Redis缓存雪崩、击穿、穿透解释及解决方法,缓存预热,布隆过滤器 ,互斥锁

本文涉及的产品
云数据库 Tair(兼容Redis),内存型 2GB
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
简介: Redis缓存雪崩、击穿、穿透解释及解决方法,缓存预热,布隆过滤器 ,互斥锁

Redis缓存雪崩、击穿、穿透解释及解决方法,缓存预热,布隆过滤器 ,互斥锁

Redis缓存雪崩、击穿、穿透解释及解决方法,缓存预热,布隆过滤器 ,互斥锁📜 缓存雪崩📘解释:📒解决方法:🔖ps:缓存预热📖缓存击穿📅解释:📚解决方法🧣缓存穿透📌解释:🖥️解决方法:🖊️最后总结

📜 缓存雪崩

📘解释:

大量缓存数据同一时间过期或者redis故障时,此时大量用户请求直接打到数据库,造成数据库宕机

📒解决方法:

  1. 过期时间增加随机数
  2. 互斥锁,
    当发现数据不在redis中时 加一个互斥锁,保证同一时间只有一个请求构建缓存,如果其他请求未获取到锁则等待或者返回空值,注意等待需要设置超时时间,不然如果出现第一个请求获取锁之后一直阻塞,导致其他请求一直获取不到锁。

importcom.baomidou.mybatisplus.extension.service.impl.ServiceImpl;

importcom.company.dubbodemo.entity.User;

importcom.company.dubbodemo.mapper.UserMapper;

importcom.company.dubbodemo.service.UserService;

importorg.redisson.api.RLock;

importorg.redisson.api.RedissonClient;

importorg.springframework.cache.annotation.Cacheable;

importorg.springframework.stereotype.Service;

importjavax.annotation.Resource;

@Service

publicclassUserServiceImplextendsServiceImpl<UserMapper, User>

       implementsUserService {

   

   @Resource

   privateRedissonClientredissonClient;

   

   @Resource

   privateUserMapperuserMapper;

   

   @Override

   // 一定要设置sync = true开启异步,否则会导致多个线程同时获取到锁

   @Cacheable(cacheNames="user", key="#id", sync=true)

   publicUserfindById(Longid) {

       /**

        *

        * 加了@Cacheable之后方法体执行说明缓存中不存在所查询的数据

        * 获取一把锁,只要锁的名字一样,就是同一把锁

        */

   

       /**

        * 注意: 设置了lock.lock(10,TimeUnit.SECONDS) 锁过期不会自动续期

        *      1、如果我们传递了锁的过期时间,就发送给redis执行脚本,进行占锁,默认超时就是我们指定的时间

        *      2、如果没有指定锁的超时时间,就使用30000L(LockWatchdogTimeout 看门狗的默认时间)

        *      可通过RedissonConfig-->getRedissonClient()-->config.setLockWatchdogTimeout()设置看门狗时间

        *         只要占锁成功就会启动一个定时任务【就会重新给锁设置过期时间,新的时间就是看门狗的默认时间】,每隔10s都会自动续期,续期成30s

        * 看门狗机制

        * 1、锁的自动续期,如果业务超长,运行期间自动给锁续上新的30s。不用担心因为业务时间长,锁自动过期被删除

        * 2、加锁的业务只要运行完成,就不会给当前锁续期,即使不手动解锁,锁默认在30s以后自动删除

        *

        */

       RLocklock=redissonClient.getLock("redissonClient-lock");

   

       // 对第一个线程执行方法体的线程加锁,加了@Cacheable,方法执行之后会将方法的返回值存入缓存,下一个线程直接读取缓存

       lock.lock(10,TimeUnit.SECONDS);

       Useruser=newUser();

       try {

           user=userMapper.selectById(id);

       } catch (Exceptione) {

           e.printStackTrace();

       } finally {

           lock.unlock();

       }

       returnuser;

