
return redisResult;
}
// 查询数据库
Optional<Object> databaseResult = databaseService.queryDatabase(key);
if (databaseResult.isPresent()) {
// 数据库查到结果，返回结果，并将对应key回写Redis
Object result = databaseResult.get();
jedis.set(key, result.toString()); // 假设结果可以转换为字符串并存储在Redis中
return result;
} else {
// 数据库未查到，返回null
return null;
}
}
// 假设的数据库服务类，用于查询数据库
private static class DatabaseService {
public Optional<Object> queryDatabase(String key) {
// 这里应实现具体的数据库查询逻辑
// 返回Optional封装的结果，若找到结果则返回Optional.of(result)，否则返回Optional.empty()
return Optional.empty(); // 示意性代码，实际应替换为数据库查询逻辑
}
}
}
关于布隆过滤器使用和原理，可参考先前的文章《布隆过滤器原理》。
方案一、缓存空对象或者默认值
针对要查询的数据，需求层面沟通，可以在Redis里存一个缺省值(比如，零、负数、defaultNull等)。
流程描述：
- 先去redis查键user:xxxxxx没有，再去mysql查没有获得 ，这就发生了一次穿透现象；
- 第一次来查询user:xxxxxx，redis和mysql都没有，返回null给调用者；
- 将 user:xxxxxx,defaultNull 回写redis；
- 第二次查user:xxxxxx，此时redis就有值了。
可以直接从Redis中读取default缺省值返回给业务应用程序，避免了把大量请求发送给mysql处理，打爆mysql。
但是，此方法只能解决key相同的情况，但是无法应对黑客恶意攻击。
缓存击穿
什么是缓存击穿？
一句话，就是热点key突然失效了，大量请求暴击数据库。关键词：大量请求、同一个热点key、正好失效。
发生场景
- 某个key以到过期时间，但是还是被访问到
- key被删除，但是被访问到
- 如，某电商网站的今日特卖
解决方案
方案一、差异失效时间
差异失效时间，对于访问频繁的热点key，不设置过期时间。和上边类似，这里不再赘述。
方案二、采用互斥锁，双检加锁策略更新
双检锁通常用于解决懒加载中的并发问题，即只有当数据在缓存中不存在时，才进行数据库查询，并且确保只有一个线程进行数据库查询。
基本流程如下：
- 当大量请求进来，多个线程同时去查询数据库获取同一条数据；
- 在第一个查询数据的请求上使用一个
互斥锁来锁定； - 其他的线程走到这一步拿不到锁排队等着；
- 第一个线程查询到了数据，然后做缓存；
- 后面的线程进来发现已经有缓存了，就直接走缓存。
对应程序伪代码示例：
public String get(String key) {
String value = redis.get(key); // 查询缓存
if (value != null) {
// 缓存存在，直接返回
return value;
} else {
// 缓存不存在，对方法加锁（同步块）
synchronized (TaskFuture.class) {
// 再次查询Redis,防止在同步块外等待的线程已经加载了数据
value = redis.get(key);
if (value != null) {
// 再次查到数据，直接返回
return value;
} else {
// 二次查询Redis也不存在，查询数据库
value = dao.get(key);
// 将数据存入Redis缓存
redis.setnx(key, value, time);
// 返回从数据库查询到的值
return value;
}
}
}
}
注意: 在真实的生产环境中，考虑到缓存一致性和数据一致性的问题，有些情况下可能还需要使用更复杂的并发控制机制。
缓存预热
缓存预热是一种缓存优化技术，其核心思想是在系统上线或服务重启之前，提前将相关的缓存数据加载到缓存系统中。这样做的目的是为了避免在实际请求到达时进行缓存项的加载，从而减少了响应时间，提升了系统的性能。
以下是一些常见的缓存预热实现方案：
方案一、批量预加载数据
在系统启动或服务重启时，可以批量查询数据库并将结果存入缓存中。这种方式适用于数据量相对固定且比较小的情况。比如：常用的字典配置信息。
public void preloadCache() {
List<String> keys = ... // 获取需要预热的缓存键列表
for (String key : keys) {
Object value = dao.get(key); // 从数据库中获取数据
if (value != null) {
redis.set(key, serialize(value), cacheExpiration); // 将数据存入缓存
}
}
}
方案二、异步预热
如果预热的数据量很大，或者预热过程比较耗时，可以考虑使用异步任务来执行预热操作。这样可以避免阻塞系统启动，并且可以利用系统的空闲时间来预热缓存。
@PostConstruct
public void startPreloadCacheAsync() {
CompletableFuture.runAsync(() -> preloadCache());
}
方案三、定时任务预热
对于某些周期性变化的数据，可以用定时任务来定期预热缓存。例如，对于每天更新的数据，可以在每天的某个固定时间执行预热操作。
@Scheduled(fixedRate = 24 * 60 * 60 * 1000) // 每天执行一次
public void schedulePreloadCache() {
preloadCache();
}
方案四、使用SpringBoot
InitializingBean接口实现
下面是一个使用InitializingBean接口实现缓存预热的示例：
import org.springframework.beans.factory.InitializingBean;
import org.springframework.stereotype.Component;
@Component
public class CachePreloader implements InitializingBean {
@Override
public void afterPropertiesSet() throws Exception {
// 获取需要预热的缓存键列表
List<String> keysToPreload = ...;
for (String key : keysToPreload) {
// 从数据源获取数据
Object value = dbService.get(key);
if (value != null) {
// 将数据放入缓存
cacheService.put(key, value);
}
}
}
}
总结
本文主要介绍了redis缓存使用中常见的问题：缓存雪崩、缓存击穿、缓存穿透、缓存预热等。详情归纳如下：
缓存问题 产生原因 解决方案 缓存雪崩 大量缓存失效，导致数据库过载 1. 分散缓存失效时间 2. 多级缓存 3. 缓存高可用 4. 服务降级限流 缓存穿透 查询不存在的数据，导致数据库过载 1. 布隆过滤器 2. 空值缓存 缓存击穿 热点数据失效，导致数据库过载 1. 热点数据永不过期 2. 使用互斥锁往期推荐
结尾
共享即共赢。如有帮助，欢迎转发、点赞和在看。关注公众号【码易有道】，一起做长期且正确的事情！！！