Redis缓存

前言

1. 穿透是redis中不存在，不是过期了

2. 击穿是大量请求访问同一个redis的一个失效的key，访问的一瞬间他失效了，请求来到了mysql数据库

3. 雪崩是访问很多的失效的key

1.缓存雪崩

缓存雪崩是指缓存同一时间大面积的失效（有但失效）或redis发生故障后重启时（缓存中还没有数据），所以，后面的请求都会落到数据库上，造成数据库短时间内承受大量请求而崩掉。

缓存雪崩其实有点像“升级版的缓存击穿”，缓存击穿是⼀个热点 key，缓存雪崩是⼀组热点 key

举个例子：咱们都知道，redis是分布式缓存中间件，是用来做缓存的。如果没有redis,服务请求都去找mysql,如果是在大量的请求下，mysql是非常累的，因为mysql的并发性能并不是很好。所有就让redis当小弟，mysql当大哥，给mysql服务。redis咱们都知道叫内存数据库，它的全部都是在内存是做操作，所有它的性能是非常快的。这样的话所有的请求都会先询问Redis。如果redis没有的话，再去mysql去查询，然后放在Redis里面。如果redis里面有的话，就直接返回了。所以Redis就会拦截大量的请求，这样Mysql就会节省很多的工作。所以这个mysql就非常闲，没事干。而所有的工作都让redis来做了。但是如果到了双十一，这边有满减活动，那边有发红包的活动，那边又有金币抵现金的活动。活动进行了很多个，这些活动都放在了redis里面。但是恰巧在同一时间同时失效了。

`那它为什么会失效呢？`

因为在平时使用redis的时候都会设置一个过期时间。比如说所有的学生名单，我们给他设置为10秒，如果在10秒内你高频的访问学生名单，从redis里拿就可以了。如果过了10秒，你要访问学生名单，就要先去数据库里拿，然后再访问redis了。现在都知道了每个数据都会设置过期时间，就像刚才所说的，很多很多活动，都在这个redis里面保存数据了。如果你习惯把过期时间都设置为10秒，如果时间一到，所有的活动请求的数据都没有了。这时候redis没有的话，所有的请求都会到达mysql。mysql已经当大哥很久没有工作过了，这时来了这么多的请求，一下子就给mysql干趴下了。因为同一时间失效，就会造成雪崩。

解决方案：

1. 把缓存数据的过期时间设置成随机数，防止同一时间大量数据过期现象发生。例如：a活动设置10秒，b活动设置了20秒，c活动设置了30秒。那么在10秒的时候只有a活动失效了，b,c活动没有过期，这样就防止所有了大量缓存在同一时间失效了。这样活动a失效了，它自己去访问mysql的话，mysql是能应付归来的。
2. 给每一个缓存数据增加相应的缓存标记，记录缓存是否失效，如果缓存标记失效，则更新数据缓 存。（比较消耗性能，要时刻监听缓存标记，但会很快把缓存不上来，防止请求打到数据库上）
3. 缓存预热（在启动系统（服务）之前可以先启动接口，把热点数据先放到缓存上去）
4. 互斥锁 （查到一个缓存发现失效了，在查数据库时把缓存的键锁起来，查完数据库后再把数据放到缓存中再释放这个锁，避免大量请求对同一个键进行操作（让其排队））
5. 如果你是缓存数据库分布式部署的话，可以将热点数据均匀分布在不同的缓存数据库中。
6. 可以设置热点数据永远不过期，但是你说这样的话不可以全部都设置吗，那显然是不能的。你要这样设置的话，本身redis很牛，你这样你设置，他就不牛了。都设置的话，redis会被撑爆的，本来性能很高，这样一设置就变低了。毕竟内存要比硬盘小的多得多。比如说京东618，我们可以把家电设置成热点数据，然后这个618过了以后，那么你就可以找运维的工作人员，把redis里面的618的数据进行手动删除。这个和抖音热门类似，今天你是热门，明天就不一样了。

2.缓存穿透

缓存穿透是指缓存和数据库中都没有的数据，导致所有的请求都落到数据库上，造成数据库短时间内承受大量请求而崩掉。（通常这种现象来自攻击，因正常用户请求一次没有后就不会再连续请求） 此时，缓存起不到作⽤，请求每次都会⾛到数据库，流量⼤时数据库可能会被打挂。此时缓存就好像 被“穿透”了⼀样，起不到任何作⽤。

举个例子：大家都知道，正常这个id是都是正整数。那你传一个-10，redis里面肯定没有，这样就会去数据库查了。这样的话，这个缓存redis就根本起不了作用。这个请求会直接穿透到数据库，流量大的时候直接就给干死了。假如我把这个userid=-10写一个死循环，给它循环一千万次。这样请求的话，redis是起不到效果的，全部到数据库身上了。那数据库接受了这一千万次的请求，那么数据库直接就崩了。数据库性能其实很差的，它没有办法处理这么多请求。怎么解决？

解决方案：

1. 接口层增加校验{参数校验}，如用户鉴权校验，id做基础校验，id<=0的直接拦截（从业务层面可明显判断出这个数据不可能存在，就不用去访问数据库了）
2. 缓存空值：从缓存取不到的数据，在数据库中也没有取到，这时也可以将key-value对写为key-null（针对同一个key的攻击就无效了，被缓存拦截，全部返回null），缓存有效时间可以设置短点，如30秒（设置太长会导致正常情况也没法使用）。这样可以防止攻击用户 反复用同一个id暴力攻击
3. 采用布隆过滤器（Java中可以实现，redis中也提供了现成的布隆过滤器），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一定会被这个 bitmap 拦截掉，但是存在的数据不一定真的存在bitmap中，从而避免了对底层存储系统的查询压力

3.缓存击穿

缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存（同一个键）没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。和缓存雪崩不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查 数据库。

举个例子：比如一个神枪手对着铁门每次都打一个地方，连开5枪，到第5枪的时候瞬间把铁门击穿了。比如潜水艇破了一个洞，会瞬间涌进大量的水。

解决方案

1. 设置热点数据永远不过期。（但仍然要维护他，若数据修改或删除也要去修改缓存）这个解决方案不仅只靠程序员，还要靠运维。你要给运维讲这个问题没有什么好的解决方案，我们准备把热点数据设置成永远不过期，一个月之后再让运维删掉。
2. 加互斥锁（key过期了，去查数据库，加一个cas自旋锁，只让一个线程去查，其他线程不去查而进行自旋，查到了再去利用cas更新key，释放锁）

布隆过滤器

简介：布隆过滤器(BloomFilter)是由一个叫“布隆”的小伙子在1970年提出的，它是一个很长的二进制向量（或者说位数组即BitMap位图）和一系列随机映射函数（哈希函数）两部分组成的数据结构，是⼀种空间效率极⾼的概率型算法和数据 结构。主要用于判断一个元素是否在一个集合中。

特点：特点：判断不存在的，则⼀定不存在；判断存在的，⼤概率存在，但也有⼩概率不存 在。并且这个概率是可控的，我们可以让这个概率变⼩或者变⾼，取决于⽤⼾本⾝的需求。

优点：相比于我们平时常用的的 List、Map 、Set 等数据结构，它占用空间更少并且效率更高（查询快O（k）恒定时间搜索，其中k是哈希函数的数量，测试不存在将非常快。）

位数组（bit数组）中的每个元素都只占用 1 bit ，并且每个元素只能是 0 或者 1。这样申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空间。

缺点:其返回的结果是概率性的，而不是非常准确的。理论情况下添加到集合中的元素越多，误报的可能性就越大。并且，存放在布隆过滤器的数据不容易删除。

应用于缓存穿透