缓存穿透，缓存雪崩，缓存击穿解决方案分析

冷不防 2022-02-16 13:56 260阅读 0赞

**目录**

前言

缓存穿透

缓存雪崩

缓存击穿

总结

--------------------

### 前言 ###

设计一个缓存系统，不得不要考虑的问题就是：缓存穿透、缓存击穿与失效时的雪崩效应。

### 缓存穿透 ###

缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。在流量大时，可能DB就挂掉了，要是有人利用不存在的key频繁攻击我们的应用，这就是漏洞。

**解决方案**

有很多种方法可以有效地解决缓存穿透问题，最常见的则是采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被 这个bitmap拦截掉，从而避免了对底层存储系统的查询压力。另外也有一个更为简单粗暴的方法（我们采用的就是这种），如果一个查询返回的数据为空（不管是数 据不存在，还是系统故障），我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分钟。

### 缓存雪崩 ###

缓存雪崩是指在我们设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重雪崩。

**解决方案**

缓存失效时的雪崩效应对底层系统的冲击非常可怕。大多数系统设计者考虑用加锁或者队列的方式保证缓存的单线 程（进程）写，从而避免失效时大量的并发请求落到底层存储系统上。这里分享一个简单方案就时讲缓存失效时间分散开，比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。

### 缓存击穿 ###

对于一些设置了过期时间的key，如果这些key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题，这个和缓存雪崩的区别在于这里针对某一key缓存，前者则是很多key。

缓存在某个时间点过期的时候，恰好在这个时间点对这个Key有大量的并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

**解决方案**

**1.使用互斥锁(mutex key)**

业界比较常用的做法，是使用mutex。简单地来说，就是在缓存失效的时候（判断拿出来的值为空），不是立即去load db，而是先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX或者Memcache的ADD）去set一个mutex key，当操作返回成功时，再进行load db的操作并回设缓存；否则，就重试整个get缓存的方法。

SETNX，是「SET IFNOT EXISTS」的缩写，也就是只有不存在的时候才设置，可以利用它来实现锁的效果。在redis2.6.1之前版本未实现setnx的过期时间，所以这里给出两种版本代码参考：

//2.6.1前单机版本锁
    String get(String key) {  
       String value = redis.get(key);  
       if (value  == null) {  
        if (redis.setnx(key_mutex, "1")) {  
            // 3 min timeout to avoid mutex holder crash  
            redis.expire(key_mutex, 3 * 60)  
            value = db.get(key);  
            redis.set(key, value);  
            redis.delete(key_mutex);  
        } else {  
            //其他线程休息50毫秒后重试  
            Thread.sleep(50);  
            get(key);  
        }  
      }  
    }

最新版本代码：

public String get(key) {
          String value = redis.get(key);
          if (value == null) { //代表缓存值过期
              //设置3min的超时，防止del操作失败的时候，下次缓存过期一直不能load db
              if (redis.setnx(key_mutex, 1, 3 * 60) == 1) {  //代表设置成功
                   value = db.get(key);
                          redis.set(key, value, expire_secs);
                          redis.del(key_mutex);
                  } else {  //这个时候代表同时候的其他线程已经load db并回设到缓存了，这时候重试获取缓存值即可
                          sleep(50);
                          get(key);  //重试
                  }
              } else {
                  return value;      
              }
     }

memcache代码：

if (memcache.get(key) == null) {  
        // 3 min timeout to avoid mutex holder crash  
        if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {  
            value = db.get(key);  
            memcache.set(key, value);  
            memcache.delete(key_mutex);  
        } else {  
            sleep(50);  
            retry();  
        }  
    }

**2. "提前"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发现它已经过期时候，马上延长timeout1并重新设置到cache。然后再从数据库加载数据并设置到cache中。伪代码如下：

v = memcache.get(key);  
 if (v == null) {  
     if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {  
         value = db.get(key);  
         memcache.set(key, value);  
         memcache.delete(key_mutex);  
     } else {  
         sleep(50);  
         retry();  
     }  
 } else {  
     if (v.timeout <= now()) {  
         if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {  
             // extend the timeout for other threads  
             v.timeout += 3 * 60 * 1000;  
             memcache.set(key, v, KEY_TIMEOUT * 2);  
   
