Redis作为一个高性能的内存中key-value数据结构存储系统，在我们日常开发中广泛应用于缓存、计数器、消息队列、排行榜等场景，尤其是作为作为最常用的缓存方式，它在提高数据查询效率和保护数据库方面发挥了不可磨灭的作用。但是在实际应用中，可能会出现一些Redis缓存异常。本文主要讨论Redis缓存异常及其解决方法。总结。一、背景Redis是一个完全开源的、遵循BSD协议的高性能key-value数据结构存储系统。支持数据持久化，可以将内存中的数据保存到磁盘中，不仅支持简单的Key-value类型数据还提供了list、set、zset、hash等数据结构的存储，非常强大。Redis还支持数据备份，即主从模式下的数据备份，从而提??高可用性。当然最重要的还是读写速度快，作为我们日常开发中最常用的缓存方案被广泛使用。但是在实际应用过程中，会出现缓存雪崩、缓存击穿、缓存穿透等异常情况。如果忽视这些情况，可能会带来灾难性的后果。下面主要分析这些缓存异常以及常见的处理方案并进行总结。2、缓存雪崩（1）什么是redis缓存一段时间内本应处理的大量请求，全部发送到数据库处理，导致数据库压力迅速增加，严重时甚至可能导致数据库崩溃，导致整个系统崩溃，就像雪崩一样，引发连锁效应，因此称为缓存雪崩。(2)出现上述情况的常见原因主要有以下两点：大量缓存数据同时过期，导致本应请求到缓存的数据又从数据库中获取。Redis自身出现故障，无法处理请求，自然会再次向数据库请求。（3）如何处理大量缓存数据同时过期的情况：实际设置过期时间时，应尽量避免出现大量key同时过期的场景。这避免了同时过期。添加互斥锁，这样构建缓存的操作就不会同时进行。双键策略，主键为原始缓存，备份键为副本缓存。当主键失效时，可以访问备份键。主键缓存的过期时间设置为short-term，backupkey设置为long-term。后台更新缓存策略，通过定时任务或消息队列的方式更新或移除redis缓存。对于redis本身的故障：在预防层面，可以通过主从节点搭建高可用集群，即主Redis实例挂掉后，其他从库可以快速切换到主库继续运行提供服务。如果已经发生了一些事情，为了防止数据库被大量请求压垮，可以使用服务熔断或者请求限流的方法。当然，服务熔断是比较粗糙的。停止服务，直到redis服务恢复，请求限流比较平缓，保证部分请求可以处理。3.缓存击穿（1）什么是缓存击穿？通常，在高并发系统中，大量并发用户同时请求不在缓存中而在数据库中的数据。去数据库取数据，导致数据库压力瞬间增大。与缓存雪崩不同，缓存击穿是指同时检查同一条数据。缓存雪崩就是不同的数据都过期了，很多数据找不到了，就去数据库找。(2)出现这种情况的原因通常是某个热点数据缓存过期了。由于是热点数据，并发请求量大，所以过期后，仍然会有大量请求同时到来，在缓存更新之前全部发送完。数据库在那边。(3)Whattodo这种情况常见的解决方法有两种：简单粗暴的不给热点数据设置过期时间，这样就不会过期，自然不会出现上面的情况。如果以后要清理，可以使用后台清理。加一个mutex，即过期后，除了第一个请求的查询请求，可以获取到数据库的锁请求并再次更新到缓存，其他的都会阻塞，直到锁被释放。同时，新的缓存也更新了，后续的请求都会向缓存请求，这样就不会出现缓存崩溃的情况。4、缓存穿透（1）什么是缓存穿透？意思是数据既不在redis中，也不在数据库中，这样每次请求进来，在缓存中找不到对应的key后，返回到数据库中再次查询，发现数据库是不存在，相当于两个无用的查询。这样请求就可以绕过缓存，直接去查数据库。如果这时候有人想对系统进行恶意攻击，可以故意使用空值或者其他不存在的值来频繁请求，这样会给数据库造成很大的压力。(2)出现这种现象的原因其实很容易理解。如果用户在业务逻辑中没有对某些信息进行相应的操作或处理，那么对应的存储该信息的数据库或缓存自然也就没有相应的数据。也容易出现上述问题。(3)做什么？对于缓存穿透，一般有以下三种解决方案：限制非法请求，主要指参数校验、鉴权校验等，让大量的非法请求从一开始就被阻断。它是实际业务发展中的必要手段。缓存空值或默认值。如果缓存取不到的数据没有从数据库中取回，那我们还是缓存空结果，并设置一个较短的过期时间。该设置的默认值保存在缓存中，这样会在缓存中第二次获取该值，无需继续访问数据库，可以防止大量恶意请求重复使用同一个key来获取攻击。使用布隆过滤器快速判断数据是否存在。那么布隆过滤器是什么？简单来说，可以引入多个独立的哈希函数，保证在给定的空间和误判率下，元素的权重能够被判断。因为我们知道存在这种哈希碰撞的情况，如果只使用一个哈希函数，碰撞的概率会明显增加。为了减少这种冲突，我们可以多引入几个hash函数，而Bloomfilter算法的核心思想就是使用多个不同的hash函数来解决这样的冲突。其优点是空间效率高，查询时间短，远超其他算法，缺点是会存在一定的误识别率，不能完全保证请求的key。通过了Bloomfilter的验证之后，就必须有了这个数据，毕竟理论上还是会存在冲突的，不管概率有多小。但是，只要key没有通过Bloomfilter的验证，那么key一定不存在。只要利用这一点，就可以过滤掉大部分对不存在的key的请求，正常场景下就够用了。5.其他除了以上三种常见的Redis缓存异常问题外，还有两个经常听到的名词：缓存预热和缓存降级。与其说是异常问题，不如说是两种优化方法。(1)缓存预热缓存预热是指在系统上线前后，不依赖于用户，将相关的缓存数据直接加载到缓存系统中。这样就可以避免用户请求时先查询数据库再缓存数据的问题。用户直接查询提前预热好的缓存数据，可以避免系统上线初期访问数据库的高并发流量，对数据库造成流量压力。根据数据量级的不同，有以下几种方式：数据量不大：项目启动时自动加载。数据量大：后台定时刷新缓存。数据量巨大：只对??热点数据进行预加载和缓存操作。(2)缓存降级缓存降级是指当缓存失效或者缓存服务出现问题时，为了防止缓存服务失效，导致数据库出现雪崩问题，导致数据库无法访问，但是对于一些原因，服务还是有保障的还是基本可以用的，虽然服务肯定是丢了。因此，对于不重要的缓存数据，我们可以采用服务降级策略。一般有两种方式：直接访问内存部分的数据缓存。直接返回系统设置的默认值。6.小结本文主要总结了常见的Redis缓存异常及其解决方法，总结如下图：
