前言
web
做为一种非关系型数据库，redis也老是免不了有各类各样的问题，这篇文章主要是针对其中三个问题进行讲解：缓存穿透、缓存击穿和缓存雪崩，并给出一些解决方案。面试
1、缓存穿透
一、概念redis
缓存穿透是指查询一个数据库必定不存在的数据。正常的使用缓存流程大体是，数据查询先进行缓存查询，若是key不存在或者key已通过期，再对数据库进行查询，并把查询到的对象，放进缓存。若是数据库查询对象为空，则不放进缓存。算法
这里须要注意缓存击穿的区别，缓存击穿，缓存击穿是指缓存中没有但数据库中有的数据，而且某一个key很是热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间（通常是缓存时间到期），持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。数据库
为了不缓存穿透其实有不少种解决方案。下面介绍几种后端
二、解决方案数组
（1）布隆过滤器缓存
布隆过滤器是一个bit向量或者bit，若是咱们要映射一个值到布隆过滤器中，咱们使用多个不一样的哈希函数生成多个哈希值，并将每一个生成的哈希值指向的bit位设置为1，以下baidu一词设置了三个位置为1。微信
原理：对一个key进行k个hash算法获取k个值，在比特数组中将这k个值散列后设定为1，而后查的时候若是特定的这几个位置都为1，那么布隆过滤器判断该key存在。并发
“tencent”一词，对应的状况
能够看到，不一样的词对应的bit位置可能相同，当词不少的状况时，可能大部分bit位置都是1，这时查询taobao可能对应的位置都为1，只能说明taobao一词可能存在，不是必定存在的，这时1就被覆盖了，这就是布隆过滤器的误判。若是它说不存在那确定不存在，若是它说存在，那数据有可能实际不存在。
Redis的bitmap只支持2^32大小，对应到内存也就是512MB，误判率万分之一，能够放下2亿左右的数据，性能高，空间占用率及小，省去了大量无效的数据库链接。
所以咱们能够经过布隆过滤器，将Redis缓存穿透控制在一个可容范围内。
使用布隆过滤器：
导入依赖
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>19.0</version>
</dependency>
代码：
public class Test {
private static int size = 1000000;//预计要插入多少数据
private static double fpp = 0.01;//指望的误判率
private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, fpp);
public static void main(String[] args) {
//插入数据
for (int i = 0; i < 1000000; i++) {
bloomFilter.put(i);
}
int count = 0;
for (int i = 1000000; i < 2000000; i++) {
if (bloomFilter.mightContain(i)) {
count++;
System.out.println(i + "误判了");
}
}
System.out.println("总共的误判数:" + count);
}
}
应用：
@Cacheable(value="key1")
public String get(String key) {
String value = redis.get(key);
// redis中不存在该缓存
if (value == null) {
//布隆过滤器也没有,直接返回
if(!bloomfilter.mightContain(key)){
return null;
}else{
//布隆过滤器中能查到，不表明必定有,查出来放入redis，一样也能够避免缓存穿透
value = db.get(key);
redis.set(key, value);
}
}
return value；
}
(2)、缓存空对象
当存储层不命中后，即便返回的空对象也将其缓存起来，同时会设置一个过时时间，以后再访问这个数据将会从缓存中获取，保护了后端数据源。
可是这种方法会存在两个问题：
● 若是空值可以被缓存起来，这就意味着缓存须要更多的空间存储更多的键，由于这当中可能会有不少的空值的键；
● 即便对空值设置了过时时间，仍是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于须要保持一致性的业务会有影响。
2、缓存雪崩
（1）、概念缓存雪崩是指缓存中大批量数据到过时时间，而查询数据量巨大，引发数据库压力过大甚至down机。和缓存击穿不一样的是，缓存击穿指并发查同一条数据，缓存雪崩是不一样数据都过时了，不少数据都查不到从而查数据库。
产生雪崩的缘由之一，假如立刻就要到双十一零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨一点钟的时候，这批商品的缓存就都过时了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。
博主在作电商项目的时候，通常有三种方法：
（1）采起不一样分类商品，缓存不一样周期。在同一分类中的商品，加上一个随机因子。这样能尽量分散缓存过时时间，并且，热门类目的商品缓存时间长一些，冷门类目的商品缓存时间短一些，也能节省缓存服务的资源。
（2）若是缓存数据库是分布式部署，将 热点数据均匀分布在不一样的缓存数据库中。
（3）设置热点数据永远不过时。
(4) 使用加锁限流的方式
3、缓存击穿
（1）概念缓存击穿，是指缓存中没有但数据库中有的数据，而且某一个key很是热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间（通常是缓存时间到期），持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。
(2)解决方案
● 设置热点数据永远不过时。
● 使用互斥锁(mutex key)
业界比较经常使用的作法，是使用mutex。简单地来讲，就是在缓存失效的时候（判断拿出来的值为空），不是当即去load db，而是先使用缓存工具的某些带成功操做返回值的操做（好比Redis的SETNX或者Memcache的ADD）去set一个mutex key，当操做返回成功时，再进行load db的操做并回设缓存；不然，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，能够利用它来实现锁的效果。
public String get(key) {
String value = redis.get(key);
if (value == null) { //表明缓存值过时
//设置3min的超时，防止del操做失败的时候，下次缓存过时一直不能load db
if (redis.setnx(key_mutex, 1, 3 * 60) == 1) { //表明设置成功
value = db.get(key);
redis.set(key, value, expire_secs);
redis.del(key_mutex);
} else { //这个时候表明同时候的其余线程已经load db并回设到缓存了，这时候重试获取缓存值便可
sleep(50);
get(key); //重试
}
} else {
return value;
}
}
四、原创 | 万万没想到，HashMap默认容量的选择，居然背后有这么多思考！？
扫描二维码
获取更多精彩
Java技术大联盟
有收获，就点个在看
本文分享自微信公众号 - Java技术大联盟（jingdakunye520）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。