redis缓存穿透、缓存雪崩、热点Key问题分析及解决方案

咱们一般使用 缓存 + 过时时间的策略来帮助咱们加速接口的访问速度，减小了后端负载，同时保证功能的更新。

缓存穿透

缓存系统，按照KEY去查询VALUE,当KEY对应的VALUE必定不存在的时候并对KEY并发请求量很大的时候，就会对后端形成很大的压力。

查询一个必然不存在的数据。好比文章表，查询一个不存在的id，每次都会访问DB，若是有人恶意破坏，极可能直接对DB形成影响。

因为缓存不命中，每次都要查询持久层（回源），从而失去缓存的意义。

解决方法

1. 缓存层缓存空值
   • 缓存太多空值，占用更多空间。（优化：给个空值过时时间）
   • 存储层更新代码了，缓存层仍是空值。（优化：后台设置时主动删除空值，并缓存把值进去）
2. 将数据库中全部的查询条件，放到 布隆过滤器 中。当一个查询请求来临的时候，先通过布隆过滤器进行检查，若是请求存在这个条件中，那么继续执行，若是不在，直接丢弃。

注意事项：

​ 使用布隆过滤器时，若是数据库中有10000个条件，那么布隆过滤器的容量size设置的要稍微比10000大一些，好比12000。

​ 对于误判率的设置，根据实际项目，以及硬件设施来具体决定。可是必定不能设置为0，而且误判率设置的越小，哈希函数跟数组长度都会更多跟更长，那么对硬件，内存中间的要求就会相应的高。

​ private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, 0.0001);

​ 有了size跟误判率，那么布隆过滤器就会产生相应的哈希函数跟数组。

​ 综上： 咱们能够利用布隆过滤器，将redis缓存击穿控制在一个可容忍的范围内。

缓存雪崩(缓存失效)

若是缓存集中在一段时间内失效，发生大量的缓存穿透，全部的查询都落在数据库上，形成了缓存雪崩。

缓存层宕掉后，流量会像奔逃的野牛同样，打向后端存储。

解决办法

1. 在缓存失效后，经过加锁或者队列来控制读数据库写缓存的线程数量。好比对某个key只容许一个线程查询数据和写缓存，其余线程等待；
2. 能够经过缓存reload机制，预先去更新缓存，再即将发生大并发访问前手动触发加载缓存；
3. 不一样的key，设置不一样的过时时间，让缓存失效的时间点尽可能均匀；
4. 作二级缓存，或者双缓存策略：
   • A1为原始缓存，A2为拷贝缓存；
   • A1失效时，能够访问A2，A1缓存失效时间设置为短时间，A2设置为长期。

热点key

• 这个key是一个热点key（例如一个重要的新闻，一个热门的八卦新闻等等），因此这种key访问量可能很是大。
• 缓存的构建是须要必定时间的。（多是一个复杂计算，例如复杂的sql、屡次IO、多个依赖(各类接口)等等）

因而就会出现一个致命问题：在缓存失效的瞬间，有大量线程来构建缓存（见下图），形成后端负载加大，甚至可能会让系统崩溃 。

解决办法

1. 使用互斥锁(mutex key)：这种解决方案思路比较简单，就是只让一个线程构建缓存，其余线程等待构建缓存的线程执行完，从新从缓存获取数据就能够了；

2. "提早"使用互斥锁(mutex key)：在value内部设置1个超时值(timeout1), timeout1比实际的memcache timeout(timeout2)小。当从cache读取到timeout1发现它已通过期时候，立刻延长timeout1并从新设置到cache。而后再从数据库加载数据并设置到cache中；

3. "永远不过时"：

   这里的“永远不过时”包含两层意思

   • 从redis上看，确实没有设置过时时间，这就保证了，不会出现热点key过时问题，也就是“物理”不过时；
   • 从功能上看，若是不过时，那不就成静态的了吗？因此咱们把过时时间存在key对应的value里，若是发现要过时了，经过一个后台的异步线程进行缓存的构建，也就是“逻辑”过时

4. 资源保护：能够作资源的隔离保护主线程池，若是把这个应用到缓存的构建也何尝不可。

四种方案对比

做为一个并发量较大的互联网应用，咱们的目标有3个:

• 加快用户访问速度，提升用户体验。
• 下降后端负载，保证系统平稳。
• 保证数据“尽量”及时更新（要不要彻底一致，取决于业务，而不是技术。）

因此第二节中提到的四种方法，能够作以下比较，仍是那就话：没有最好，只有最合适。

解决方案	优势	缺点
简单分布式锁(Tim yang)	1. 思路简单<br />2. 保证一致性	1. 代码复杂度增大<br />2. 存在死锁的风险<br />3. 存在线程池阻塞的风险
加另一个过时时间(Tim yang)	1. 保证一致性	同上
不过时(本文)	1. 异步构建缓存，不会阻塞线程池	1. 不保证一致性。<br />2. 代码复杂度增大(每一个value都要维护一个timekey)。<br />3. 占用必定的内存空间(每一个value都要维护一个timekey)。
资源隔离组件hystrix(本文)	1. hystrix技术成熟，有效保证后端。<br />2. hystrix监控强大。	1. 部分访问存在降级策略。

总结

• 热点key + 过时时间 + 复杂的构建缓存过程 => mutex key问题
• 构建缓存一个线程作就能够了。
• 四种解决方案：没有最佳只有最合适。

参考文献：

• 击穿/穿透：http://blog.csdn.net/kl1106/article/details/79478901

• 雪崩：http://blog.csdn.net/qq_36858183/article/details/78424690

• 热点key：http://carlosfu.iteye.com/blog/2269678