             // load the latest value from db  
             v = db.get(key);  
             v.timeout = KEY_TIMEOUT;  
             memcache.set(key, value, KEY_TIMEOUT * 2);  
             memcache.delete(key_mutex);  
         } else {  
             sleep(50);  
             retry();  
         }  
     }  
 }

**3. "永远不过期"：  **

这里的“永远不过期”包含两层意思：

> (1) 从redis上看，确实没有设置过期时间，这就保证了，不会出现热点key过期问题，也就是“物理”不过期。
> 
> (2) 从功能上看，如果不过期，那不就成静态的了吗？所以我们把过期时间存在key对应的value里，如果发现要过期了，通过一个后台的异步线程进行缓存的构建，也就是“逻辑”过期

从实战看，这种方法对于性能非常友好，唯一不足的就是构建缓存时候，其余线程(非构建缓存的线程)可能访问的是老数据，但是对于一般的互联网功能来说这个还是可以忍受。

String get(final String key) {  
         V v = redis.get(key);  
         String value = v.getValue();  
         long timeout = v.getTimeout();  
         if (v.timeout <= System.currentTimeMillis()) {  
             // 异步更新后台异常执行  
             threadPool.execute(new Runnable() {  
                 public void run() {  
                     String keyMutex = "mutex:" + key;  
                     if (redis.setnx(keyMutex, "1")) {  
                         // 3 min timeout to avoid mutex holder crash  
                         redis.expire(keyMutex, 3 * 60);  
                         String dbValue = db.get(key);  
                         redis.set(key, dbValue);  
                         redis.delete(keyMutex);  
                     }  
                 }  
             });  
         }  
         return value;  
 }

**4. 资源保护：**

采用netflix的hystrix，可以做资源的隔离保护主线程池，如果把这个应用到缓存的构建也未尝不可。

四种解决方案：没有最佳只有最合适

<table> 
 <tbody> 
 <tr> 
 <td>解决方案&nbsp;</td> 
 <td style="width:274px;">优点</td> 
 <td style="width:528px;">缺点</td> 
 </tr> 
 <tr> 
 <td>简单分布式互斥锁（mutex key）&nbsp;&nbsp;</td> 
 <td style="width:274px;"> 1. 思路简单 2. 保证一致性 </td> 
 <td style="width:528px;"> 1. 代码复杂度增大 2. 存在死锁的风险 3. 存在线程池阻塞的风险 </td> 
 </tr> 
 <tr> 
 <td>“提前”使用互斥锁</td> 
 <td style="width:274px;">保证一致性&nbsp;</td> 
 <td style="width:528px;">同上</td> 
 </tr> 
 <tr> 
 <td>不过期(本文)&nbsp;&nbsp;</td> 
 <td style="width:274px;">异步构建缓存，不会阻塞线程池</td> 
 <td style="width:528px;"> 1. 不保证一致性。 2. 代码复杂度增大(每个value都要维护一个timekey)。 3. 占用一定的内存空间(每个value都要维护一个timekey)。 </td> 
 </tr> 
 <tr> 
 <td>资源隔离组件hystrix(本文)&nbsp;&nbsp; &nbsp;</td> 
 <td style="width:274px;"> 1. hystrix技术成熟，有效保证后端。 2. hystrix监控强大。 </td> 
 <td style="width:528px;">部分访问存在降级策略。</td> 
 </tr> 
 </tbody> 
</table>

###    总结 ###

针对业务系统，永远都是具体情况具体分析，没有最好，只有最合适。

最后，对于缓存系统常见的缓存满了和数据丢失问题，需要根据具体业务分析，通常我们采用LRU策略处理溢出，Redis的RDB和AOF持久化策略来保证一定情况下的数据安全。

[参考链文][Link 1]

[参考链文2][2]

[Link 1]: https://blog.csdn.net/zeb_perfect/article/details/54135506%C2%A0
[2]: http://carlosfu.iteye.com/blog/2269687?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io