【原创】分布式之缓存击穿

时间 2019-12-08

原文原文链接

什么是缓存击穿

在谈论缓存击穿以前，咱们先来回忆下从缓存中加载数据的逻辑，以下图所示
java

所以，若是黑客每次故意查询一个在缓存内必然不存在的数据，致使每次请求都要去存储层去查询，这样缓存就失去了意义。若是在大流量下数据库可能挂掉。这就是缓存击穿。
场景以下图所示:
redis

咱们正常人在登陆首页的时候，都是根据userID来命中数据，然而黑客的目的是破坏你的系统，黑客能够随机生成一堆userID,而后将这些请求怼到你的服务器上，这些请求在缓存中不存在，就会穿过缓存，直接怼到数据库上,从而形成数据库链接异常。数据库

解决方案

在这里咱们给出三套解决方案，你们根据项目中的实际状况，选择使用.网页爬虫

讲下述三种方案前，咱们先回忆下redis的setnx方法数组

SETNX key value缓存

将 key 的值设为 value ，当且仅当 key 不存在。服务器

若给定的 key 已经存在，则 SETNX 不作任何动做。并发

SETNX 是『SET if Not eXists』(若是不存在，则 SET)的简写。异步

可用版本：>= 1.0.0maven

时间复杂度： O(1)

返回值： 设置成功，返回 1。设置失败，返回 0 。

效果以下

redis> EXISTS job                # job 不存在
(integer) 0

redis> SETNX job "programmer"    # job 设置成功
(integer) 1

redis> SETNX job "code-farmer"   # 尝试覆盖 job ，失败
(integer) 0

redis> GET job                   # 没有被覆盖
"programmer"

一、使用互斥锁

该方法是比较广泛的作法，即，在根据key得到的value值为空时，先锁上，再从数据库加载，加载完毕，释放锁。若其余线程发现获取锁失败，则睡眠50ms后重试。

至于锁的类型，单机环境用并发包的Lock类型就行，集群环境则使用分布式锁( redis的setnx)

集群环境的redis的代码以下所示:

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 {  
        //其余线程休息50毫秒后重试  
        Thread.sleep(50);  
        get(key);  
    }  
  }  
}

优势:

思路简单
保证一致性

缺点

代码复杂度增大
存在死锁的风险

二、异步构建缓存

在这种方案下，构建缓存采起异步策略，会从线程池中取线程来异步构建缓存，从而不会让全部的请求直接怼到数据库上。该方案redis本身维护一个timeout，当timeout小于System.currentTimeMillis()时，则进行缓存更新，不然直接返回value值。
集群环境的redis代码以下所示:

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;  
    }

优势:

性价最佳，用户无需等待

缺点

没法保证缓存一致性

三、布隆过滤器

一、原理

布隆过滤器的巨大用处就是，可以迅速判断一个元素是否在一个集合中。所以他有以下三个使用场景:

网页爬虫对URL的去重，避免爬取相同的URL地址
反垃圾邮件，从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱（同理，垃圾短信）
缓存击穿，将已存在的缓存放到布隆过滤器中，当黑客访问不存在的缓存时迅速返回避免缓存及DB挂掉。

OK，接下来咱们来谈谈布隆过滤器的原理
其内部维护一个全为0的bit数组，须要说明的是，布隆过滤器有一个误判率的概念，误判率越低，则数组越长，所占空间越大。误判率越高则数组越小，所占的空间越小。

假设，根据误判率，咱们生成一个10位的bit数组，以及2个hash函数（\(f_1,f_2\)），以下图所示(生成的数组的位数和hash函数的数量，咱们不用去关心是如何生成的，有数学论文进行过专业的证实)。

假设输入集合为(\(N_1,N_2\)),通过计算\(f_1(N_1)\)获得的数值得为2，\(f_2(N_1)\)获得的数值为5，则将数组下标为2和下表为5的位置置为1，以下图所示

同理，通过计算\(f_1(N_2)\)获得的数值得为3，\(f_2(N_2)\)获得的数值为6，则将数组下标为3和下表为6的位置置为1，以下图所示

这个时候，咱们有第三个数\(N_3\)，咱们判断\(N_3\)在不在集合(\(N_1,N_2\))中，就进行\(f_1(N_3)，f_2(N_3)\)的计算

若值恰巧都位于上图的红色位置中，咱们则认为，\(N_3\)在集合(\(N_1,N_2\))中
若值有一个不位于上图的红色位置中，咱们则认为，\(N_3\)不在集合(\(N_1,N_2\))中

以上就是布隆过滤器的计算原理，下面咱们进行性能测试，

二、性能测试

代码以下:

(1)新建一个maven工程，引入guava包

<dependencies>  
        <dependency>  
            <groupId>com.google.guava</groupId>  
            <artifactId>guava</artifactId>  
            <version>22.0</version>  
        </dependency>  
    </dependencies>

(2)测试一个元素是否属于一个百万元素集合所需耗时

package bloomfilter;

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import java.nio.charset.Charset;

public class Test {
    private static int size = 1000000;

    private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size);

    public static void main(String[] args) {
        for (int i = 0; i < size; i++) {
            bloomFilter.put(i);
        }
        long startTime = System.nanoTime(); // 获取开始时间
        
        //判断这一百万个数中是否包含29999这个数
        if (bloomFilter.mightContain(29999)) {
            System.out.println("命中了");
        }
        long endTime = System.nanoTime();   // 获取结束时间

        System.out.println("程序运行时间： " + (endTime - startTime) + "纳秒");

    }
}

输出以下所示

命中了
程序运行时间： 219386纳秒

也就是说，判断一个数是否属于一个百万级别的集合，只要0.219ms就能够完成，性能极佳。

(3)误判率的一些概念

首先，咱们先不对误判率作显示的设置，进行一个测试，代码以下所示

package bloomfilter;

import java.util.ArrayList;
import java.util.List;

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

public class Test {
    private static int size = 1000000;

    private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size);

    public static void main(String[] args) {
        for (int i = 0; i < size; i++) {
            bloomFilter.put(i);
        }
        List<Integer> list = new ArrayList<Integer>(1000);  
        
        //故意取10000个不在过滤器里的值，看看有多少个会被认为在过滤器里
        for (int i = size + 10000; i < size + 20000; i++) {  
            if (bloomFilter.mightContain(i)) {  
                list.add(i);  
            }  
        }  
        System.out.println("误判的数量：" + list.size()); 

    }
}

输出结果以下

误判对数量：330

若是上述代码所示，咱们故意取10000个不在过滤器里的值，却还有330个被认为在过滤器里，这说明了误判率为0.03.即，在不作任何设置的状况下，默认的误判率为0.03。
下面上源码来证实：

接下来咱们来看一下，误判率为0.03时，底层维护的bit数组的长度以下图所示

将bloomfilter的构造方法改成

private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size,0.01);

即，此时误判率为0.01。在这种状况下，底层维护的bit数组的长度以下图所示

因而可知，误判率越低，则底层维护的数组越长，占用空间越大。所以，误判率实际取值，根据服务器所可以承受的负载来决定，不是拍脑壳瞎想的。

三、实际使用

redis伪代码以下所示

String get(String key) {  
   String value = redis.get(key);  
   if (value  == null) {  
        if(!bloomfilter.mightContain(key)){
            return null;
        }else{
           value = db.get(key);  
           redis.set(key, value);  
        }
    } 
    return value；
}

优势:

思路简单
保证一致性
性能强

缺点

代码复杂度增大
须要另外维护一个集合来存放缓存的Key
布隆过滤器不支持删值操做

总结

在总结部分，来个漫画把。但愿对你们找工做有帮助