用了强大的 Redis，咱们的项目是否是再也不害怕高并发查询了？缓存穿透和缓存雪崩了解一下

关于 Redis 的使用，你们应该已经不陌生了，我也介绍过 Redis 的使用、数据结构、使用场景分析，既然 Redis 这个强大，那么架构中引入了 Redis 以后，是否是就“无敌”了呢？

其实全部的架构、框架、组件，在解决一部分问题的同时，一样也会带来新的问题，让咱们看看使用 Redis 可能会遇到什么样的问题。

缓存穿透

Redis 大部分的使用场景，都是根据 key ，先在 Redis 中查询，若是查询不到的话，再查询数据库。

当有大量的请求，key 值根本不在 Redis 中，那么查询就会落到数据库上，这些请求就仿佛“穿透”过了 Redis 落在了数据库上，最后会致使数据库不堪重负直至崩溃。

让咱们看看缓存穿透的应对策略：

1. 将无效 key 保存到 Redis 中

若是 Redis 中查询不到，而且查询数据库也没有结果，那么就将这个 key 写入到 Redis 中，设置 value = 空，这样若是这个 key 值被重复访问，也不会查询数据库。

可是若是数据库几分钟后，存入了一条真实的数据，那么就会发生数据库和缓存数据不一致的状况；

这种状况，要么主动更新 Redis 中这条 key-空 的数据，要么在设置缓存的时候，同时设置缓存的额过时时间，这样当时间一过，缓存数据就能够刷入到 Redis 中了。

若是每次查询的 key 值都不相同，好比收到恶意攻击，每次访问都是无效且不相同的 key 值，那么这个办法就会失效。

2. 布隆过滤器

布隆过滤器（Bloom Filter）的原理解释起来很复杂，用白话归纳一下它的特色：它说某个 key 不存在，那么就必定不存在，它说某个 key 存在，那么很大多是存在（存在必定的误判率）。

使用布隆过滤器，挡回无效请求，流程大概是这样的：

对布隆过滤器感兴趣的同窗，能够试一试 Google 出品的 Guava 工具库，其中就有开箱即用的布隆过滤器：BloomFilter；

public class BloomFilterTest {
    public static void main(String[] args){
        int size = 1000000;
        //布隆过滤器
        BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, 0.001);
        
        for (int i = 0; i < size; i++) {
            bloomFilter.put(i);
        }
        
    List<Integer> list = new ArrayList<Integer>(1000);
        for (int i = size + 1; i < size + 10000; i++) {
            if (bloomFilter.mightContain(i)) {
                list.add(i);
            }
        }
        System.out.println("误判数量：" + list.size());
    }
}

另外，Redis 在 4.0 以后有了插件功能（Module），可使用外部的扩展功能，可使用 RedisBloom 做为 Redis 布隆过滤器插件。

缓存雪崩

一般咱们在使用 Redis 的时候，都会为缓存设置过时时间，可是若是在某个时间点，有大量缓存失效，那么下一个时间点就会有大量请求访问到数据库，这种状况下，数据库可能由于访问量多大致使“崩溃”，这就是缓存雪崩。

让咱们看看缓存雪崩的解决方案：

1. 不设置缓存过时时间

最暴力的解决办法，缓存不设置自动过时时间，只要缓存不崩，数据库就不会崩。

2. 设置随机过时时间

另一个办法，就是让缓存过时时间不那么一致，好比一批缓存数据24小时后过时，那么就在这个基础上，让每条缓存的过时时间先后随机 1-6000 秒（1-10分钟）。

3. 使用互斥锁

在缓存失效后，经过互斥锁或者队列，控制读数据库和写缓存的线程数量；不过这样会致使系统的吞吐量降低。

4. 双缓存

设置一级缓存和二级缓存，一级缓存过时时间短，二级缓存过时时间长或者不过时，一级缓存失效后访问二级缓存，同时刷新一级缓存。

最后在强调一遍，任何架构、组件、框架的引入，都会带来新的问题，咱们在使用的时候必定要有相应的评估和解决方案。

会点代码的大叔 | 文【原创】

---

​