ssh做电商 网站,wordpress百度分享,做网站前需要准备什么,设计本质用户的数据一般都是存储于数据库#xff0c;数据库的数据是落在磁盘上的#xff0c;磁盘的读写速度可以说是计算机里最慢的硬件了。 当用户的请求#xff0c;都访问数据库的话#xff0c;请求数量一上来#xff0c;数据库很容易就奔溃的了#xff0c;所以为了避免用户直…用户的数据一般都是存储于数据库数据库的数据是落在磁盘上的磁盘的读写速度可以说是计算机里最慢的硬件了。 当用户的请求都访问数据库的话请求数量一上来数据库很容易就奔溃的了所以为了避免用户直接访问数据库会用 Redis 作为缓存层。 因为 Redis 是内存数据库我们可以将数据库的数据缓存在 Redis 里相当于数据缓存在内存内存的读写速度比硬盘快好几个数量级这样大大提高了系统性能。 引入了缓存层就会有缓存异常的三个问题分别是缓存雪崩、缓存击穿、缓存穿透。 这三个问题也是面试中很常考察的问题我们不光要清楚地知道它们是怎么发生还需要知道如何解决它们。 话不多说发车 缓存雪崩 通常我们为了保证缓存中的数据与数据库中的数据一致性会给 Redis 里的数据设置过期时间当缓存数据过期后用户访问的数据如果不在缓存里业务系统需要重新生成缓存因此就会访问数据库并将数据更新到 Redis 里这样后续请求都可以直接命中缓存。 那么当大量缓存数据在同一时间过期失效或者 Redis 故障宕机时如果此时有大量的用户请求都无法在 Redis 中处理于是全部请求都直接访问数据库从而导致数据库的压力骤增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这就是缓存雪崩的问题。 可以看到发生缓存雪崩有两个原因 大量数据同时过期 Redis 故障宕机 不同的诱因应对的策略也会不同。 大量数据同时过期 针对大量数据同时过期而引发的缓存雪崩问题常见的应对方法有下面这几种 均匀设置过期时间 互斥锁 双 key 策略 后台更新缓存 1. 均匀设置过期时间 如果要给缓存数据设置过期时间应该避免将大量的数据设置成同一个过期时间。我们可以在对缓存数据设置过期时间时给这些数据的过期时间加上一个随机数这样就保证数据不会在同一时间过期。 2. 互斥锁 当业务线程在处理用户请求时如果发现访问的数据不在 Redis 里就加个互斥锁保证同一时间内只有一个请求来构建缓存从数据库读取数据再将数据更新到 Redis 里当缓存构建完成后再释放锁。未能获取互斥锁的请求要么等待锁释放后重新读取缓存要么就返回空值或者默认值。 实现互斥锁的时候最好设置超时时间不然第一个请求拿到了锁然后这个请求发生了某种意外而一直阻塞一直不释放锁这时其他请求也一直拿不到锁整个系统就会出现无响应的现象。 3. 双 key 策略 我们对缓存数据可以使用两个 key一个是主 key会设置过期时间一个是备 key不会设置过期它们只是 key 不一样但是 value 值是一样的相当于给缓存数据做了个副本。 当业务线程访问不到「主 key 」的缓存数据时就直接返回「备 key 」的缓存数据然后在更新缓存的时候同时更新「主 key 」和「备 key 」的数据。 4. 后台更新缓存 业务线程不再负责更新缓存缓存也不设置有效期而是让缓存“永久有效”并将更新缓存的工作交由后台线程定时更新。 事实上缓存数据不设置有效期并不是意味着数据一直能在内存里因为当系统内存紧张的时候有些缓存数据会被“淘汰”而在缓存被“淘汰”到下一次后台定时更新缓存的这段时间内业务线程读取缓存失败就返回空值业务的视角就以为是数据丢失了。 解决上面的问题的方式有两种。 第一种方式后台线程不仅负责定时更新缓存而且也负责频繁地检测缓存是否有效检测到缓存失效了原因可能是系统紧张而被淘汰的于是就要马上从数据库读取数据并更新到缓存。 这种方式的检测时间间隔不能太长太长也导致用户获取的数据是一个空值而不是真正的数据所以检测的间隔最好是毫秒级的但是总归是有个间隔时间用户体验一般。 第二种方式在业务线程发现缓存数据失效后缓存数据被淘汰通过消息队列发送一条消息通知后台线程更新缓存后台线程收到消息后在更新缓存前可以判断缓存是否存在存在就不执行更新缓存操作不存在就读取数据库数据并将数据加载到缓存。这种方式相比第一种方式缓存的更新会更及时用户体验也比较好。 在业务刚上线的时候我们最好提前把数据缓起来而不是等待用户访问才来触发缓存构建这就是所谓的缓存预热后台更新缓存的机制刚好也适合干这个事情。 Redis 故障宕机 针对 Redis 故障宕机而引发的缓存雪崩问题常见的应对方法有下面这几种 服务熔断或请求限流机制 构建 Redis 缓存高可靠集群 1. 服务熔断或请求限流机制 因为 Redis 故障宕机而导致缓存雪崩问题时我们可以启动服务熔断机制暂停业务应用对缓存服务的访问直接返回错误不用再继续访问数据库从而降低对数据库的访问压力保证数据库系统的正常运行然后等到 Redis 恢复正常后再允许业务应用访问缓存服务。 