   }

}

  1. 双key策略
    缓存数据设置两个key 一个为主key (设置过期时间) 一个为从key(时间设置比主key长一些,例如多5天),虽然key不同,但value一样
    当业务线程访问不到主key时 则直接返回从key的数据,同时更新主key和从key
  2. 设置缓存永久有效后台定时更新缓存
    不设置缓存的有效时间,让他永久有效,并将更新缓存的工作交由后台线程定时更新。
    虽然缓存数据不设置有效期,但是缓存也不会一直存在redis中,因为当内存紧张时,redis会自动淘汰某些key
    定时更新缓存
    方式一
    创建一个定时任务,定时监测某些key是否失效,如果失效则重新加载
    方式二
    业务线程发现缓存失效后,发送mq消息去执行重新加载缓存

🔖ps:缓存预热

当启动系统后可以检查某些key是否存在redis中,如果不存在则进行重新加载,缓存预热是使用缓存的一个优化技巧

📖缓存击穿

📅解释:

某个热点缓存,在某一时刻恰好失效了,然后此时刚好有大量的并发请求,此时这些请求将会给数据库造成巨大的压力,这种情况就叫做缓存击穿

Ps:缓存击穿和缓存穿透经常记错,这里有一个小技巧

只需要记住一击必中这个成语;  热点key一般比较少 比作一 ;这样就可以联想记忆到缓存击穿就是热点key失效问题

📚解决方法

  1. 加锁排队
    和缓存雪崩的加锁处理方式一致,再查数据库时进行加锁,缓冲大量请求。
  2. 热点key设置永不过期

对于某些热点缓存,我们可以设置永不过期,这样就能保证缓存的稳定性,但需要注意在数据更改之后,要及时更新此热点缓存,不然就会造成查询结果的误差

🧣缓存穿透

📌解释:

用户访问的数据既不在缓存中也不在数据库中;当出现大量这种请求后,数据库的压力骤增,可能被直接打穿;这种操作发生情况主要有两种

1.业务误操作,缓存中的数据和数据库中的数据都被误删除了,所以导致缓存和数据库中都没有数据;

2.黑客恶意攻击

🖥️解决方法:

  1. 增加黑名单与白名单,限制某些恶意ip访问
  2. 缓存空值或者默认值,当缓存与数据库都没有查询到时,直接返回空值
  3. 增加布隆过滤器

importcom.google.common.hash.BloomFilter;

importcom.google.common.hash.Funnels;

/**

* 布隆过滤器

*/

publicclassBloomFilterTest {

   /**

    * @param expectedInsertions 预期插入值

    *                           这个值的设置相当重要,如果设置的过小很容易导致饱和而导致误报率急剧上升,如果设置的过大,也会对内存造成浪费,所以要根据实际情况来定

    * @param fpp                误差率,例如:0.001,表示误差率为0.1%

    * @return 返回true,表示可能存在,返回false一定不存在

    */

   publicstaticbooleanisExist(intexpectedInsertions, doublefpp) {

       // 创建布隆过滤器对象

       BloomFilter<Integer>filter=BloomFilter.create(Funnels.integerFunnel(), 500, 0.01);

       // 判断指定元素是否存在

       System.out.println(filter.mightContain(10));

       // 将元素添加进布隆过滤器

       filter.put(10);

       // 再判断指定元素是否存在

       System.out.println(filter.mightContain(10));

       returnfilter.mightContain(10);

   }

   //主类中进行测试

   publicstaticvoidmain(String[] args) {

       booleanexist=isExist(100000000, 0.001);

