猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿
文章目录
- 一、什么是缓存穿透、缓存雪崩、缓存击穿？
- 三、缓存的更新策略
- ⛅数据库与内存不一致的解决方案
- ⛄数据库与内存不一致应该采用什么方案
- 四、实战开发解决缓存穿透、缓存雪崩、缓存击穿
- ✒️缓存穿透解决方案
- ⚠️缓存雪崩解决方案
- ⚡缓存击穿解决方案
- 五、使用 Apache Jmeter对缓存击穿 进行压力测试
- 六、封装工具类
- ⛵小结
一、什么是缓存穿透、缓存雪崩、缓存击穿？
缓存穿透： 缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。
缓存雪崩：缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
缓存击穿： 缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。
缓存穿透、缓存雪崩、缓存击穿都是 Redis中比较常见的场景，同时也是面试高频必问点，很有意思，Redis 不是一般的强！
三、缓存的更新策略
缓存更新是redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们向redis插入太多数据，此时就可能会导致缓存中的数据过多，所以redis会对部分数据进行更新，或者把他叫为淘汰更合适。
三种更新策略
- 内存淘汰策略： redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)
- 超时剔除： 当我们给redis设置了过期时间ttl之后，redis会将超时的数据进行删除，方便咱们继续使用缓存
- 主动更新： 我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题
⛅数据库与内存不一致的解决方案
由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在,
其后果是：用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等;怎么解决呢？
有如下几种方案
Cache Aside Pattern 人工编码方式：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案
Read/Write Through Pattern : 由系统本身完成，数据库与缓存的问题交由系统本身去处理
Write Behind Caching Pattern ：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致
⛄数据库与内存不一致应该采用什么方案
综合考虑使用方案一，但是方案一调用者如何处理呢？这里有几个问题
操作缓存和数据库时有三个问题需要考虑：
如果采用第一个方案，那么假设我们每次操作数据库后，都操作缓存，但是中间如果没有人查询，那么这个更新动作实际上只有最后一次生效，中间的更新动作意义并不大，我们可以把缓存删除，等待再次查询时，将缓存中的数据加载出来
-
删除缓存还是更新缓存？
- 更新缓存：每次更新数据库都更新缓存，无效写操作较多
- 删除缓存：更新数据库时让缓存失效，查询时再更新缓存
-
如何保证缓存与数据库的操作的同时成功或失败？
- 单体系统，将缓存与数据库操作放在一个事务
- 分布式系统，利用TCC等分布式事务方案
应该具体操作缓存还是操作数据库，我们应当是先操作数据库，再删除缓存，原因在于，如果你选择第一种方案，在两个线程并发来访问时，假设线程1先来，他先把缓存删了，此时线程2过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程1再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。
- 先操作缓存还是先操作数据库？
- 先删除缓存，再操作数据库
- 先操作数据库，再删除缓存
实现商家 数据库和缓存双写一致性
修改数据时，先修改数据库，再删除缓存，即可达到双写一致性
@Override
@Transactional(rollbackFor = {Exception.class})
public ResultBean<Integer> update(ShopEntity param) {
Long id = param.getId();
if (id != null) {
return ResultBean.create(-1, "商铺id不允许为空！");
}
//1. 更新数据库
updateById(param);
//2. 删除缓存
stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY + id);
return ResultBean.create(0, "success", 1);
}
四、实战开发解决缓存穿透、缓存雪崩、缓存击穿
✒️缓存穿透解决方案
缓存穿透：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。
缓存穿透常见解决方案：
- 缓存空对象
- 优点：实现简单，维护方便
- 缺点：
- 额外的内存消耗
- 可能造成短期的不一致
- 布隆过滤
- 优点：内存占用较少，没有多余 key
- 缺点：
- 实现复杂
- 存在误判可能
缓存空对象思路分析：
当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到数据库了
布隆过滤思路分析
布隆过滤器其实采用的是哈希思想解决的这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器存在，则放行，这个请求会直接去请求redis，哪怕是此时redis中数据过期了，但是数据库中一定存在这个数据，在数据库查询出来这个数据，再存入redis
假设布隆过滤器判断这个数据不存在，则直接返回。
这种优点在于节约空间，存在误判的可能， 原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能出现哈希冲突
编码解决缓存击穿问题
思路：如果要查询的数据不存在，那么还是要把它写入redis，并且把redis值设置为空，当再次发起请求时，我们判断如果命中不等于null，那么就是缓存值，直接返回null，提升信息不存在即可，反之，则存入redis数据库，并设置过期时间。
@Override
public ResultBean<ShopDTO> queryById(Long id) {
try {
// 解决缓存穿透
ShopEntity shopEntity = queryWithPassThrough(id);
if (shopEntity == null) {
return ResultBean.create(-1, "店铺信息不存在！");
