redis面试：缓存系统三座大山

àì夳堔傛蜴生んèń 2022-09-14 01:57 58阅读 0赞

# 无处不在的缓存 #

缓存在计算机系统是无处不在，在CPU层面有L1-L3的Cache，在Linux中有TLB加速虚拟地址和物理地址的转换，在浏览器有本地缓存、手机有本地缓存等。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16]  
可见，缓存在计算机系统中有非常重要的地位，其主要作用是提高响应速度、减少磁盘访问等，本文主要讨论在高并发系统中的缓存系统。

一句话概括缓存系统在高并发系统中的地位的话：如果高并发系统是烤羊肉串，那么缓存系统就是那一撮孜然。

# 高并发系统中的缓存 #

## 缓存系统的作用 ##

缓存系统在高并发系统的作用很大，在某种程序上可以说没有缓存系统很难支撑高并发场景。

基于机械硬盘或SSD的数据库系统，一般来说读写的速度远慢与内存，因此单纯磁盘介质的数据库无法支撑很高的并非，可以简单的任务缓存是保护磁盘数据库的重要屏障。

对于一些基于LSM的存储引擎数据库来说，随机写改为顺序写速度提升很大，但是随机读仍然是个问题，所以缓存系统是很有必要的。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 1]

## 缓存系统的访问流程 ##

实际场景是读多写少，看看请求是如何得到响应的，简单看下交互流程

*  请求到达后，业务线程首先访问缓存，如果缓存命中则返回
 *  如果未命中则继续请求磁盘数据库系统，获取数据返回
 *  从磁盘获取数据后将结果回写到缓存系统并增加老化时间，为下次请求做准备  
    ![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 2]

以上是高并发系统中缓存和磁盘数据库系统、客户端请求之间的交互过程，后续的问题分析，也是基于此过程展开的。

# 缓存系统的三大问题 #

## 缓存雪崩 ##

### 问题 ###

所谓雪崩就是原来有所支撑的冰雪，某一瞬间失去依托，瞬间涌下来。

*  **对比高并发系统，如果缓存系统故障，大量的请求无法从缓存完成数据请求，就全量冲向磁盘数据库系统，导致数据库被打死，整个系统彻底崩溃**。

### 解决方案 ###

造成缓存雪崩的主要愿意是缓存系统不够高可用，因此提高缓存系统的稳定性和可用性十分必要

*  比如对于使用Redis作为缓存的系统而言可以使用哨兵机制、集群化、持久化等来提高缓存系统的HA
 *  除了保证缓存系统的HA之外，服务本身也需要支持降级，可以借助比如Hystrix来实现服务的熔断、降级、限流来降低雪崩时的故障程度。  
    ![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_13_color_FFFFFF_t_70_g_se_x_16]  
    说白了就是别让服务彻底死掉就行，就像大雪封高速肯定不能通行了，堵车慢一些至少可以走。

## 缓存穿透 ##

### 问题 ###

穿透形象一点就是：**请求过来了，转了一圈，一无所获，就像穿过透明地带一样**

*  在高并发系统中缓存穿透，如果一个req需求请求的数据在缓存中没有，这时业务线程就会访问磁盘数据库系统，然而磁盘数据库也没有这个数据，无奈业务线程只能白白处理一圈。
 *  **如果某时段有大量恶意的不存在的key的集中请求，那么服务器将一直处理这些根本不存在的请求，导致正常请求无法被处理，从而出现问题**

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_16_color_FFFFFF_t_70_g_se_x_16]  
例子：拉面馆的服务员和厨师不允许拒绝已经进来的消费者，但是拉面馆的经营范围有限。此时恶意消费者点了一只5斤的澳洲龙虾，经过服务员和厨师都无法响应这个需求，此时轮流来了1000个这样的恶意消费者，拉面馆基本要歇菜了。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_18_color_FFFFFF_t_70_g_se_x_16]

