并发笔记 - 并发笔记03 - 《Java 并发专题笔记》

1. 扩容
- 扩容 - 数据库
2. 缓存
3. 消息队列
4. 应用拆分
5. 应用限流
6. 服务降级和熔断
7. 数据库的分库分表
8 高可用

1. 扩容

垂直扩容（纵向疒展）：提高系统部件能力
水平扩容（横向扩展）：增加更多系统成员来实现

扩容 - 数据库

读操作扩展：memcache、redis、CND 等缓存
写操作扩展：Cassandra、Hbase 等

2. 缓存

2.1 缓存特征

命中率 = 命中数 / (命中数+没有命中数)
最大元素（空间）：缓存中可以存放的最大元素的数量，一旦超过这个值，将会触发缓存清空策略。
清空策略：
- FIFO（先进先出）：比较缓存元素的创建时间，在数据实时性有要求时可以选用改策略，保障最新数据可用
- LUF（最少使用策略）：无论是否过期，根据元素的使用次数来判断，清除使用次数最少的元素释放空间。主要比较命中次数，在高频数据有效场景下使用。
- LRU（最近最少使用策略）：无论是否过期，根据元素最后一次被使用的时间戳，清除最远使用时间戳的元素释放空间。主要比较元素最近一次被get使用时间，在热线数据场景下使用，优先保证热点数据的有效性
- LFU 最不经常使用
- 过期时间、随机等

2.2 缓存命中率的影响因素

业务场景和业务需求
- 缓存适合读多写少的业务场景
缓存的设计（粒度和策略）
- 缓存的粒度越小，命中率越高
缓存容量和基础设施

高频访问且时效性要求不高的热点数据上使用

2.3 缓存的分类和应用场景

本地绶存：编程实现（成员变量、局部变量、静态变量）、Guava Cache
分布式缓存：Memcache、Redis

2.4 Guava Cache

是谷歌开源的 Guava 工具库的一款缓存工具，设计灵感来源于 ConcurrentHashMap。

2.5 高并发场景下的常见问题

2.5.1 缓存一致性

2.5.2 缓存并发问题

2.5.3 缓存穿透问题

在高并发场景下，如果某一个 key 被高并发的访问没有被命中，出于容错的考虑会尝试去数据库获取，从而导致大量请求达到数据库，当该 key 对应的数据为空的情况下，导致执行了很多不必要的查询操作，产生了巨大的冲击和压力。

解决方式：

对查询结果为空的对象也进行缓存，如果是集合的话，可以缓存一个空的集合。这种方式实现成本较低，适合命中不高，但可能被频繁更新的数据
单独过滤处理。对所有可能请求为空的 key 统一存放，并在请求前做拦截，避免请求传到后端数据库。实现相对复杂，适合命中不高，更新不频繁的数据（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。）

2.5.4 缓存的雪崩现象

缓存的颠簸问题（缓存抖动）：一种比雪崩更轻微的故障，一般是由于缓存节点故障导致。业内一般做法是通过一致性 hash 算法解决。

缓存雪崩：由于缓存的原因导致大量数据到达后端数据库，导致数据库崩溃的灾难。

解决方式:
缓存失效时的雪崩效应对底层系统的冲击非常可怕。大多数系统设计者考虑用加锁或者队列的方式保证缓存的单线程（进程）写，从而避免失效时大量的并发请求落到底层存储系统上。
这里分享一个简单方案就是讲缓存失效时间分散开，比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

2.5.5 缓存击穿

对于一些设置了过期时间的key，如果这些key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题，这个和缓存雪崩的区别在于这里针对某一key缓存，前者则是很多key。
缓存在某个时间点过期的时候，恰好在这个时间点对这个Key有大量的并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回射到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

解决方案
**

使用互斥锁(mutex key)

**
业界比较常用的做法，是使用 mutex。简单地来说，就是在缓存失效的时候（判断拿出来的值为空），不是立即去load db，而是先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX或者Memcache的ADD）去set一个mutex key，当操作返回成功时，再进行load db的操作并回设缓存；否则，就重试整个get缓存的方法。
SETNX，是「SET if Not eXists」的缩写，也就是只有不存在的时候才设置，可以利用它来实现锁的效果。在redis2.6.1之前版本未实现setnx的过期时间，所以这里给出两种版本代码参考：

//2.6.1前单机版本锁
String get(String key) {  
   String value = redis.get(key);  
   if (value  == null) {  
    if (redis.setnx(key_mutex, "1")) {  
        // 3 min timeout to avoid mutex holder crash  
        redis.expire(key_mutex, 3 * 60)  
        value = db.get(key);  
        redis.set(key, value);  
        redis.delete(key_mutex);  
    } else {  
        //其他线程休息50毫秒后重试  
        Thread.sleep(50);  
        get(key);  
    }  
  }  
}

