把今天最好的表现当作明天最新的起点……．～

概述

  在实际的业务场景中，Redis 一般和其他数据库搭配使用，比如和关系型数据库 MySQL 配合使用，用来减轻后端数据库的压力。Redis 会把 MySQL 中经常被查询的数据缓存起来，比如热点数据，这样当用户来访问的时候，就不需要到 MySQL 中去查询，而是直接获取 Redis 中的缓存数据，从而降低了后端数据库的读取压力。如果说用户查询的数据在 Redis 没有找到，那么用户的查询请求就会被转到 MySQL 数据库。当 MySQL 将查询到的数据返回给客户端时，同时也会将数据缓存到 Redis 中，这样用户再次读取时，就可以直接从 Redis 中获取数据。流程图如下所示：

  在使用 Redis 作为缓存数据库的过程中，有时也会遇到一些棘手问题，比如常见缓存穿透、缓存击穿和缓存雪崩等问题，如下图所示。本文中将对这些问题做简单地说明，并且提供有效的解决方案。

一、缓存穿透

1.1 缓存穿透是什么

  一般的缓存系统，都是按照key去缓存查询，如果不存在对应的value，那么就去数据库去查找。当用户查询某个数据时，Redis 中不存在该数据，也就是缓存没有命中，此时查询请求就会转向数据库，结果发现数据库中也不存在该数据，数据库只能返回一个空对象（相当于进行了两次无用的查询）。用户拿不到数据时，就会一直发请求查询数据库，这样会对数据库的访问造成很大的压力。如果这种类请求非常多，或者用户利用这种请求进行恶意攻击，就会给数据库造成很大压力，甚至于崩溃，这种现象就叫缓存穿透。

  这种现象的原因其实很好理解，当客户端访问不存在的数据时，先请求 Redis，但是此时 Redis 中并没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库。我们都知道数据库能够承载的并发不如 Redis 这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库。

1.2 解决方案

  简单的解决方案就是当Redis、数据库中都没有值返回空对象时， 可以在 Redis 中存放一个空值，同时为其设置一个过期时间。这样，当用户再次发起相同请求访问这个不存在的数据，那么就会从缓存中拿到一个空对象，用户的请求被阻断在了缓存层。这样就可以减少重复查询空值引起的系统压力增大，从而从而保护了后端数据库。示例代码如下：

private String queryMessager(String key){// 从缓存中获取数据String message = getFromCache(key);// 如果缓存中没有 从数据库中查找if(StringUtils.isBlank(message)){message = getFromDb(key);// 如果数据库中也没有数据 就设置短时间的缓存if(StringUtils.isBlank(message)){// 设置缓存时间（缓存的key,缓存的值，失效时间：单位秒）redisClient.setNxEx(key,null,60);} else {redisClient.setNxEx(key,message,1800);}}return message;
}

  这种做法虽然优化了缓存穿透问题，但也存在一些问题。虽然请求进不了数据库，但是会占用 Redis 的缓存空间。而大量的空缓存导致资源的浪费，也有可能导致 Redis 和数据库中的数据不一致。

二、缓存击穿

2.1 缓存击穿是什么

  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。比如某个热点数据，它无时无刻都在接受大量的并发访问，如果在某一时刻忽然过期了，此时大量的请求访问了该热点数据，就无法从缓存中读取，导致大量的并发请求直接访问数据库，就像在一个完好无损的桶上凿开了一个洞，引起数据库压力瞬间增大，这种现象被称为缓存击穿。

  缓存击穿一般出现在高并发系统中，是大量并发用户同时请求到缓存中没有但数据库中有的数据，也就是同时读缓存没读到数据，又同时去数据库去取数据。由于请大量请求同时过来，来不及更新缓存就全部打到数据库那边，引起数据库压力瞬间增大。

2.2 解决方案

• 将热点数据设置加上互斥锁

  • 此方法只允许一个线程重建缓存，其他线程等待重建缓存的线程执行完，重新从缓存获取数据即可。当第一个数据库查询请求发起后，就将缓存中该数据上锁；此时到达缓存的其他查询请求将无法查询该字段，从而被阻塞等待；当第一个请求完成数据库查询，并将数据更新值缓存后，释放锁；此时其他被阻塞的查询请求将可以直接从缓存中查到该数据。

    private ReentrantLock reentrantLock = new ReentrantLock();
    public static String getData(String key) throws InterruptedException {// 从 Redis 查询数据String result = getDataByKey(key);// 参数校验if (StringUtils.isBlank(result)) {// 获取锁if (reentrantLock.tryLock()) {// 去数据库查询result = getDataByDB(key);// 校验if (StringUtils.isNotBlank(result)) {// 搞进缓存setDataToKey(key, result);}// 释放锁，正常会在finally中释放reentrantLock.unlock();} else {// 稍等一下Thread.sleep(100L);result = getData(key);}}return result;
    }
    

  • 当某一个热点数据失效后，只有第一个数据库查询请求发往数据库，其余所有的查询请求均被阻塞，从而保护了数据库。但是，由于采用了互斥锁，其他请求将会阻塞等待，可能会存在死锁和线程池阻塞的风险，此时系统的吞吐量将会下降，这需要结合实际的业务考虑是否允许这么做。