}
return ResultBean.create(0, "success", BeanUtil.toBean(shopEntity, ShopDTO.class));
} catch (Exception e) {
log.error("获取商品详情失败！ e ==> {}", e);
return null;
}
}
public ShopEntity queryWithPassThrough(Long id) {
//1. 设置key
String key = RedisConstants.CACHE_SHOP_KEY + id;
//2. 从redis中获取该key是否存在，如果存在，直接返回，如果为空，直接返回null
String shopJson = stringRedisTemplate.opsForValue().get(key);
//2.1 存在
if (StrUtil.isNotBlank(shopJson)) {
return JSONUtil.toBean(shopJson, ShopEntity.class);
}
//判断命中的是否为空值
if (shopJson != null) {
return null;
}
//3. 如果不存在，从数据库中查询
ShopEntity shopEntity = getById(id);
//4. 数据库中的如果为空，则存入 redis空值，来防止缓存穿透
if (shopEntity == null) {
//4.1 存入空值
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
return null;
}
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shopEntity), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
//5. 返回商家对象
return shopEntity;
}
⚠️缓存雪崩解决方案
缓存雪崩：缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
解决方案：
- 给不同的Key的TTL添加随机值
- 利用Redis集群提高服务的可用性
- 给缓存业务添加降级限流策略
- 给业务添加多级缓存
缓存雪崩，最常用的就是我们设置redis中的key的过期时间，设置随机一点，防止大面积key失效
为Redis添加集群，主从复制，哨兵模式等 具体可参考： Redis 进阶 – 搭建主从复制及哨兵模式集群
⚡缓存击穿解决方案
缓存击穿：缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。
常见的解决方案有两种：
- 互斥锁
- 逻辑过期
逻辑分析：
假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么它们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大
解决方案一：互斥锁解决
因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。
假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。
解决方案二：逻辑过期方案
之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。
我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。
假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。
这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。
类似于逻辑删除
两者对比
互斥锁方案： 由于保证了互斥性，所以数据一致，且实现简单，因为仅仅只需要加一把锁而已，也没其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁就有死锁问题的发生，且只能串行执行性能肯定受到影响
逻辑过期方案： 线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构数据，但是在重构数据完成前，其他的线程只能返回之前的数据，且实现起来麻烦。
利用互斥锁解决缓存击穿
相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是 进行查询之后，如果从缓存没有查询到数据，则进行互斥锁的获取，获取互斥锁后，判断是否获得到了锁，如果没有获得到，则休眠，过一会再进行尝试，直到获取到锁为止，才能进行查询
如果获取到了锁的线程，再去进行查询，查询后将数据写入redis，再释放锁，返回数据，利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑，防止缓存击穿
操作锁的代码：
核心思路就是利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。
public boolean tryLock(String key) {
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "0", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
public void unLock(String key) {
stringRedisTemplate.delete(key);
}
缓存穿透核心解决 互斥锁代码
@Override
public ResultBean<ShopDTO> queryById(Long id) {
try {
// 解决缓存穿透
// ShopEntity shopEntity = queryWithPassThrough(id);
//解决缓存击穿
ShopEntity shopEntity = queryWithPassMutex(id);
if (shopEntity == null) {
return ResultBean.create(-1, "店铺信息不存在！");
}
return ResultBean.create(0, "success", BeanUtil.toBean(shopEntity, ShopDTO.class));
} catch (Exception e) {
log.error("获取商品详情失败！ e ==> {}", e);
return null;
}
}
public ShopEntity queryWithPassMutex(Long id) {
String key = RedisConstants.CACHE_SHOP_KEY + id;
