聊聊Redis中的缓存穿透、缓存雪崩、缓存击穿和缓存一致性
2021-11-13 10:40:16
缓存穿透
定义：当大量请求查询的key在缓存和数据库中均不存在时，这些请求会直接穿透缓存层，全部落到数据库上，可能导致数据库压力骤增甚至崩溃。
典型场景：黑客恶意构造不存在的key（如负数ID）发起攻击，或业务中存在大量冷门数据查询。
解决方案：
1. 参数校验：对请求参数进行合法性校验（如ID不能为负数、邮箱格式验证），直接拦截非法请求。
2. 空值缓存：若缓存和数据库均未命中，将key写入缓存并设置value为null，同时设置较短过期时间，避免重复查询数据库。
3. 布隆过滤器：将所有可能存在的key预先存入布隆过滤器，请求到来时先判断key是否存在于过滤器中，不存在则直接拦截。布隆过滤器通过哈希函数和位图实现高效查询，但存在一定误判率（需权衡性能与准确性）。
缓存雪崩
定义：大量缓存key在同一时间失效，导致后续请求全部落到数据库，引发数据库瞬间过载甚至崩溃。
典型场景：缓存设置相同的过期时间（如电商首页所有key在零点同时失效），或Redis集群宕机导致缓存不可用。
解决方案：
1. 随机化过期时间：为每个key设置不同的过期时间（如基础时间+随机值），避免集中失效。
2. 热点数据分散：在Redis集群中，将热点数据均匀分布到不同节点，降低单点压力。
3. 高可用与降级：
事前：确保Redis集群高可用（如哨兵模式、集群模式），选择合适的内存淘汰策略（如LRU）。
事中：引入本地缓存（如Ehcache）和限流组件（如Hystrix），避免数据库崩溃。
事后：利用Redis持久化机制（RDB/AOF）快速恢复数据。
缓存击穿
定义：单个热点key在失效瞬间，大量并发请求直接穿透缓存，全部落到数据库上。
典型场景：明星新闻、秒杀活动等高并发场景下，某个key被频繁访问，但因过期或更新导致缓存失效。
解决方案：
1. 互斥锁：在更新缓存前加锁，确保同一时间只有一个请求能操作数据库和缓存，但会降低吞吐量。
2. 逻辑过期：缓存中存储数据的过期时间（而非直接删除），查询时若发现过期，则异步更新缓存，避免阻塞主线程。
缓存一致性
定义：缓存与数据库中的数据在更新时保持一致，避免因操作顺序或并发导致数据不一致。
解决方案：
1. 最终一致性策略：
先删缓存再更新数据库：若数据库更新失败，缓存为空，后续请求会从数据库重新加载数据。
2. 串行化操作：通过消息队列（如Kafka）将更新操作串行化，确保删除缓存和更新数据库的顺序性，但会降低性能。
3. 避免强一致性：若业务要求强一致性，建议直接操作数据库，不使用缓存，因缓存的分布式特性难以保证强一致性。
热门标签
