Redis学习笔记(十一)：企业级解决方案-缓存预热、缓存雪崩、缓存击穿、缓存穿透、性能指标监控

￡神魔★判官ぃ 2023-02-19 08:28 3阅读 0赞

> **Redis学习笔记系列**
> 
>  *  [Redis学习笔记(一)：下载与安装-Windows、Linux][Redis_-Windows_Linux]
>  *  [Redis学习笔记(二)：数据类型和通用操作命令][Redis]
>  *  [Redis学习笔记(三)：Java连接Redis(Jedis)以及示例代码][Redis_Java_Redis_Jedis]
>  *  [Redis学习笔记(四)：Redis持久化][Redis_Redis]
>  *  [Redis学习笔记(五)：Redis事务-multi、exec、discard、锁、分布式锁、死锁][Redis_Redis_-multi_exec_discard]
>  *  [Redis学习笔记(六)：删除策略、逐出算法][Redis 1]
>  *  [Redis学习笔记(七)：redis高级数据类型及应用场景-Bitmaps、HyperLogLog、GEO][Redis_redis_-Bitmaps_HyperLogLog_GEO]
>  *  [Redis学习笔记(八)：redis主从复制-建立连接、数据同步、命令传播、复制缓冲区、复制偏移量、心跳机制][Redis_redis_-]
>  *  [Redis学习笔记(九)：哨兵模式-监控、通知、故障转移][Redis_-]
>  *  [Redis学习笔记(十)：Redis集群-结构设计、集群搭建、集群操作、主从下线、主从切换][Redis_Redis_-]
>  *  [Redis学习笔记(十一)：企业级解决方案-缓存预热、缓存雪崩、缓存击穿、缓存穿透、性能指标监控][Redis_- 1]

# 缓存预热 #

*  问题： 服务器启动之后迅速宕机
 *  问题排查：

> 1.  请求数据较高
> 2.  主从之间数据吞吐量较大，数据同步操作频度较高

*  解决方案：

>  *  前期准备工作：
> 
> 1.  日常例行统计数据访问记录，统计访问频度较高的热点数据
> 2.  利用LRU数据删除策略，构建数据留存队列，例如：storm与Kafka配合  
>     准备工作：
> 3.  将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
> 4.  利用分布式多服务器同时进行数据读取，提速数据加载过程  
>     实施：
> 5.  使用脚本程序固定触发数据预热过程
> 6.  如果条件允许，使用CDN(内容分发网络)，效果会更好

*  总结：  
    缓存预热就是系统启动前，提前将相关的数据直接加载到缓存系统中。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题，用户直接查询事先被预热的缓存数据。

# 缓存雪崩 #

*  问题：

> 1.  系统平稳运行过程中，忽然数据库连接量激增
> 2.  应用服务器无法及时处理请求
> 3.  大量408，500错误页面出现
> 4.  客户反复刷新页面获取数据
> 5.  数据库奔溃
> 6.  应用服务器奔溃
> 7.  重启应用服务器无效
> 8.  Redis服务器奔溃
> 9.  Redis集群奔溃
> 10. 重启数据库后再次被瞬间流量放倒

*  问题排查：

> 1.  在一个**较短**的时间内，缓存中**较多**的key**集中过期**
> 2.  此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
> 3.  数据库同时接收到大量的请求无法及时处理
> 4.  redis大量请求被积压，开始出现超时的现象
> 5.  数据库流量激增，数据库奔溃
> 6.  重启后仍然面对缓存中无数据可用
> 7.  redis服务器资源被严重占用，redis服务器奔溃
> 8.  redis集群呈现奔溃，集群瓦解
> 9.  应用服务器无法及时得到数据响应请求，来自客户端的请求越来越多，应用服务器奔溃
> 10. 应用服务器，redis，数据库全部重启，效果不理想

*  解决方案：

> 1.  更多的页面静态化处理
> 2.  构建多级缓存架构：Nginx缓存+redis缓存+ehcache缓存
> 3.  检测mysql严重耗时业务进行优化：对数据库的瓶颈排查，例如超时查询，耗时较高事务等
> 4.  灾难预警机制：监控redis服务器性能指标：CPU占用，CPU使用等，内存容量，查询平均响应时间，线程数
> 5.  限流，降级：短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问
> 6.  LRU与LFU切换
> 7.  数据有效期策略调整：根据业务数据有效期进行分类错峰 ，过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量
> 8.  超热数据使用永久key
> 9.  定期维护(自动+人工)：对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
> 10. 加锁：慎用