新版本代码：

public String get(key) {
    String value = redis.get(key);
    if (value == null) { //代表缓存值过期
        //设置3min的超时，防止del操作失败的时候，下次缓存过期一直不能load db
        if (redis.setnx(key_mutex, 1, 3 * 60) == 1) {  //代表设置成功
            value = db.get(key);
            redis.set(key, value, expire_secs);
            redis.del(key_mutex);
        } else {  //这个时候代表同时候的其他线程已经load db并回设到缓存了，这时候重试获取缓存值即可
            sleep(50);
            get(key);  //重试
        }
    } else {
        return value;      
    }
}

memcache代码：

if (memcache.get(key) == null) {  
    // 3 min timeout to avoid mutex holder crash  
    if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {  
        value = db.get(key);  
        memcache.set(key, value);  
        memcache.delete(key_mutex);  
    } else {  
        sleep(50);  
        retry();  
    }  
}

2. “提前”使用互斥锁(mutex key)
**
在value内部设置1个超时值(timeout1), timeout1比实际的memcache timeout(timeout2)小。
当从cache读取到timeout1发现它已经过期时候，马上延长timeout1并重新设置到cache。然后再从数据库加载数据并设置到cache中。
伪代码如下：

v = memcache.get(key);  
if (v == null) {  
    if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {  
        value = db.get(key);  
        memcache.set(key, value);  
        memcache.delete(key_mutex);  
    } else {  
        sleep(50);  
        retry();  
    }  
} else {  
    if (v.timeout <= now()) {  
        if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {  
            // extend the timeout for other threads  
            v.timeout += 3 * 60 * 1000;  
            memcache.set(key, v, KEY_TIMEOUT * 2);  
            // load the latest value from db  
            v = db.get(key);  
            v.timeout = KEY_TIMEOUT;  
            memcache.set(key, value, KEY_TIMEOUT * 2);  
            memcache.delete(key_mutex);  
        } else {  
            sleep(50);  
            retry();  
        }  
    }  
}

3. “永远不过期”
这里的“永远不过期”包含两层意思：
(1) 从redis上看，确实没有设置过期时间，这就保证了，不会出现热点key过期问题，也就是“物理”不过期。
(2) 从功能上看，如果不过期，那不就成静态的了吗？所以我们把过期时间存在key对应的value里，如果发现要过期了，通过一个后台的异步线程进行缓存的构建，也就是“逻辑”过期
从实战看，这种方法对于性能非常友好，唯一不足的就是构建缓存时候，其余线程(非构建缓存的线程)可能访问的是老数据，但是对于一般的互联网功能来说这个还是可以忍受。

String get(final String key) {  
    V v = redis.get(key);  
    String value = v.getValue();  
    long timeout = v.getTimeout();  
    if (v.timeout <= System.currentTimeMillis()) {  
        // 异步更新后台异常执行  
        threadPool.execute(new Runnable() {  
            public void run() {  
                String keyMutex = "mutex:" + key;  
                if (redis.setnx(keyMutex, "1")) {  
                    // 3 min timeout to avoid mutex holder crash  
                    redis.expire(keyMutex, 3 * 60);  
                    String dbValue = db.get(key);  
                    redis.set(key, dbValue);  
                    redis.delete(keyMutex);  
                }  
            }  
        });  
    }  
    return value;  
}

```
4. 资源保护
采用 netflix 的 hystrix，可以做资源的隔离保护主线程池，如果把这个应用到缓存的构建也未尝不可。
四种解决方案：没有最佳只有最合适

解决方案	优点	缺点
简单分布式锁(Tim yang)	1. 思路简单 2. 保证一致性	1. 代码复杂度增大 2. 存在死锁的风险 3. 存在线程池阻塞的风险
加另外一个过期时间(Tim yang)	1. 保证一致性	同上
不过期(本文)	1. 异步构建缓存，不会阻塞线程池	1. 不保证一致性。 2. 代码复杂度增大(每个value都要维护一个timekey)。 3. 占用一定的内存空间(每个value都要维护一个timekey)。
资源隔离组件hystrix(本文)	1. hystrix技术成熟，有效保证后端。 2. hystrix监控强大。	1. 部分访问存在降级策略。

四种方案来源网络，详文请链接：

http://carlosfu.iteye.com/blog/2269687

3. 消息队列

消息队列特性

业务无关，只做消息分发
FIFO，先投递先到达
容灾：消息的动态增删和消息的持久化
性能：吞吐量提升，系统内部通信效率提高

为什么需要消息队列

生产和消费的速度或稳定性等因素不一致

消息队列的好处

业务解耦
最终一致性
- 用记录和补偿的方式来处理，在做所有的不确定事情之前，先把事情记录下来，然后再去做不确定的事。结果分三种：成功；失败；不确定（超时）。对于失败和不确定，可以用定时任务的方式，重新做一遍。
- 比如：比如系统A扣钱并通知系统B这件事情记录到库里面。也可以把通知B系统加钱和通知成功放到一个本地事务里，通知成功则删除这条记录，通知失败或者不确定，依靠定时任务补偿性的通知我们，直到我们把状态更新成正确的为止。
广播
错峰于流控
- 当上下游系统处理能力存在差距的时候，利用消息队列做一个通用的漏斗，在下游有能力处理的时候再进行分发