学懂缓存雪崩，缓存击穿，缓存穿透仅需一篇，基于Redis讲解

逃离我推掉我的手 2024-03-16 09:37 9阅读 0赞

在了解缓存雪崩、击穿、穿透这三个问题前，我们需要知道为什么我们需要缓存。在了解这三个问题后，我们也必须知道使用Redis时，如何解决这些问题。

所以我将按照"为什么我们需要缓存"、"什么是缓存雪崩、击穿、穿透"、"如何解决这些问题"三部分，带你学懂缓存雪崩、击穿、穿透。

## 为什么我们需要缓存 ##

用户的数据一般都是存储于数据库，数据库的数据是落在磁盘上的，磁盘的读写速度可以说是计算机里最慢的硬件了。当用户的请求都访问数据库的话，可想而知，我们整个系统的并发量肯定是比较低的，而且如果一旦并发量上来了，数据库也很容易崩溃。

那我们可以怎么样来解决这个问题呢？

*  我们可以多用几台机器，进行负载均衡，提高系统的并发量。
 *  也可以加一个中间层(缓存)，避免用户直接访问数据库。
 *  ......

很显然，使用缓存是比较简单且经济的方案。其实，在现在的服务端开发中，缓存中间件已经是我们所离不开的了。其中Redis就是比较著名的key-value内存数据库。故本文章基于Redis编写。

![da28eca5ddf1b605b32bfa26b1bc5cf0.png][]

## 什么是缓存雪崩、击穿、穿透 ##

### 缓存雪崩 ###

通常我们为了保证缓存中的数据与数据库中的数据一致性，会给 Redis 里的数据设置过期时间，当缓存数据过期后，用户访问的数据如果不在缓存里，业务系统需要重新生成缓存，因此就会访问数据库，并将数据更新到 Redis 里，这样后续请求都可以直接命中缓存。

这样的流程乍一看很正确，没有任何问题。实际上隐藏着一些问题，这样做将可能导致有**大量的key在同一时间失效**，如果此时有大量的用户请求，那就会去访问数据库，从而导致数据库的压力骤增，如果数据库顶不住当前的压力，则会导致宕机，进而引起一系列问题，最后导致系统崩溃，这就是缓存雪崩。

引发缓存雪崩有以下几种可能：

*  大量key同时失效
 *  充当缓存的Redis宕机了

### 缓存击穿 ###

我们的业务通常会有几个数据会被频繁地访问，比如秒杀活动，这类被频地访问的数据被称为热点数据。如果热点key在某个时间过期了，此时大量请求会打到数据库上，数据库很容易被击穿，这就是缓存击穿。

实际上缓存击穿与缓存穿透都是key失效的问题，你也可以认为缓存击穿是缓存穿透的子集。

![9a62481e0893cd8d841a587000f00fe2.png][]

### 缓存穿透 ###

缓存雪崩和击穿都是key失效或者Redis不可用的场景，缓存穿透与它们不同。缓存穿透是当用户访问的数据，**既不在缓存中，也不在数据库中**，导致请求在访问缓存时，发现缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据，没办法构建缓存数据，来服务后续的请求。那么当有大量这样的请求到来时，数据库的压力骤增。

发生的原因有：

*  业务操作错误，缓存的数据或数据库的数据被删除，或者意外被用户访问到不存在的数据
 *  黑客恶意攻击

## 如何应对 ##

### 缓存雪崩应对 ###

缓存雪崩有两种诱因，不同诱因应对的策略是不同的。

针对大量数据同时过期：

*  均匀设置过期时间
 *  互斥锁
 *  后台更新缓存
 *  ......

*1.均匀设置过期时间*

目的是要避免大量数据设置成同时过期。**给这些设置了过期时间的key加上一个随机数**，让他们尽量不同时过期。尤其是在缓存预热的时候，更需要这样做。

*2.互斥锁*

当业务线程在处理用户请求时，如果发现访问的数据不在Redis里，就加一个**互斥锁**(setnx命令可以达到这个效果)，保证同一个时间内只有一个请求来构建缓存(从数据库中读，再更新到Redis)，构建完后释放锁，未能获取到锁的请求，要么等锁释放后重新读取缓存，要么返回空或默认值。

java

复制代码

`public class RedisTool { private static final String LOCK_SUCCESS = "OK"; private static final String SET_IF_NOT_EXIST = "NX"; private static final String SET_WITH_EXPIRE_TIME = "PX"; /** * 尝试获取分布式锁 * @param jedis Redis客户端 * @param lockKey 锁 * @param requestId 请求标识 * @param expireTime 超期时间 * @return 是否获取成功 */ public static boolean tryGetDistributedLock(Jedis jedis, String lockKey, String requestId, int expireTime) { String result = jedis.set(lockKey, requestId, SET_IF_NOT_EXIST, SET_WITH_EXPIRE_TIME, expireTime); if (LOCK_SUCCESS.equals(result)) { return true; } return false; } }`