### 解决方案 ###

**有效甄别是否存在这个key再决定是否读取很重要**。常见的做法有：

*  把不存在的key写一下NULL，这样就相当于命中了。但是这种方法局限性很大，缓存系统和数据库中存储大量无用key是无意义的，所以一般不建议  
    ![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_15_color_FFFFFF_t_70_g_se_x_16]
 *  另一种思路，转换为查找问题，类似于在海量数据中查找某个key是否存在，考虑空间复杂度和时间复杂度，一般选用布隆过滤器来实现。  
    [布隆过滤器][Link 1]是个好东西，有非常多的用途，包括：垃圾邮件识别、搜索蜘蛛爬虫url去重等，**主要借助K个哈希函数和一个超大的bit数组来降低哈希冲突本身带来的误判，从而提高识别准确性。**

布隆过滤器也存在一定的误判，假如判断存在可能不一定存在，但是假如判断不存在就一定不存在，因此刚好用在解决缓存穿透的key查找场景，事实上很多系统都是基于布隆过滤器来解决缓存穿透问题的。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 3]

总结：

*  设置空值：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。
 *  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。

## 缓存击穿 ##

### 问题 ###

缓存击穿是这样一种情况：

*  由于**缓存系统中的热点数据都有过期时间**，如果没有过期时间就造成了主存和缓存的数据不一致，因此过期时间一般都不会太长
 *  设想**某时刻一批热点数据同时在缓存系统中过期失效，那么这部分数据就都将请求磁盘数据库系统**

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 4]

从描述上来看有点像微小规模的雪崩，但是对数据库的压力就很小了，只不过会影响并发性能，然而在多线程场景中缓存击穿却是经常发生的，相反缓存穿透和雪崩频率不如缓存击穿，因此研究击穿的现实意义更大一些。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_9_color_FFFFFF_t_70_g_se_x_16]

### 解决方案 ###

可以采用的方案大概有几种：

*  **在设置热点数据过期时间时尽量分散**，比如设置100ms的基础值，在此基础上正负浮动10ms，从而降低相同时刻出现CacheMiss的key的数量。
 *  **加锁排队**：在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个 key 只允许一个线程查询数据和写缓存，其他线程等待；
    
     *  其中第一个线程发现CacheMiss之后进行加锁，再从数据库获取内容之后写到缓存中，其他线程获取锁失败则阻塞数ms之后再进行缓存读取，这样可以降低访问数据数据库的线程数，
     *  需要注意在单机和集群需要使用不同的锁，集群环境使用分布式锁来实现，但是由于锁的存在也会影响并发效率。
 *  **数据预热**：在业务层对使用的热点数据查看是否即将过期，如果即将过期则去数据库获取最新数据进行更新并延长该热点key在缓存系统中的时间，从而避免后面的过期CacheMiss，相当于把事情提前解决了。
 *  **做二级缓存，或者双缓存策略**：Cache1 为原始缓存，Cache2 为拷贝缓存，Cache1 失效时，可以访问 Cache2，Cache1 缓存失效时间设置为短期，Cache2 设置为长期。

缓存击穿的解决方法都有一定的权衡，实际中根据自己的需求来解决。

缓存击穿的影响一般来说并不会太大，或许在你的服务跑了很久之后你才意识到会有缓存击穿问题。

# 小结 #

缓存系统无论在实际工作中还是在面试中都是热点内容，缓存系统目的是为了让访问又准又快，不要一味追求缓存命中率，缓存和主数据库的数据一致性是需要重点考虑的。

总起来说，如何在保证数据正确性的前提下提高缓存命中率就是核心问题。

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/89d20e1279e6403d8cae77c06c8dae88.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/52c19b5d0542430a8f8e8011098d3313.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/daa9656b2e3343c5a5173cc1eb9da51c.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_13_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/e6ffbb1aaf644acf81a2b6cc6c385236.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_16_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/4a0812b56cab449087b946339a2ee243.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_18_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/5970acc44d98417f878282e796f235e2.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_15_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/2ae419b45f094436801f43a7f27364c7.png
[Link 1]: https://blog.csdn.net/zhizhengguan/article/details/120560420
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/3925e98856cf4dda88a73ead8f1d1e72.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220828/2c52a1ed53aa43228043edb38b384517.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAT2NlYW4mJlN0YXI_size_9_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/3c9f249fa90f46eabdf8ba5301074561.png