Redis作为一个高性能的非关系型（NoSQL）键值对数据库，被大量用户喜爱和使用，大家在使用中项目中Redis用于数据缓存，但是在使用过程中有一些问题需要我们考虑。典型的问题有：缓存穿透、缓存雪崩、缓存击穿、与关系数据库的一致性。一、缓存穿透1、概念缓存穿透是指查询缓存或数据库中不存在的数据。正常使用缓存的流程大致是数据查询先缓存，如果key不存在或者key已经过期，再查询数据库，将查询到的对象放入缓存。如果数据库查询对象为空，则不会放入缓存。大致流程如下图所示：在一些特定场景下，例如：秒杀活动。同时会有大量的请求，都是在杀同一个产品。这些请求同时检查缓存中没有数据，然后同时访问数据库。结果是一场悲剧。数据库可能会承受不住压力，直接挂掉。也会有恶意请求。一般我们的主键ID都是无符号自增类型。有些人想破坏你的数据库，对每个请求都使用负ID，而数据库中没有负ID的记录。每次都会查询数据库，每次查询都是空的，不会每次都缓存。如果有恶意攻击，可以利用该漏洞对数据库进行压力，甚至碾压数据库。3、解决方案1）验证拦截接口层进行验证，比如识别用户权限，对id等字段做基础验证，比如直接拦截id<=0的字段。2）布隆过滤器我们可以预先在过滤器中加入真实正确的商品id，每次再次查询时，先确认要查询的id是否在过滤器中，如果不在则说明该id是非法的id，不需要后续查询步骤。布隆过滤器是一种比较独特的数据结构，存在一定的错误。Bloomfilter的特点就是说不存在就肯定不存在。如果它说存在，则数据可能实际上不存在。它最大的优点是性能高，占用空间小。3）缓存空对象当存储层miss时，即使返回的空对象也会被缓存，同时设置一个过期时间，以后访问时从缓存中获取数据，保护后端数据源。但是这种方法有两个问题：如果可以缓存空值，就意味着缓存需要更多的空间来存储更多的key，因为空值的key可能有很多；如果为该值设置了过期时间，缓存层和存储层的数据在一段时间内仍然会存在不一致，影响需要保持一致性的业务。二、缓存击穿1、缓存击穿的概念是指数据不在缓存中，而是在数据库中，并且某个key非常热。它不断承载着大并发，大并发集中在访问这个点上。当key缓存时间到期后，持续的大并发会突破缓存，直接请求数据库，导致数据库不堪重负。2、解决方法1）设置热点数据永不过期。这种方法比较粗糙。如果你的热点数据对实时性要求不高，可以设置热点数据在热点期间不过期，在访问的低峰期过期，比如每天早上过期。2）可以使用分布式锁和互斥锁来控制线程访问查询数据库，但是这种方案会导致系统吞吐量下降，需要根据实际情况使用。publicstaticStringgetData(Stringkey)throwsInterruptedException{//从Redis查询数据Stringresult=getDataByKV(key);//参数验证if(StringUtils.isBlank(result)){try{//获取锁if(reenLock.tryLock()){//去数据库查询result=getDataByDB(key);//检查if(StringUtils.isNotBlank(result)){//插入缓存setDataToKV(key,result);}}else{//休眠Thread.sleep(100L);结果=getData(键);}}finally{//释放锁reenLock.unlock();}}返回结果；集中式缓存一段时间失效，导致所有请求都跑到数据库，造成数据库压力过大甚至宕机。与缓存击穿不同，缓存击穿是指并发查询同一条数据，而缓存雪崩是指不同的数据都过期了，很多数据都找不到了，所以去查数据库。缓存集中失效的原因：1）、redis服务器宕机。Redis集群大面积故障；缓存失效，此时仍有大量请求访问Redis缓存服务器；大量Redis请求失败后，这些请求会访问数据库；2.为缓存数据设置相同的过期时间，导致缓存在一定时间内集中失效。2、解决方案1）实现Redis的高可用【事前】搭建Redis哨兵（Sentinel）或者Redis集群（Cluster）可以实现高可用；当服务出现问题时，我们如何确保服务仍然可用。Hystrix在国内应用广泛，通过熔断、降级、限流三种手段减少雪崩后的损失。只要数据库没死，系统总能响应请求。【后记】Redis备份与快速预热：Redis数据备份与恢复，缓存快速预热。2）缓存数据的过期时间随机设置，防止大量数据同时过期。(1)使用不同品类的产品，缓存不同的周期。同一类别的项目，加上一个随机因素。这样就可以尽可能的分散缓存过期时间。而且，热门品类的商品缓存时间较长，冷门品类的商品缓存时间较短，也可以节省缓存服务的资源。(2)如果缓存数据库采用分布式部署，则将热点数据均匀分布在不同的缓存数据库中。(3)设置热点数据永不过期。4.数据库与缓存的一致性使用缓存可以减少时间消耗，提高系统吞吐性能。但是，有了缓存，就会有数据一致性的问题。1、Bypasscache模式一般我们使用cache，就是bypasscache模式。它的特点是读时插入缓存，写时删除缓存。1）读取请求流程如下：读取时，先读取缓存，缓存命中则直接返回数据；如果缓存没有命中，则读取数据库，从数据库中取出数据，放入缓存中，同时返回响应。2）写入过程如下：这里有两个问题需要思考：1）为什么写入请求需要删除库存而不是插入缓存？2）为什么先操作数据库再删除旧缓存？你能颠倒顺序吗？2.删除缓存，还是更新缓存？我们在操作缓存的时候，是删除缓存还是更新缓存呢？先看一个例子：线程A先发起写操作，先更新数据库；线程B再次发起写操作，第二步更新数据库；由于网络等原因，线程B先更新缓存；线程A更新缓存。此时缓存保存的是A的数据（旧数据），数据库保存的是B的数据（新数据），数据不一致，出现脏数据。如果删除缓存而不是更新缓存，就不会出现这种脏数据问题。3、在先操作数据库还是先缓存的情况下，在双写的情况下，应该先操作数据库还是先操作缓存？我们再看一个例子：假设有两个请求A和B，请求A执行更新操作，请求B执行查询和读取操作。线程A发起写操作，第一步是delcache；此时，线程B发起读操作，缓存未命中；线程B继续读DB，读出一个旧数据；然后线程B将旧数据设置到缓存中；线程A写入DB中的最新数据；这是一个问题，缓存中的数据和数据库不一致。缓存存储旧数据，数据库存储新数据。所以Cache-Aside缓存模式选择先操作数据库，而不是先操作缓存。声明：公众号本文转载请至文首。声明是去公众号：BackendMetaverse。尊重作者的辛勤劳动成果。同时也可以向我索要文章的markdown原稿和原图。其他情况严禁转载！关注公众号：后端元宇宙。持续输出优质好文
