Redis缓存篇（四）缓存异常

这一节，咱们来学习一下缓存异常。缓存异常有四种类型，分别是缓存和数据库的数据不一致、缓存雪崩、缓存击穿和缓存穿透。

下面经过了解这四种缓存异常的原理和应对方法。

缓存和数据库的数据不一致

缓存和数据库的数据一致性包含两种状况：

• 缓存中有数据，缓存的数据值须要和数据库中的值相同；
• 缓存中没有数据，数据库中的值必须是最新值。

数据不一致是如何发生的？

在第1讲中关于缓存的类型那节，介绍了缓存有两种不一样类型，分别是只读缓存和读写缓存。不一样类型的缓存数据不一致的发生状况不同，应对方法也不同。

读写缓存：有两种写回策略，同步直写和异步写回。若是要保证数据一致，就要采用同步直写策略。但须要保证缓存和数据库的更新具备原子性，即要么都成功，要么都失败。

只读缓存：分新增数据和删改数据两种状况说明。

新增数据

数据直接写到数据库中，不对缓存作任何操做，符合一致性的第2种状况。

删改数据

发生删改操做时，既要更新数据库，也要在缓存里删除数据。由于缓存和数据库是不一样的系统，这里分两种状况：

• 先删除缓存，再更新数据库：数据库更新失败，致使请求再次访问缓存时，发现缓存失败，再读数据库时，从数据库中读取旧值。
• 先更新数据库，再删除缓存：缓存删除失败，致使请求再次访问缓存时，发现缓存命中，并从缓存中读取到旧值。

如何解决数据不一致？

使用重试机制，指把删除的缓存值或者是要更新的数据库值暂存到消息队列中（例如使用Kafka消息队列）。

当应用没有可以成功地删除缓存值或者是更新数据库值时，从消息队列中从新读取这些值，而后再次进行删除或更新。

若是成功删除，就从消息队列中删除，以避免重复操做。不然就要进行重试，若是重试超过必定次数，就要向业务层发送报错信息。

具体状况以下图所示：

总结一下，对于只读缓存来讲，建议优先使用先更新数据库，再删除缓存。

缓存雪崩

缓存雪崩，指大量的应用请求没法在Redis缓存中进行处理，而后应用将大量请求发送到数据库层，致使数据库层的压力激增。

致使缓存雪崩的两个缘由：

1. 缓存中有大量数据同时过时，致使大量请求没法获得处理。

解决方案有两个，一是避免给大量的数据设置相同的过时时间，增长一个较小的随机数（例如，随机增长1~3分钟）。

另外一个是服务降级，服务降级指发生缓存雪崩时，针对不一样的数据采起不一样的处理方式：

• 非核心数据，暂时中止从缓存中查询，直接返回预约义信息、空值或者错误信息；
• 核心数据，容许查询缓存，若是缓存缺失，继续经过数据库读取。

2. Redis缓存实例发生故障宕机了，没法处理请求。

有两个建议，一是在业务系统中实现服务熔断或请求限流机制。

服务熔断是指在发生缓存雪崩时，为了防止引起连锁的数据库雪崩，暂停业务应用对缓存系统的接口访问。

具体点，就是业务应用调用缓存接口时，缓存客户端并不把请求发给Redis缓存实例，而是直接返回，等Redis缓存实例从新恢复服务后，再容许发送。

服务熔断会暂停了整个缓存系统的访问，对业务应用的影响范围大。而请求限流相比服务熔断形成的影响没那么大。

请求限流是指业务系统的请求入口前端控制每秒进入系统的请求数，避免过多的请求被发送到数据库。

二是事前预防，经过主从节点构建Redis缓存高可靠集群。

缓存击穿

缓存击穿，指针对某个访问很是频繁的热点数据的请求，没法在缓存中进行处理，大量请求发送到后端数据库，致使数据库压力激增，影响数据库处理其余请求。

解决方案是，对于访问特别频繁的热点数据，不设置过时时间。

缓存穿透

缓存穿透，指要访问的数据既不在Redis缓存中，也不在数据库中，致使请求在访问缓存时，发生缓存缺失，再去访问数据库时，也发现没有数据。

若是有大量请求访问数据，就会同时给缓存和数据库带来巨大压力。

发生缓存穿透有两种状况：

• 业务层误操做：缓存中的数据和数据库中的数据被误删除；
• 恶意攻击：专门访问数据库中没有的数据。

为了不缓存穿透，有三种应对方案。

第一种方案是，缓存空值或缺省值

一旦发生缓存穿透，就针对查询的数据，在Redis中缓存一个空值或是和业务层协商肯定的缺省值。

第二种方案是，使用布隆过滤器快速判断数据是否存在，避免从数据库中查询数据是否存在，减轻数据库压力

布隆过滤器由一个初值都为0的bit数组和N个哈希函数组成，能够用来快速判断某个数据是否存在。

经过三个操做完成标记：

• 使用N个哈希函数，分别计算这个数据的哈希值，获得N个哈希值
• 把这N个哈希值对bit数组的长度取模，获得每一个哈希值的位置
• 把对应的位置的bit位设置为1

这样一来，即便发生缓存穿透，大量请求只会查询Redis和布隆过滤器。

第三种方案是，在请求入口的前端进行请求检测

例如对请求进行合法性检测，把恶意的请求（例如请求参数不合理、请求参数是非法值、请求字段不存在）直接过滤掉

总结

另外还有三个建议：

• 针对缓存雪崩，合理地设置数据过时时间，以及搭建高可靠缓存集群。
• 针对缓存击穿，在缓存访问很是频繁的热点数据时，不要设置过时时间。
• 针对缓存穿透，提早在入口前端实现恶意请求检测，或者规范数据库的数据删除操做，避免误删除。

参考资料

• 25 | 缓存异常（上）：如何解决缓存和数据库的数据不一致问题？
• 26 | 缓存异常（下）：如何解决缓存雪崩、击穿、穿透难题？