• 将热点数据设置为永远不过期

  • 当向缓存中存储这些数据的时候，可以将他们的缓存失效时间错开，这样能够避免同时失效。如在一个基础时间上加/减一个随机数，从而将这些缓存的失效时间错开。

    private void setRandomTimeForReidsKey(String redisKey,String value){//随机函数Random rand = new Random();//随机获取30分钟内（30*60）的随机数int times = rand.nextInt(1800);//设置缓存时间（缓存的key,缓存的值，失效时间：单位秒）redisClient.setNxEx(redisKey,value,times);
    }
    

  • 这种方案由于没有设置真正的过期时间，实际上已经不存在热点key产生的一系列危害，但是会存在数据不一致的情况，同时代码复杂度会增大。

三、缓存雪崩

3.1 缓存雪崩是什么

  通常，为了保证 Redis 中的数据与数据库中的数据一致性，通常会给 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 Redis 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。

  但当Redis 故障宕机或者缓存中大批量的数据同一时间过期（失效），而此时数据访问量又非常大，无法在 Redis 中处理，于是全部直接访问数据库，从而导致数据库压力突然暴增，严重时甚至可能导致数据库崩溃。就像雪崩一样，引发一系列连锁效应，从而波及整个系统崩溃，这种现象被称为缓存雪崩。如下图所示：

  假设当时每秒6000个请求，本来缓存在可以扛住每秒5000个请求，但是缓存当时所有的Key都失效了。此时1秒6000个请求全部落数据库，数据库必然扛不住，可能DBA都没反应过来就直接挂了，即便是重启数据库，但是数据库立马又被新的流量给打死了。以秒杀系统为例，图示说明：

  它和缓存击穿不同，缓存击穿是在并发量特别大时，某一个热点 key 突然过期，而缓存雪崩则是大量的 key 同时过期，因此它们根本不是一个量级。

3.2 解决方案

  出现上述情况的常见原因主要有以下两点：

• 大量缓存数据同时过期，导致本应请求到缓存的需重新从数据库中获取数据。
• Redis 本身出现故障，无法处理请求，那自然会再请求到数据库那里。

  针对上面出现故障的情况，可以从以下几点出发解决：

• 事前：构建高可用的集群，实现主 Redis 实例挂掉后，能有其他从库快速切换为主库，继续提供服务，避免全盘崩溃。
• 事中：在往 Redis 存数据时，可以通过随机、微调、均匀设置等方式设置过期时间，这样可以保证数据不会在同一时间大面积失效。如果事情已经发生了，那就要为了防止数据库被大量的请求搞崩溃，可以采用服务熔断或者请求限流的方法。当然服务熔断相对粗暴一些，停止服务直到redis服务恢复；而请求限流相对温和一些，保证一些请求可以处理，不过还是看具体业务情况选择合适的处理方案。
• 事后：redis持久化，一旦重启，自动从磁盘上加载数据，快速恢复缓存数据。

四、拓展

4.1 缓存预热

  缓存预热就是系统上线前后，将相关的缓存数据直接加载到缓存系统中去，而不依赖用户。这样就可以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，这样可以避免那么系统上线初期，对于高并发的流量，都会访问到数据库中， 对数据库造成流量的压力。根据数据不同量级，可以有以下几种做法：

• 数据量不大：项目启动的时候自动进行加载。
• 数据量较大：后台定时刷新缓存。
• 数据量极大：只针对热点数据进行预加载缓存操作。

4.2 缓存降级

  缓存降级是指当缓存失效或缓存服务出现问题时，为了防止缓存服务故障，导致数据库跟着一起发生雪崩问题，所以也不去访问数据库，但因为一些原因，仍然想要保证服务还是基本可用的，虽然肯定会是有损服务。因此，对于不重要的缓存数据，我们可以采取服务降级策略。一般做法有以下两种：

• 直接访问内存部分的数据缓存。
• 直接返回系统设置的默认值。

五、结语

  Redis 缓存异常会面临的三个问题：缓存雪崩、击穿和穿透。其中，缓存雪崩和缓存击穿主要原因是数据不在缓存中，而导致大量请求访问了数据库，数据库压力骤增，容易引发一系列连锁反应，导致系统奔溃。不过，一旦数据被重新加载回缓存，应用又可以从缓存快速读取数据，不再继续访问数据库，数据库的压力也会瞬间降下来。因此，缓存雪崩和缓存击穿应对的方案比较类似。而缓存穿透主要原因是数据既不在缓存也不在数据库中。因此，缓存穿透与缓存雪崩、击穿应对的方案不太一样。
  Redis 缓存在互联网中至关重要，可以很大的提升系统效率。 本文介绍的缓存异常以及解决思路有可能不够全面，但也提供相应的解决思路和代码大体实现，希望可以为大家提供一些遇到缓存问题时的解决思路。如果有不足的地方，也请帮忙指出，大家共同进步。