第一个为key，我们使用key来当锁，因为key是唯一的。

第二个为value，我们传的是requestId，很多童鞋可能不明白，有key作为锁不就够了吗，为什么还要用到value？分布式锁有一个条件，谁上的锁就必须谁解开，通过给value赋值为requestId，我们就知道这把锁是哪个请求加的了，在解锁的时候就可以有依据。requestId可以使用多种方法生成，只要能保证在一段时间内不重复。

第三个为nxxx，这个参数我们填的是NX，意思是SET IF NOT EXIST，即当key不存在时，我们进行set操作；若key已经存在，则不做任何操作；

第四个为expx，这个参数我们传的是PX，意思是我们要给这个key加一个过期的设置，具体时间由第五个参数决定。

第五个为time，与第四个参数相呼应，代表key的过期时间。

总的来说，执行上面的set()方法就只会导致两种结果：1. 当前没有锁（key不存在），那么就进行加锁操作，并对锁设置个有效期，同时value表示加锁的客户端。2. 已有锁存在，不做任何操作。

不过这种方法就要注意一下死锁问题，然后我代码这样写的原因是，只有一个操作，是原子性的，如果把加锁和设置过期时间分开，可能会发生一些意想不到的问题。

*3.后台更新缓存*

业务线程不再负责更新缓存，缓存也不设置有效期，而是**让缓存“永久有效”，并将更新缓存的工作交由后台线程定时更新**。虽然不设置有效期，但是其实有一个逻辑过期的标识，一旦业务线程发现这个缓存过期，就把它交给后台线程去处理。业务线程返回”过期值“。

这种方法适合用于**对于缓存一致性要求不会特别严格的场景**

针对Redis宕机：

*  服务熔断或进行请求限流
 *  构建Redis主从或集群来保证可靠

*1.服务熔断或进行请求限流*

暂停业务，直接返回错误。等Redis恢复正常后，再允许业务进行。目的是保护数据库。

也可以启用限流，只允许少部分请求访问数据库，大于能承受的压力的请求直接拒绝服务。等到Redis正常且预热完毕，再解除限流。

*2.构建Redis主从和哨兵或集群*

主从能够分担主节点压力，有了哨兵的话，能够在Redis主节点故障时，即使切换主节点，避免Redis故障导致的缓存雪崩问题。

Redis集群(cluster)也是同理。

### 缓存击穿应对 ###

上面提到缓存击穿是缓存雪崩的子集(数据过期导致的)

所以缓存击穿的解决方法与因为数据过期导致的雪崩基本一致，可以采用：

*  互斥锁方案(与上面讲的相同)
 *  后台更新缓存方案(与上面讲的相同)

### 缓存穿透应对 ###

应对缓存穿透的方案，常见的方案有三种：

*  非法请求的限制
 *  缓存空值或者默认值
 *  使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在

*1.非法请求的限制*

当不用访问数据库就能知道请求的数据是否合法时，这个方式很合适。可以直接在**API的入口处做判断，避免非法请求访问缓存和数据库**

*2.缓存空值*

当我们线上业务发现缓存穿透的现象时，可以针对查询的数据，在缓存中设置一个空值或者默认值，这样后续请求就可以从缓存中读取到空值或者默认值，返回给应用，而不会继续查询数据库。

要注意缓存的空值必须设置合适的过期时间，太短则会导致缓存没有阻挡住大多数的非法请求，太长则会导致浪费内存空间。

*3.使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在*

我们可以在写入数据库数据时，使用布隆过滤器做个标记，然后在用户请求到来时，业务线程确认缓存失效后，可以通过查询布隆过滤器快速判断数据是否存在，如果不存在，就不用通过查询数据库来判断数据是否存在。

可能有部分童鞋不了解布隆过滤器，我简单的描述一下。

布隆过滤器由「初始值都为 0 的位图数组」和「 N 个哈希函数」两部分组成。当我们在写入数据库数据时，在布隆过滤器里做个标记(对N个哈希函数逐一进行使用，得到的结果对数组长度取余得到最后结果，并且把最后结果对应的下标值为1)。下次查询数据在不在数据库时，可以用相同的方法，如果得到N个位置的值都为1，则这个请求大概率是合法的(即使会有部分非法请求还是会访问到数据库，但是布隆过滤器已经过滤了绝大多数了)

![44b1c53740b66736a6bd68dfa8f15edc.png][]

## 总结 ##

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

在网上找到的这张表格对上述内容进行了不错的总结。

![066f703bf1708c5a3b462944a151e2af.png][]

[da28eca5ddf1b605b32bfa26b1bc5cf0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/38a4152d1d79445bbd0af6598fc38a1f.png
[9a62481e0893cd8d841a587000f00fe2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/0b57a21c7fad4201b5b0bed4e65c41b7.png
[44b1c53740b66736a6bd68dfa8f15edc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/ed66a218e0354e71b8d9179ce5d72313.png
[066f703bf1708c5a3b462944a151e2af.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/95fc88749e324d4e801e9d487a16c0df.png