*  总结：  
    缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力，如能够有效避免过期时间集中，可以有效解决雪崩现象的出现，配合其它策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整

# 缓存击穿 #

*  问题：

> 1.  系统平稳运行过程中
> 2.  数据库连接量瞬间激增
> 3.  redis服务器无大量key过期
> 4.  redis内存平稳，无波动
> 5.  redis服务器CPU正常
> 6.  数据库奔溃

*  问题排查：

> 1.  redis中某个key过期，该key访问量巨大
> 2.  多个数据请求从服务器直接压到redis后，均未命中
> 3.  redis在短时间内发起了大量对数据库中同一数据的访问

*  问题分析：

> 1.  单个key高热数据
> 2.  key过期

*  解决方案：

> 1.  预先设定：以电商为例，每个商家根据店铺等级，指定若干主打商品，在购物节期间，加大此类信息key的过期时长
> 2.  现场调整：监控访问量，对自然流量激增的数据延长过期时间或设置为永久key
> 3.  后台刷新数据：启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失
> 4.  二级缓存：设置不同的失效时间，保障不会被同时淘汰
> 5.  加锁：分布式锁，防止被击穿，但是要特别注意也是性能瓶颈，慎用

*  总结：  
    缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数据库服务器造成压力，应对策略应该在业务数据分析与预防方面进行，配合进行监控测试与即时调整策略，毕竟单个key的过期监控难度较高，配合雪崩处理策略即可。

# 缓存穿透 #

*  问题：

> 1.  系统平稳运行过程中
> 2.  应用服务器流量随时间增量较大
> 3.  redis服务器命中率随时间逐步降低
> 4.  redis内存平稳，内存无压力
> 5.  redis服务器CPU占用激增
> 6.  数据库服务器压力激增
> 7.  数据库奔溃

*  问题排查：

> 1.  redis中大面积出现未命中
> 2.  出现非正常URL访问

*  问题分析：

> 1.  获取的数据在数据库中也不存在，数据库查询未得到对应数据
> 2.  redis获取到null数据未进行持久化，直接返回
> 3.  下次此类数据到达重复上述过程
> 4.  出现黑客攻击服务器

*  解决方案：

> 1.  缓存null：对查询结果为null的数据进行缓存(长期缓存，定期删除)，设定短时限，例如30-60秒，最高5分钟
> 2.  白名单策略：提前预热各种分类数据id对应的bitmaps，id作为bitmaps的offset，相当于设置了数据白名单，当加载正常数据时，放行，加载异常数据时，直接拦截(效率偏低)，还可以使用布隆过滤器
> 3.  实施监控：实时监控redis命中率与null数据的占比，非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象；活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象；根据倍数不同，启动不同的排查流程，然后使用黑名单进行防控
> 4.  key加密：问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验。例如每天随机分配60个加密串，挑选2-3个，混淆到页面数据id中，发现访问key不满足规则，驳回数据访问

*  总结：缓存击穿就是访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致数据库服务器造成压力，通常此类数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警，应对策略应该在临时预案防范方面多做文章，无论黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除

# 性能指标监控 #

*  性能指标：Performance
 *  内存指标：Memory
 *  基本活动指标：Basic activity
 *  持久性指标：Persistence
 *  错误指标：Error

### 性能指标：Performance ###

<table> 
 <thead> 
  <tr> 
   <th>Name</th> 
   <th>Description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>latency</td> 
   <td>redis响应一个请求的时间</td> 
  </tr> 
  <tr> 
   <td>instantaneous_ops_per_sec</td> 
   <td>平均每秒处理请求总数</td> 
  </tr> 
  <tr> 
   <td>hit rate(calculated)</td> 
   <td>缓存命中率(计算出来的)</td> 
  </tr> 
 </tbody> 
</table>

### 内存指标：Memory ###

<table> 
 <thead> 
  <tr> 
   <th>Name</th> 
   <th>Description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>used_memory</td> 
   <td>已使用内存</td> 
  </tr> 
  <tr> 
   <td>mem_fragmentation_ratio</td> 
   <td>内存碎片率</td> 
  </tr> 
  <tr> 
   <td>evicted_keys</td> 
   <td>由于最大内存限制被移除的key的数量</td> 
  </tr> 
  <tr> 
   <td>blocked_clients</td> 
   <td>由于BLPOP，BRPOP，or BRPOPLPUSH而被阻塞的客户端</td> 
  </tr> 
 </tbody> 
</table>

