当前位置：首页 > news >正文

经常用Redis，这些坑你知道吗？

news 来源：原创 2024/5/4 1:07:37

作者简介：曾任职于阿里巴巴，每日优鲜等互联网公司，任技术总监，15年电商互联网经历。

近些年，Redis凭借在性能、稳定性和高可扩展性上的卓越表现，基本上已经成了互联网行业缓存中间件的标配，甚至很多传统行业也在使用Redis。那么我们在使用Redis等缓存中间件时，要注意哪些问题呢？本文咱们就来聊聊，我们使用缓存中间件过程中曾经遇到的坑！

缓存穿透

先看一个常见的缓存使用方式。请求来了，先查缓存，缓存有值就直接返回；缓存没值，查数据库，然后把数据库的值存到缓存，再返回。

假如缓存没查到某个值，查数据库也没这个值，也就是说要查的值根本不存在，这样就会导致每次对这个值的查询请求都会穿透到数据库。这就是所谓的“缓存穿透”。

如何避免缓存穿透？

如果从数据库中没查到值，可以在缓存中记录一个空值，来避免“缓存穿透”。并且要给这个空值设置一个较短的过期时间。

比如说，我们经常会把用户信息缓存到Redis。如果调用方传了一个不存在的UserID，在缓存中就查不到这个用户信息，然后去DB也查不到。这样就会导致，每次根据这个UserID查用户信息，都会穿透到数据库，给数据库造成了压力。为了避免缓存穿透，当数据库查不到时，我们可以在缓存中记录一条空数据，比如userID做为key，空json做为值，如果程序获得这个空json，就按用户不存在处理。再给这个key设置一个很短的过期时间，比如30秒。

缓存雪崩

我们经常会遇到需要初始化缓存的情况。比如说用户系统重构，表结构发生了变化，缓存信息也要变，上线前需要初始化缓存，将用户信息批量存入缓存。假如我们给这些用户信息设置相同的过期时间，到过期时间点所有用户信息的缓存记录就会同时集中失效，导致大量请求瞬间打到数据库，数据库很可能会被搞挂。这种缓存集中失效，导致大量请求同时穿透到数据库的情况，就是所谓的“雪崩效应”。

所以，当我们向缓存初始化数据时，要保证每个缓存记录过期时间的离散性。可以采用一个较大的固定值加上一个较小的随机值。比如过期时间可以是：10小时 + 0到3600秒的随机值。

缓存并发

当系统并发很高，缓存数据尤其是热点数据过期后，可能会出现多个请求同时访问数据库并设置缓存的情况，不但给数据库带来压力，而且会有缓存频繁更新的问题。

我们可以通过加锁来避免缓存并发问题。如果从缓存查不到数据，对查询数据加分布式锁，然后查数据库并把数据库查询结果放入缓存。其他线程等待锁释放后，直接从缓存取值。

比如，电商系统会缓存商品SKU价格，一些热点商品的并发访问会非常高。当缓存过期失效后，访问请求从缓存查不到记录，此时可以用商品SKU ID为Key加分布式锁，然后从数据库查询价格并把价格放入缓存，最后解锁。解锁后其他请求就可以从缓存直接取值了。从而避免了数据库的压力。

分布式锁

以我们之前做过的5人拼团为例。如果有用户参加团购，我们需要先校验参团人数是否达到了上限5人。如果没达到5人，用户才可以参团。伪代码如下：

//根据拼团ID获取目前参团成员数量
int numOfMembers = pinTuanService.getNumOfMembersById(pinTuanID);
if(numOfMembers < 5) {
  pinTuanService.pintuan();//执行，加入拼团，生单等逻辑
}

高并发场景下，上面的代码会有很严重的问题。如果某个团当前的参团人数是4，这时有两个用户同时参团，用户A和用户B的请求同时进入上面的代码块，A和B的请求同时执行到第2行代码，获取的numOfMembers都是4，表达式 numOfMembers < 5 成立，所以两个用户都能执行到第4行代码，就是说A用户和B用户都能成功参加拼团。于是，参团人数就超过了5人的上限。所以我们就需要加锁来避免这个问题。synchronized行吗？不行。因为我们的服务是多节点部署的，所以要加分布式锁。代码如下：

boolean aquired = distributedLock.aquireLock(pinTuanID, 3000);
if(aquired == true) {
  try{
    //根据拼团ID获取目前参团成员数量
    int numOfMembers = pinTuanService.getNumOfMembersById(pinTuanID);
    if(numOfMembers < 5) {
      pinTuanService.pintuan();//执行，加入拼团，生单等逻辑
    } 
  } finally {
    distributedLock.releaseLock(pinTuanID);
  }
}

