Redis 缓存异常、应对策略

Redis 缓存异常主要包括缓存和数据库不一致、雪崩、击穿、穿透四种情况，以下是具体异常及应对策略：

缓存和数据库不一致

问题描述：包含两种情况，一是缓存中有数据且与数据库中的值相同，二是缓存中没有数据，最新值在数据库中。读写缓存若要保证数据一致，需采用同步直写策略并结合事务机制保证更新原子性；对数据一致性要求不高的场景，可使用异步写回策略。只读缓存在新增数据时符合第二种情况，但在删改数据时，无论操作缓存还是数据库，只要有一项失败，就会产生数据不一致问题。此外，大量并发请求时，应用可能读到不一致数据，根据删改缓存、数据库的先后顺序，分为先操作缓存和先操作数据库两种情况。
应对策略：
操作失败导致的不一致：引入重试机制，将数据暂存到消息队列中。无论哪项操作失败，都从消息队列中重新读取这些值，再次进行删除或更新。若删改成功，则把数据从消息队列中去除，避免重复操作；多次重试仍然失败，需业务层面预警排查解决。
并发请求导致的不一致：采用“延迟双删”操作保证先操作缓存后操作数据库的数据一致性。代码示意如下：

redis.delKey(X)db.update(X)Thread.sleep(N)redis.delKey(X)

雪崩

问题描述：指大量应用请求无法在 Redis 缓存中处理，到达数据库层面，导致数据库压力激增。原因主要有两个，一是缓存中有大量数据同时过期，二是 Redis 缓存实例挂了。
应对策略：
大量数据同时过期：
微调过期时间：对于同一批数据设置不同的过期时间，如通过随机数延迟过期等。
降级处理：非核心数据请求直接返回空或错误等预置信息，核心数据在未命中缓存时访问数据库。
Redis 缓存实例挂了：
熔断：拒绝缓存客户端的请求，保护数据库，防止整个系统崩溃，直到 Redis 缓存实例恢复正常。但此方法对业务应用的影响范围大。
限流：允许部分请求到达 Redis 缓存，无法命中再访问数据库，减轻数据库压力。相对于熔断，影响范围稍微缩小。
预防措施：构建 Redis 缓存高可靠集群，尽量避免事故发生。

击穿

穿透

问题描述：指要访问的数据既不在 Redis 缓存中，也不在数据库中，导致请求压力落到数据库，缓存失去作用。通常是由于业务数据被误删除或恶意攻击访问导致。
应对策略：
缓存空值或缺省值：针对穿透的数据，在 Redis 中缓存一个空值或是和业务层协商确定的缺省值，避免大量请求发送给数据库。
布隆过滤器：由一个初值都为 0 的 bit 数组和 N 个哈希函数组成。数据入库时进行标记，过程如下：
使用 N 个哈希函数，分别计算这个数据的哈希值，得到 N 个哈希值。
把这 N 个哈希值对 bit 数组的长度取模，得到每个哈希值在数组中的对应位置。
把对应位置的 bit 位设置为 1，完成在布隆过滤器中标记数据的操作。当查询某个数据时，按照哈希函数的计算结果，查看 bit 数组中这 N 个位置上的 bit 值，只要有一个不为 1，就表明布隆过滤器没有对该数据做过标记。当缓存穿透发生时，布隆过滤器的快速检测特性可以帮数据库阻挡大部分压力。
前端请求过滤：在请求入口前端进行合法性检测，把恶意的请求（如请求参数不合理、非法值或请求字段不存在）直接过滤掉。

预防式方案总结

热门标签