Redis强化技术

喜欢ヅ旅行 2024-04-07 13:15 53阅读 0赞

## 1.前言 ##

随着企业公司、用人单位对Java工程师技能要求的不断提高和变化，Redis缓存技术的掌握变得越来越强，从各大招聘平台企业发布的招聘信息来看，要求熟练掌握Redis技术的企业占到了百分之90以上，Redis关键字也仅排在Java、Spring、Mysql之后。可见其举足轻重的地位。

## 2.Redis常见问题及解决方案 ##

### 2.1缓存穿透 ###

所谓缓存穿透：就是一个业务请求先查询redis，发现redis中没有这条数据。转而去查询数据库,但是数据库也没有的情况。 正常业务场景下，如果我们遇到上述问题，可以将空值保存在Redis中，之后的请求都可以直接从Redis查询到，就不需要再连接数据库了。

但是 如果有恶意的请求，不断的高并发的访问Redis和数据库中不存在的数据，比如一些电商秒杀场景下，高并发的访问会直接导致当前服务器出现宕机的情况。

**解决方案**：业界主流解决方案——布隆过滤器  
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。  
 **通俗讲：布隆过滤器说存在即为存在，它说不存在就不存在。还拿上面的秒杀做案例，我们可以把秒杀产品的信息保存在布隆过滤器中，只有对这些产品的请求才会被放行到Redis或者DB中，其他请求直接驳回。**  
**布隆过滤器优点**：相比于其它的数据结构，布隆过滤器在空间和时间方面都有巨大的优势。布隆过滤器存储空间和插入/查询时间都是[常数][Link 1]。另外, [Hash函数][Hash]相互之间没有关系，方便由硬件并行实现。布隆过滤器不需要存储元素本身，在某些对保密要求非常严格的场合有优势。布隆过滤器可以表示全集，其它任何数据结构都不能。  
**布隆过滤器缺点**：误算率：随着存入的元素数量增加，误算率随之增加。常见的补救办法是建立一个小的白名单，存储那些可能被误判的元素。但是如果元素数量太少，则使用散列表足矣。另外，一般情况下不能从布隆过滤器中删除元素。我们很容易想到把位列阵变成整数数组，每插入一个元素相应的计数器加1, 这样删除元素时将计数器减掉就可以了。然而要保证安全的删除元素并非如此简单。首先我们必须保证删除的元素的确在布隆过滤器里面. 这一点单凭这个过滤器是无法保证的。另外计数器回绕也会造成问题。  
在Redis4.0后，官方提供了布隆过滤器的插件功能，布隆过滤器可以作为一个插件加载Redis服务器直接使用。

**布隆过滤器的使用步骤**

1.针对现有所有数据,生成布隆过滤器,保存在Redis中

2.在业务逻辑层,判断Redis之前先检查这个id是否在布隆过滤器中

3.如果布隆过滤器判断这个id不存在,直接返回

4.如果布隆过滤器判断id存在,在进行后面业务执行

### 2.2缓存击穿 ###

一个计划在Redis保存的数据,业务查询,查询到的数据Redis中没有,但是数据库中有此数据。这种情况要从数据库中查询后再保存到Redis,这就是缓存击穿。但是这个情况也不是异常情况,因为我们大多数据都需要设置过期时间,而过期时间到时,这个数据就会从Redis中移除,再有请求查询这个数据,就一定会从数据库中再次同步。  
缓存击穿本身并不是灾难性的问题或者是不许发送的现象

![78a5b0e7fa014ed8a53914679cd45776.png][]

### 2.3缓存雪崩 ###

上面讲到击穿现象，同一时间发生少量击穿是正常的。但是如果出现同一时间大量击穿现象就会如下图：  
![53b1ac8935bd403fb833fb9f2e5ebf26.png][]

所谓缓存雪崩,指的就是Redis中保存的数据,短时间内有大量数据同时到期的情况，所有请求都击穿Redis打到我们的DB上面造成了宕机。如上图所示,本应该有Redis反馈的信息,由于雪崩都去访问了Mysql,mysql承担不了,非常可能导致服务器异常。  
要想避免这种情况,就需要避免大量缓存同时失效，大量缓存同时失效的原因:**通常是同时加载的数据设置了相同的有效期导致的。**我们可以通过在设置有效期时添加一个随机数,这样就能够防止大量数据同时失效了。  
除了上述情况还存在Redis服务器宕机，大量请求打到数据库的可能。我们可以通过Redis高可用，搭建Redis集群，主从架构来解决这一问题。  
关于搭建Redis集群可以看这篇文章：[基于Linux系统部署Redis Cluster集群\_Leon\_coding的博客-CSDN博客Redis Cluster是一个提供在多个 Redis 节点间共享数据的程序集。Redis 集群的优势：1.可以是多主多从结构2. 自带主从切换，不需要哨兵服务3. 使用“哈希槽”算法Redis 集群有 16384 个哈希槽，每个 key 通过 CRC16 校验后对 16384 取模来决定放置哪个槽，集群的每个节点负责一部分 hash 槽。......![favicon32.ico][]https://lee-coding.blog.csdn.net/article/details/126543699][Linux_Redis Cluster_Leon_coding_-CSDN_Redis Cluster_ Redis _Redis _1._2. _3. _Redis _ 16384 _ key _ CRC16 _ 16384 _ hash _......_favicon32.ico_https_lee-coding.blog.csdn.net_article_details_126543699]

###  ###

###     ###

[Link 1]: https://baike.baidu.com/item/%E5%B8%B8%E6%95%B0?fromModule=lemma_inlink
[Hash]: https://baike.baidu.com/item/Hash%E5%87%BD%E6%95%B0/10555888?fromModule=lemma_inlink
[78a5b0e7fa014ed8a53914679cd45776.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/a3de0ca727b94cf2bf0a2a7f48b398ce.png
[53b1ac8935bd403fb833fb9f2e5ebf26.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/0261481fb2aa47598370d5e275eede0c.png
[favicon32.ico]: https://g.csdnimg.cn/static/logo/favicon32.ico
[Linux_Redis Cluster_Leon_coding_-CSDN_Redis Cluster_ Redis _Redis _1._2. _3. _Redis _ 16384 _ key _ CRC16 _ 16384 _ hash _......_favicon32.ico_https_lee-coding.blog.csdn.net_article_details_126543699]: https://lee-coding.blog.csdn.net/article/details/126543699