网站被k换域名 老域名能不能跳转,yasee119最新域名是什么,如何开通微信公众号,黄山旅游攻略自由行一#xff1a;缓存雪崩 我们可以简单的理解为#xff1a;由于原有缓存失效#xff0c;新缓存未到期间 (例如#xff1a;我们设置缓存时采用了相同的过期时间#xff0c;在同一时刻出现大面积的缓存过期)#xff0c;所有原本应该访问缓存的请求都去查询数据库了#xff…一缓存雪崩 我们可以简单的理解为由于原有缓存失效新缓存未到期间 (例如我们设置缓存时采用了相同的过期时间在同一时刻出现大面积的缓存过期)所有原本应该访问缓存的请求都去查询数据库了而对数据库CPU和内存造成巨大压力严重的会造成数据库宕机。从而形成一系列连锁反应造成整个系统崩溃。 解决办法 大多数系统设计者考虑用加锁 最多的解决方案或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写从而避免失效时大量的并发请求落到底层存储系统上。还有一个简单方案就时讲缓存失效时间分散开。 二缓存穿透 缓存穿透是指用户查询数据在数据库没有自然在缓存中也不会有。这样就导致用户查询的时候在缓存中找不到每次都要去数据库再查询一遍然后返回空相当于进行了两次无用的查询。这样请求就绕过缓存直接查数据库这也是经常提的缓存命中率问题。 解决办法;最常见的则是采用布隆过滤器将所有可能存在的数据哈希到一个足够大的bitmap中一个一定不存在的数据会被这个bitmap拦截掉从而避免了对底层存储系统的查询压力。 另外也有一个更为简单粗暴的方法如果一个查询返回的数据为空不管是数据不存在还是系统故障我们仍然把这个空结果进行缓存但它的过期时间会很短最长不超过五分钟。通过这个直接设置的默认值存放到缓存这样第二次到缓冲中获取就有值了而不会继续访问数据库这种办法最简单粗暴。5TB的硬盘上放满了数据请写一个算法将这些数据进行排重。如果这些数据是一些32bit大小的数据该如何解决如果是64bit的呢 对于空间的利用到达了一种极致那就是Bitmap和布隆过滤器(Bloom Filter)。 Bitmap 典型的就 是哈希表 缺点是Bitmap对于每个元素只能记录1bit信息如果还想完成额外的功能恐怕只能靠 牺牲更多的空间、时间来完成了。 布隆过滤器推荐 就是引入了k(k1)k(k1)个相互独立的哈希函数保证在给定的空间、误判率下完成元素判重的过程。 它的优点是空间效率和查询时间都远远超过一般的算法缺点是有一定的误识别率和删除困难。 Bloom-Filter算法的核心思想就是利用多个不同的Hash函数来解决“冲突”。 Hash存在一个冲突碰撞的问题用同一个Hash得到的两个URL的值有可能相同。为了减少冲突我们可以多引入几个Hash如果通过其中的一个Hash值我们得出某元素不在集合中那么该元素肯定不在集合中。只有在所有的Hash函数告诉我们该元素在集合中时才能确定该元素存在于集合中。这便是Bloom-Filter的基本思想。 Bloom-Filter一般用于在大数据量的集合中判定某元素是否存在。 三缓存预热 缓存预热这个应该是一个比较常见的概念相信很多小伙伴都应该可以很容易的理解缓存预热就是系统上线后将相关的缓存数据直接加载到缓存系统。这样就可以避免在用户请求的时候先查询数据库然后再将数据缓存的问题用户直接查询事先被预热的缓存数据 解决思路 直接写个缓存刷新页面上线时手工操作下数据量不大可以在项目启动的时候自动进行加载定时刷新缓存 四缓存更新 除了缓存服务器自带的缓存失效策略之外Redis默认的有6中策略可供选择我们还可以根据具体的业务需求进行自定义的缓存淘汰。 常见的策略有两种 定时去清理过期的缓存当有用户请求过来时再判断这个请求所用到的缓存是否过期过期的话就去底层系统得到新数据并更新缓存。 两者各有优劣第一种的缺点是维护大量缓存的key是比较麻烦的第二种的缺点就是每次用户请求过来都要判断缓存失效逻辑相对比较复杂具体用哪种方案大家可以根据自己的应用场景来权衡。 五缓存降级 当访问量剧增、服务出现问题如响应时间慢或不响应或非核心服务影响到核心流程的性能时仍然需要保证服务还是可用的即使是有损服务。系统可以根据一些关键数据进行自动降级也可以配置开关实现人工降级。 降级的最终目的是保证核心服务可用即使是有损的。而且有些服务是无法降级的如加入购物车、结算。 以参考日志级别设置预案 一般 比如有些服务偶尔因为网络抖动或者服务正在上线而超时可以自动降级警告 有些服务在一段时间内成功率有波动如在95~100%之间可以自动降级或人工降级并发送告警错误 比如可用率低于90%或者数据库连接池被打爆了或者访问量突然猛增到系统能承受的最大阀值此时可以根据情况自动降级或者人工降级严重错误 比如因为特殊原因数据错误了此时需要紧急人工降级。服务降级的目的是为了防止Redis服务故障导致数据库跟着一起发生雪崩问题。因此对于不重要的缓存数据可以采取服务降级策略例如一个比较常见的做法就是Redis出现问题不去数据库查询而是直接返回默认值给用户。