【Redis 系列】redis 学习十二,redis 缓存穿透,缓存击穿,缓存雪崩

简介: 【Redis 系列】redis 学习十二,redis 缓存穿透,缓存击穿,缓存雪崩

虽然我们在使用 redis 缓存的时候非常的爽,它大大的提高了我们应用程序的性能和效率,尤其是数据查询方面,咱们不用直接去持久化的数据库中查询数据,而是到内存中查询数据即可

事物总是有两面的,用的爽的同时,也必须面对它带来的问题,就是数据一致性的问题,这个问题,是一个权衡利弊的问题,咱们接着看

redis 缓存和一些持久化的数据库配合使用的时候,会出现一些高可用的问题,如:

  • 缓存穿透
  • 缓存击穿
  • 缓存雪崩

咱们能够解决上述问题,那就解决了一部分服务器高可用的问题

什么是缓存穿透

咱们先学习一部分,关于底层原理和实际源码分析,咱们之后再一起看

缓存穿透,就是用户想要查询一个数据,在 redis 中查询不到,即没有在缓存中命中,那么就会直接去持久化的 mysql 中进行查询,发现也没有这个数据,那么本次查询就失败了

当用户巨多的时候,查询缓存都没有查询到,那么这些全部都去查询持久化的 mysql 数据库,压力全部打到 mysql 上面,这就是缓存穿透

解决方案有一般有 2 种方式:

  • 使用布隆过滤器
  • 缓存空的对象

使用布隆过滤器

布隆过滤器是一种数据结构,对所有可能查询到的参数都是以 hash 的方式存储,会先在控制层进行校验,不符合的话,则丢弃,这就避免了对底层存储系统的压力

布隆过滤器部署在 redis 的前面,去拦截数据,减少对 redis 的冲击,进而减小对 持久化层的冲击

缓存空的对象

缓存空对象,就是当我们在持久化的数据库中没有查询到我们期望的数据时,那么就返回一个空对象,并且将这个空对象缓存起来,再对其设置一个过期时间

那么之后再有访问这个对象的请求时,缓存直接访问空对象即可,这就可以保护持久化数据层,减少对他的冲击压力

通过上述缓存空对象的方式,貌似也能解决问题,但是使用持久下去,会发现 key 值对应的空对象越来越多,会出现下面 2 个问题:

  • 非常多的空对象被缓存起来,那么对应就很多的 key 占用 内存空间,占用资源,内存压力直线上升
  • 如果空对象的过期时间到了,那么请求的压力还是会打到持久化数据库上面,这会影响数据的一致性业务

什么是缓存击穿

出现缓存击穿的情况是数据量太大,或者是缓存过期了

当某个 key 在过期的瞬间,有大量的请求这个 key 的数据,这种数据是热点数据,由于在缓存过期的瞬间,请求会同时访问到持久化的数据库来查询数据,并且会将数据会写到缓存中,此时就会导致数据库瞬间的压力过大,导致击穿

此处可以理解 击穿和穿透的区别:

击穿,是一个 key 非常热点,大量的访问都打在这个 key 上面,在 key 失效的瞬间,所有请求打在数据库上,就打出一个洞,击穿了

而穿透更多的是访问的数据不存在的情况,大量的请求访问的都是不存在的数据

缓存击穿的解决方案

  • 将热点数据设置不过期,不设置过期时间,就不会出现热点 key 过期的瞬间造成问题
  • 加上分布式锁,保证对于每一个 key ,同时只有一个服务进行访问,其他的服务没有获取到锁,就不能访问 redis 的这个 key,那么就需要等待获取锁
    这种方式,锁的压力就非常大了,访问 redis 前先去访问锁,相当于锁给 redis 挡了一层

什么是缓存雪崩

缓存雪崩就是在某一个时间段,缓存集中过期,或者 redis 宕机的情况会出现

例如:

在某些热点活动中,会设置某些商品在一个固定的时间内过期,那么在 redis 里面,这个固定的时间点,大量的 key 过期,这就导致在这个时间段 缓存失效了,

且大量的请求数据都打在了持久化数据库上面了,这就很难受,在这种压力波峰下,压力全部打在持久化数据库上,这会造成持久化数据库宕机

上述的情况,key 集中过期问题还不是非常的痛,最痛的是 redis 宕机了,自然周期性的形成的波峰压力,咱们的持久化数据库还是能够顶得住压力的,偏偏是在 redis 异常宕机,一挂挂一片,这就很有可能将后方的持久化数据库全部打挂,这是毁灭性的压垮

缓存雪崩的解决方案:

  • 将 redis 做成高可用的

搭建 redis 集群,异地多活,既然担心 redis 会挂,那么我们就多准备一些 redis ,做成主备,或者异地多活

  • 限流降级

就是在缓存失效的时候,通过锁的方式来限制访问数据顺序,或者关掉一些不重要的服务,让资源和性能全力提供给我们的主要服务

  • 做数据预热

数据预热就是咱们在正式要上线之前,咱们就先将需要访问的数据预先访问一次,这样就可以将大量要访问数据库的数据写到缓存中

这样就可以在即将发生的高并发访问数据前手动的触发并加载不同的 key ,且会设置不同的过期时间,主要是可以将缓存失效的事情均衡一些,这样就尽量避免掉大量的 key 集中过期的情况

参考资料:

redis_doc

欢迎点赞,关注,收藏

朋友们,你的支持和鼓励,是我坚持分享,提高质量的动力

好了,本次就到这里

技术是开放的,我们的心态,更应是开放的。拥抱变化,向阳而生,努力向前行。

我是小魔童哪吒,欢迎点赞关注收藏,下次见~

相关文章
|
9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?
|
7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。
452 0
|
4月前
|
缓存 负载均衡 监控
135_负载均衡:Redis缓存 - 提高缓存命中率的配置与最佳实践
在现代大型语言模型(LLM)部署架构中,缓存系统扮演着至关重要的角色。随着LLM应用规模的不断扩大和用户需求的持续增长,如何构建高效、可靠的缓存架构成为系统性能优化的核心挑战。Redis作为业界领先的内存数据库,因其高性能、丰富的数据结构和灵活的配置选项,已成为LLM部署中首选的缓存解决方案。
|
5月前
|
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。
281 1
Redis专题-实战篇二-商户查询缓存
|
4月前
|
NoSQL 算法 Redis
【Docker】(3)学习Docker中 镜像与容器数据卷、映射关系!手把手带你安装 MySql主从同步 和 Redis三主三从集群!并且进行主从切换与扩容操作,还有分析 哈希分区 等知识点!
Union文件系统(UnionFS)是一种**分层、轻量级并且高性能的文件系统**,它支持对文件系统的修改作为一次提交来一层层的叠加,同时可以将不同目录挂载到同一个虚拟文件系统下(unite several directories into a single virtual filesystem) Union 文件系统是 Docker 镜像的基础。 镜像可以通过分层来进行继承,基于基础镜像(没有父镜像),可以制作各种具体的应用镜像。
664 5
|
9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~
1325 0
|
4月前
|
缓存 运维 监控
Redis 7.0 高性能缓存架构设计与优化
🌟蒋星熠Jaxonic,技术宇宙中的星际旅人。深耕Redis 7.0高性能缓存架构,探索函数化编程、多层缓存、集群优化与分片消息系统,用代码在二进制星河中谱写极客诗篇。
|
5月前
|
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。
|
9月前
|
消息中间件 缓存 NoSQL
基于Spring Data Redis与RabbitMQ实现字符串缓存和计数功能(数据同步)
总的来说,借助Spring Data Redis和RabbitMQ,我们可以轻松实现字符串缓存和计数的功能。而关键的部分不过是一些"厨房的套路",一旦你掌握了这些套路,那么你就像厨师一样可以准备出一道道饕餮美食了。通过这种方式促进数据处理效率无疑将大大提高我们的生产力。
313 32
|
7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。
161 0