   }

}

🖊️最后总结

🖲要熟练掌握技巧,一定多多坚持练习:骐骥一跃,不能十步;驽马十驾,功在不舍


目录
相关文章
|
2月前
|
缓存 数据库连接 数据库
缓存三剑客(穿透、击穿、雪崩)
缓存穿透指查询数据库和缓存中都不存在的数据,导致请求直接冲击数据库。解决方案包括缓存空对象和布隆过滤器。缓存击穿是大量请求访问同一个失效的热点数据,使数据库瞬间压力剧增,解决方法有提前预热、设置永不过期、加锁限流等。缓存雪崩是大量key同时失效,导致所有请求直达数据库,可通过引入随机过期时间缓解。三者分别对应单点爆破、全面崩塌等问题,需根据场景选择合适策略优化系统性能与稳定性。
203 0
|
2月前
|
缓存 数据库
如何解决缓存穿透?
对请求增加校验机制,如ID格式和位数校验,避免无效请求;缓存空值或特殊值防止缓存穿透;使用布隆过滤器拦截不存在的请求,减轻数据库压力。
40 0
|
6月前
|
缓存 监控 NoSQL
Redis--缓存击穿、缓存穿透、缓存雪崩
缓存击穿、缓存穿透和缓存雪崩是Redis使用过程中可能遇到的常见问题。理解这些问题的成因并采取相应的解决措施,可以有效提升系统的稳定性和性能。在实际应用中,应根据具体场景,选择合适的解决方案,并持续监控和优化缓存策略,以应对不断变化的业务需求。
1246 29
|
6月前
|
缓存 数据库
什么是缓存穿透 ? 怎么解决 ?
缓存穿透是指查询一条数据库和缓存都没有的一条数据,就会一直查询数据库,对数据库的访问压力就会增大,缓存穿透的解决方案 有以下2种解决方案 : ● 缓存空对象:代码维护较简单,但是效果不好。 ● 布隆过滤器:代码维护复杂,效果很好
|
9月前
|
缓存 监控 NoSQL
Redis经典问题:缓存穿透
本文详细探讨了分布式系统和缓存应用中的经典问题——缓存穿透。缓存穿透是指用户请求的数据在缓存和数据库中都不存在,导致大量请求直接落到数据库上,可能引发数据库崩溃或性能下降。文章介绍了几种有效的解决方案,包括接口层增加校验、缓存空值、使用布隆过滤器、优化数据库查询以及加强监控报警机制。通过这些方法,可以有效缓解缓存穿透对系统的影响,提升系统的稳定性和性能。
|
缓存 NoSQL 数据库
什么是redis的缓存雪崩与缓存穿透
什么是redis的缓存雪崩与缓存穿透今天来分享一下Redis几道常见的面试题: 如何解决缓存雪崩?如何解决缓存穿透?如何保证缓存与数据库双写时一致的问题?一、缓存雪崩1.1 什么是缓存雪崩?首先我们先来回答一下我们为什么要用缓存(Redis): 1、提高性能能:缓存查询是纯内存访问,而硬盘是磁盘访问,因此缓存查询速度比数据库查询速度快 2、提高并发能力:缓存分组了部分请求,支持更高的并发 现在有个问题,如果我们的缓存挂掉了,这意味着我们的全部请求都跑去数据库了。
1338 0
|
4月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
9天前
|
存储 缓存 NoSQL
Redis专题-实战篇二-商户查询缓存
本文介绍了缓存的基本概念、应用场景及实现方式,涵盖Redis缓存设计、缓存更新策略、缓存穿透问题及其解决方案。重点讲解了缓存空对象与布隆过滤器的使用,并通过代码示例演示了商铺查询的缓存优化实践。
69 1
Redis专题-实战篇二-商户查询缓存
|
4月前
|
缓存 NoSQL Java
Redis+Caffeine构建高性能二级缓存
大家好,我是摘星。今天为大家带来的是Redis+Caffeine构建高性能二级缓存,废话不多说直接开始~
706 0
|
9天前
|
缓存 NoSQL 关系型数据库
Redis缓存和分布式锁
Redis 是一种高性能的键值存储系统,广泛用于缓存、消息队列和内存数据库。其典型应用包括缓解关系型数据库压力,通过缓存热点数据提高查询效率,支持高并发访问。此外,Redis 还可用于实现分布式锁,解决分布式系统中的资源竞争问题。文章还探讨了缓存的更新策略、缓存穿透与雪崩的解决方案,以及 Redlock 算法等关键技术。

相关产品

  • 云数据库 Tair(兼容 Redis)