服务熔断机制是保护数据库的正常允许但是暂停了业务应用访问缓存服系统全部业务都无法正常工作 为了减少对业务的影响我们可以启用请求限流机制只将少部分请求发送到数据库进行处理再多的请求就在入口直接拒绝服务等到 Redis 恢复正常并把缓存预热完后再解除请求限流的机制。 2. 构建 Redis 缓存高可靠集群 服务熔断或请求限流机制是缓存雪崩发生后的应对方案我们最好通过主从节点的方式构建 Redis 缓存高可靠集群。 如果 Redis 缓存的主节点故障宕机从节点可以切换成为主节点继续提供缓存服务避免了由于 Redis 故障宕机而导致的缓存雪崩问题。 缓存击穿 我们的业务通常会有几个数据会被频繁地访问比如秒杀活动这类被频地访问的数据被称为热点数据。 如果缓存中的某个热点数据过期了此时大量的请求访问了该热点数据就无法从缓存中读取直接访问数据库数据库很容易就被高并发的请求冲垮这就是缓存击穿的问题。 可以发现缓存击穿跟缓存雪崩很相似你可以认为缓存击穿是缓存雪崩的一个子集。 应对缓存击穿可以采取前面说到两种方案 互斥锁方案保证同一时间只有一个业务线程更新缓存未能获取互斥锁的请求要么等待锁释放后重新读取缓存要么就返回空值或者默认值。 不给热点数据设置过期时间由后台异步更新缓存或者在热点数据准备要过期前提前通知后台线程更新缓存以及重新设置过期时间 缓存穿透 当发生缓存雪崩或击穿时数据库中还是保存了应用要访问的数据一旦缓存恢复相对应的数据就可以减轻数据库的压力而缓存穿透就不一样了。 当用户访问的数据既不在缓存中也不在数据库中导致请求在访问缓存时发现缓存缺失再去访问数据库时发现数据库中也没有要访问的数据没办法构建缓存数据来服务后续的请求。那么当有大量这样的请求到来时数据库的压力骤增这就是缓存穿透的问题。 缓存穿透的发生一般有这两种情况 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 黑客恶意攻击故意大量访问某些读取不存在数据的业务 应对缓存穿透的方案常见的方案有三种。 第一种方案非法请求的限制 第二种方案缓存空值或者默认值 第三种方案使用布隆过滤器快速判断数据是否存在避免通过查询数据库来判断数据是否存在 第一种方案非法请求的限制 当有大量恶意请求访问不存在的数据的时候也会发生缓存穿透因此在 API 入口处我们要判断求请求参数是否合理请求参数是否含有非法值、请求字段是否存在如果判断出是恶意请求就直接返回错误避免进一步访问缓存和数据库。 第二种方案缓存空值或者默认值 当我们线上业务发现缓存穿透的现象时可以针对查询的数据在缓存中设置一个空值或者默认值这样后续请求就可以从缓存中读取到空值或者默认值返回给应用而不会继续查询数据库。 第三种方案使用布隆过滤器快速判断数据是否存在避免通过查询数据库来判断数据是否存在。 我们可以在写入数据库数据时使用布隆过滤器做个标记然后在用户请求到来时业务线程确认缓存失效后可以通过查询布隆过滤器快速判断数据是否存在如果不存在就不用通过查询数据库来判断数据是否存在。 即使发生了缓存穿透大量请求只会查询 Redis 和布隆过滤器而不会查询数据库保证了数据库能正常运行Redis 自身也是支持布隆过滤器的。 那问题来了布隆过滤器是如何工作的呢接下来我介绍下。 布隆过滤器由「初始值都为 0 的位图数组」和「 N 个哈希函数」两部分组成。当我们在写入数据库数据时在布隆过滤器里做个标记这样下次查询数据是否在数据库时只需要查询布隆过滤器如果查询到数据没有被标记说明不在数据库中。 布隆过滤器会通过 3 个操作完成标记 第一步使用 N 个哈希函数分别对数据做哈希计算得到 N 个哈希值 第二步将第一步得到的 N 个哈希值对位图数组的长度取模得到每个哈希值在位图数组的对应位置。 第三步将每个哈希值在位图数组的对应位置的值设置为 1 举个例子假设有一个位图数组长度为 8哈希函数 3 个的布隆过滤器。 在数据库写入数据 x 后把数据 x 标记在布隆过滤器时数据 x 会被 3 个哈希函数分别计算出 3 个哈希值然后在对这 3 个哈希值对 8 取模假设取模的结果为 1、4、6然后把位图数组的第 1、4、6 位置的值设置为 1。当应用要查询数据 x 是否数据库时通过布隆过滤器只要查到位图数组的第 1、4、6 位置的值是否全为 1只要有一个为 0就认为数据 x 不在数据库中。 布隆过滤器由于是基于哈希函数实现查找的高效查找的同时存在哈希冲突的可能性比如数据 x 和数据 y 可能都落在第 1、4、6 位置而事实上可能数据库中并不存在数据 y存在误判的情况。 所以查询布隆过滤器说数据存在并不一定证明数据库中存在这个数据但是查询到数据不存在数据库中一定就不存在这个数据。 总结 缓存异常会面临的三个问题缓存雪崩、击穿和穿透。 其中缓存雪崩和缓存击穿主要原因是数据不在缓存中而导致大量请求访问了数据库数据库压力骤增容易引发一系列连锁反应导致系统奔溃。不过一旦数据被重新加载回缓存应用又可以从缓存快速读取数据不再继续访问数据库数据库的压力也会瞬间降下来。因此缓存雪崩和缓存击穿应对的方案比较类似。 而缓存穿透主要原因是数据既不在缓存也不在数据库中。因此缓存穿透与缓存雪崩、击穿应对的方案不太一样。 我这里整理了表格你可以从下面这张表格很好的知道缓存雪崩、击穿和穿透的区别以及应对方案。