### 基本活动指标：Basic activity ###

<table> 
 <thead> 
  <tr> 
   <th>Name</th> 
   <th>Description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>connected_clients</td> 
   <td>客户连接数</td> 
  </tr> 
  <tr> 
   <td>connect_slaves</td> 
   <td>slave的数量</td> 
  </tr> 
  <tr> 
   <td>master_last_io_seconds_ago</td> 
   <td>最近一次主从交互之后的秒数</td> 
  </tr> 
  <tr> 
   <td>keyspace</td> 
   <td>数据库中的key的值总数</td> 
  </tr> 
 </tbody> 
</table>

### 持久性指标：Persistence ###

<table> 
 <thead> 
  <tr> 
   <th>Name</th> 
   <th>Description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>rdb_last_save_time</td> 
   <td>最后一次持久化保存到磁盘的时间戳</td> 
  </tr> 
  <tr> 
   <td>rdb_changes_since_last_save</td> 
   <td>自最后一次持久化以来数据库的更改数</td> 
  </tr> 
 </tbody> 
</table>

### 错误指标：Error ###

<table> 
 <thead> 
  <tr> 
   <th>Name</th> 
   <th>Description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>rejected_connections</td> 
   <td>由于达到maxclient限制而被拒绝的连接数</td> 
  </tr> 
  <tr> 
   <td>keyspace_misses</td> 
   <td>key值查找失败(没有命中)次数</td> 
  </tr> 
  <tr> 
   <td>master_link_down_since_seconds</td> 
   <td>主从断开的持续时间(以秒为单位)</td> 
  </tr> 
 </tbody> 
</table>

### 监控方式 ###

*  工具

>  *  Cloud Insight Redis
>  *  Prometheus
>  *  Redis-stat
>  *  Redis-faina
>  *  RedisLive
>  *  zabbix

*  命令

>  *  benchmark
> 
> > `redis-benchmark [-h] [-p] [-c] [-n <requests>] [-k]`  
> > ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4_size_16_color_FFFFFF_t_70]
> > 
> >  *  范例 `redis-benchmark` ： 50个连接，10000次请求对应的性能
> >  *  范例`redis-benchmark -c 100 -n 5000`：100个连接，5000次请求对应的性能
> 
>  *  redis cli： monitor | showlog
> 
> > monitor  
> > ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4_size_16_color_FFFFFF_t_70 1]  
> > showlog  
> > `showlog [operator]`
> > 
> >  *  get：获取慢查询日志
> >  *  len：获取慢查询日志条目数
> >  *  reset：重置慢查询日志  
> >     相关配置
> >  *  `showlog-log-slower-than 1000 # 设置慢查询的时间下线，单位：微秒`
> >  *  `showlog-max-len 100 # 设置慢查询命令对应的日志显示长度，单位：命令数`

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

### \- 捐赠 - ###

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

如果觉得还不错，请我喝杯水吧 ^ \_ ^ 您的鼓励是我不断前进的动力

[Redis_-Windows_Linux]: https://blog.csdn.net/shiang_yan/article/details/106374531
[Redis]: https://blog.csdn.net/shiang_yan/article/details/106419289
[Redis_Java_Redis_Jedis]: https://blog.csdn.net/shiang_yan/article/details/106715945
[Redis_Redis]: https://blog.csdn.net/shiang_yan/article/details/106757561
[Redis_Redis_-multi_exec_discard]: https://blog.csdn.net/shiang_yan/article/details/106766022
[Redis 1]: https://blog.csdn.net/shiang_yan/article/details/106772467
[Redis_redis_-Bitmaps_HyperLogLog_GEO]: https://blog.csdn.net/shiang_yan/article/details/106781834
[Redis_redis_-]: https://blog.csdn.net/shiang_yan/article/details/106787637
[Redis_-]: https://blog.csdn.net/shiang_yan/article/details/106816943
[Redis_Redis_-]: https://blog.csdn.net/shiang_yan/article/details/106855953
[Redis_- 1]: https://blog.csdn.net/shiang_yan/article/details/106861236
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200621000517759.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200621000844443.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4=,size_16,color_FFFFFF,t_70