这样就好多啦！接下来我们看看基于Redis分布式锁的实现，以及特别要注意的问题。一般我们会基于setnx实现Redis分布式锁。setnx命令可以检查key是否存在，如果key不存在，就在Redis中创建一个键值对（操作成功），如果key已经存在就放弃执行（操作失败）。

先看一段基于Springboot实现的加锁和释放锁的代码：

@Component
public class DistributedLock {


 @Autowired
 private StringRedisTemplate redisTemplate;
 
 /**
 * 加锁
 * lockKey，redis的key
 * expireTime，过期时间，单位是毫秒
 * 注：setIfAbsent方法就使用了redis的setnx
 */
  public boolean aquireLock(String lockKey, long expireTime) {
   long waitTime = 0;
   boolean success = redisTemplate.opsForValue().setIfAbsent(lockKey, "distributedLock",
                     expireTime, TimeUnit.MILLISECONDS);
   if(success == true){
      return success;   
   } else {
     //如果加锁失败，循环重试加锁
     while(success != true && waitTime < 5000L ) {
       success = redisTemplate.opsForValue().setIfAbsent(lockKey, "distributedLock",
                       expireTime, TimeUnit.MILLISECONDS);
       sleep 100毫秒;                
       waitTime += 100L;
     }
   }
   
   return success;
 }
 
 /**
 * 释放锁
 * lockKey，redis的key
 */
 public void releaseLock(String lockKey) {
   redisTemplate.delete(lockKey);
 } 
 
}

上面的代码。乍一看，好像没什么问题！加锁失败有循环重试加锁，过期时间设置了，而且也保证了创建Key-Value键值对和设置过期时间的原子性，这样当程序没有正常释放锁时，也能保证过期后锁自动释放（注意：redis较老的版本不支持 setnx 和设置过期时间的原子操作，不过可以利用Lua脚本来保证原子性）。

我们再仔细思考一下，一般场景我们会对Key设置一个很短的过期时间，当一次操作因为网络等原因耗费了较长时间，操作还没完成key就过期失效了。这样会产生什么问题呢？我们还是以拼团为例加以说明，先看看下面这张图：

如上图，用户A和用户B同时参加同一团，团ID为 001，我们以团ID作为分布式锁的Key，"distributedLock" 作为固定的Value，过期时间是5秒。A先获取分布式锁，但是由于网络等原因A的拼团操作在5秒内没完成，这时Key过期并从Redis清除掉，A的分布式锁失效。此时用户B拿到分布式锁，Key也同样是团ID 001。在用户B的拼团逻辑执行完之前，用户A的逻辑先执行完了，紧接着A就把锁给释放了。不过A的锁早已经过期失效了，B持有锁的Key和A又完全一样，所以此时A释放的其实是B的锁。这样一来整个拼团还是有可能会超员。怎么解决呢？

我们可以把分布式锁的Value设成可以区分的值，比如拼团的场景Value可以设置为userID，在释放锁的时候根据key和value来判断当前的锁是不是自己的，只有Redis中userID和自己的userID相同才释放锁。

改进后的代码如下：

@Component
public class DistributedLock {


 @Autowired
 private StringRedisTemplate redisTemplate;
 
 /**
 * 加锁
 * lockKey，redis的key
 * expireTime，过期时间，单位是毫秒
 * 注：setIfAbsent方法就使用了redis的setnx
 */
  public boolean aquireLock(String lockKey, String userID, long expireTime) {
   long waitTime = 0;
   boolean success = redisTemplate.opsForValue().setIfAbsent(lockKey, userID,
                     expireTime, TimeUnit.MILLISECONDS);
   if(success == true){
      return success;   
   } else {
     //如果加锁失败，循环重试加锁
     while(success != true && waitTime < 5000L ) {
       success = redisTemplate.opsForValue().setIfAbsent(lockKey, userID,
                       expireTime, TimeUnit.MILLISECONDS);
       sleep 100毫秒;                
       waitTime += 100L;
     }
   }
   
   return success;
 }
 
 /**
 * 释放锁
 * lockKey，redis的key
 */
 public void releaseLock(String lockKey, String userID) {
   String userIDFromRedis = redisTemplate.get(lockKey);
   if( userID.equals(userIDFromRedis) ) {
     redisTemplate.delete(lockKey);
   }
 } 
 
}

还有一种场景需要考虑。当Redis master发生故障，主备切换时往往会造成数据丢失，包括分布式锁的Key-Value 也可能丢失。这样就会导致操作还没执行完，锁就被其他请求拿到了。Redis官方提供了Redlock算法，以及相应的开源实现 Redisson。用到分布式锁的场景，大家可以直接使用 Redisson，非常方便。如果系统对可靠性要求很高，如需用到分布式锁，建议使用 Zookeeper，etcd 等。

OK，就分享到这。如果感觉本文对您有帮助，有劳点下在看，分享知识是美德哦????

更多干货请关注：架构师进阶之路