//1. 从redis中查询是否存在缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
//2. 判断是否存在，存在返回即可
if (StrUtil.isNotBlank(shopJson)) {
return JSONUtil.toBean(shopJson, ShopEntity.class);
}
//2.1 判断是否命中的空值
if (shopJson != null) {
return null;
}
ShopEntity shopEntity = null;
String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
try {
//3.实现缓存重建
//3.1. 获取锁
boolean lock = tryLock(lockKey);
//3.2 判断是否获取成功
if (!lock) {
//3.3 失败，则休眠重试
Thread.sleep(10);
queryWithPassMutex(id);
}
//3.4 成功，则根据id查询
shopEntity = getById(id);
//3.5 模拟延迟重建
Thread.sleep(5);
//3.6 如果为null，写入空值
if (shopEntity == null) {
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
}
//3.7 存在，存入redis中并设置过期时间
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shopEntity), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
} catch (InterruptedException e) {
e.printStackTrace();
} finally {
//3.8 释放互斥锁
unLock(lockKey);
}
//4. 返回商铺对象
return shopEntity;
}
利用逻辑过期解决缓存击穿
思路分析：
当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。
public ShopEntity queryWithLogicalExpire(Long id) {
String key = RedisConstants.CACHE_SHOP_KEY + id;
//1. 从redis中查询是否存在缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
//2. 判断是否存在，不存在返回null即可
if (StrUtil.isBlank(shopJson)) {
return null;
}
//3. 命中，把json反序列化为对象
RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
LocalDateTime expireTime = redisData.getExpireTime();
ShopEntity shopEntity = JSONUtil.toBean((JSONObject) redisData.getData(), ShopEntity.class);
//4. 判断是否过期
if (expireTime.isAfter(LocalDateTime.now())) {
//4.1 如果未过期，直接返回即可
return shopEntity;
}
//4.2 如果已过期，需要缓存重建
//5. 缓存重建
//5.1 获取互斥锁
String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
boolean lock = tryLock(lockKey);
if (lock) {
//5.3 成功，开启线程，实现缓存重建
CACHE_REBUILD_EXECUTOR.submit(() -> {
try {
this.saveShopRedis(id, 20L);
} catch (InterruptedException e) {
e.printStackTrace();
} finally {
unLock(lockKey);
}
});
}
//5.4 失败，直接返回结果
return shopEntity;
}
public void saveShopRedis(Long id, Long expireSeconds) throws InterruptedException {
//1. 查询店铺数据
ShopEntity shop = getById(id);
Thread.sleep(200);
//2. 封装逻辑过期时间
RedisData redisData = new RedisData();
redisData.setData(shop);
redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
//3. 存入redis
stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
}
五、使用 Apache Jmeter对缓存击穿 进行压力测试
缓存击穿也叫做热点key 数据，我们使用压力测试工具对其进行测试。
Jmeter是一个测试工具，主要用来进行压力测试
下载Jmeter
我们使用Jmeter对接口进行压力测试，下载Jmeter Jmeter官网
选择下载绿色解压版，下载完成后进行解压即可
测试接口
双击 bin 目录下 的 jmeter.bat 启动 Jmeter
设置语言为中文显示
进入界面，新建测试计划 --> 右击新建线程组
设置线程组参数
添加http请求
右击http请求添加监视器 结果树 与 汇报
查看结果即可，吞吐量达到了 89/s， 偏差 232 还可以，基本差不多 100左右的QPS
六、封装工具类
为了方便后期更多的业务需要做缓存穿透、击穿 我们将其封装为工具类，减少了不必要的代码，以及增加了可扩展性
工具类代码已上传，需要自取： 工具类代码
替换后自行测试即可。
⛵小结
以上就是【Bug 终结者】对 猿创征文 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿 的简单介绍，缓存是我们比较常用的技术，在解决一些高并发场景下，我们巧妙的使用缓存可以极大的减轻服务器的压力，缓存穿透、缓存雪崩、缓存击穿在面试中是常见高频题目，同时也是我们开发必备的技能。 从而提高系统的高可用性，Redis基于内存并且是单线程的，所以说非常的快 ！ Redis缓存数据库很重要！
如果这篇【文章】有帮助到你，希望可以给【Bug 终结者】点个赞👍，创作不易，如果有对【后端技术】、【前端领域】感兴趣的小可爱，也欢迎关注❤️❤️❤️ 【Bug 终结者】❤️❤️❤️，我将会给你带来巨大的【收获与惊喜】💝💝💝！