一、前言

「Redis 是一個開源（BSD許可）的，內存中的數(shù)據(jù)結構存儲系統(tǒng)，它可以用作數(shù)據(jù)庫、緩存和消息中間件?！?/p>

創(chuàng)新互聯(lián)網站建設由有經驗的網站設計師、開發(fā)人員和項目經理組成的專業(yè)建站團隊，負責網站視覺設計、用戶體驗優(yōu)化、交互設計和前端開發(fā)等方面的工作，以確保網站外觀精美、成都網站建設、成都網站制作易于使用并且具有良好的響應性。

Redis在緩存應用中還是很廣泛的，項目中也經常使用?；旧厦嬖囍锌隙ǘ紩柕?，總結一下增強記憶哈！

在享受緩存帶來的好處的同時，當然要防止這些不好的方面。

下面我們一起來看看這三種情況的產生原因和解決方案！

「總結： 這三種情況都是在大量請求來的時候，Redis沒有命中，請求直接打到數(shù)據(jù)庫，從而導致數(shù)據(jù)庫掛掉！」

Redis緩存簡圖：

二、緩存穿透

1、產生原因

「大量請求的 key 是不合理的，緩存中根本不存在（數(shù)據(jù)庫中一般也不存在），導致這些請求繞過緩存直接訪問數(shù)據(jù)庫，給數(shù)據(jù)庫造成了巨大的壓力，隨時可能宕機?！?/p>

• 惡意查詢，如查詢id為負數(shù)等等。
• key過期，突然來了大量請求時。
• key沒有提前預熱，突然來了大量請求時。

2、解決方案

• 設置緩存空值：查詢數(shù)據(jù)庫沒有結果，將空值緩存，但必須設置一個合理的過期時間。
• 布隆過濾器：是一種用于判斷一個元素是否屬于一個集合的數(shù)據(jù)結構。
• 合理判斷參數(shù)的范圍：非負數(shù)等等。
• 限制并發(fā)查詢：保證只有一個線程去查詢底層數(shù)據(jù)源，其他線程等待查詢結果。

3、具體方案

「設置緩存空值：」

redis有一個配置，可以把從數(shù)據(jù)庫查詢出來為空的也緩存到Redis中，也可以自己在代碼中寫，順便加上過期時間，也可以配置過期時間，這樣是全局都是這個過期時間了，不太建議這樣！

spring:
  cache: 
    redis:
      cache-null-value: true
      time-to-live: 30s

「限制并發(fā)查詢：」

@Cacheable(value={"category"},key = "#root.methodName",sync = true)

sync = true：表示多個線程在嘗試獲取緩存數(shù)據(jù)的時候會被阻塞，直到第一個線程從數(shù)據(jù)庫加載數(shù)據(jù)并放入緩存后，其他線程才能獲取到緩存中的數(shù)據(jù)。這樣可以避免多個線程同時查詢底層數(shù)據(jù)庫，減輕數(shù)據(jù)庫負載，但會降低并發(fā)性能。 默認為false，不開啟

「布隆過濾器：」

布隆過濾器（Bloom Filter）是一種用于判斷一個元素是否屬于一個集合的數(shù)據(jù)結構。它的主要特點是高效地判斷元素是否存在于集合中，且具有空間和時間效率高的優(yōu)點。布隆過濾器不會存儲實際的數(shù)據(jù)，而是通過一系列的哈希函數(shù)和位數(shù)組來判斷元素的存在。

「當布隆過濾器判斷元素不存在時，元素一定不存在，元素存在時，元素不一定存在！」

是不是有點繞，我們在詳細說一下：

布隆過濾器有一定的假陽性概率，即在判斷元素存在時，有可能出現(xiàn)錯誤的結果。這是因為多個元素可能產生相同的哈希值，導致位數(shù)組中的位被設置為1。

「布隆過濾器一旦添加了元素，就不能刪除，因為刪除元素會影響其他元素的判斷結果?！?/p>

一般引入guava中的BloomFilter來實現(xiàn)布隆過濾器！如果喜歡用Hutool，也是有實現(xiàn)的！

下面小編給大家簡單的寫個demo，大家感受一下！

「引入依賴」

    com.google.guava
    guava
    30.1-jre

「配置布隆過濾器」

/**
 * @author wangzhenjun
 * @date 2023/11/7 17:08
 */
@Configuration
public class BloomFilterConfig {

    // 預期插入的元素個數(shù)，從配置文件里拿
    private static final Integer EXPECTED_INSERTIONS = 100000;

    // 期望的誤判率，值越低，布隆過濾器計算時間越長，從配置文件里拿
    private static final Double FPP = 0.03;

    @Bean
    public BloomFilter bloomFilter(){
        BloomFilter filter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("utf-8")), EXPECTED_INSERTIONS,FPP);
        return filter;
    }

}

「簡單測試」

為了簡單，直接寫在啟動類上了，大家不要學哈！

@EnableAsync
@MapperScan("com.example.demonew.demo.mapper")
@EnableTransactionManagement
@SpringBootApplication
public class DemoNewApplication {

    @Autowired
    private BloomFilter bloomFilter;

    public static void main(String[] args) {
        SpringApplication.run(DemoNewApplication.class, args);

    }

    @PostConstruct
    public void init(){
        bloomFilter.put("123");
        boolean b = bloomFilter.mightContain("123");
        System.out.println("是否存在：" + b);
    }

}

三、緩存擊穿

1、產生原因

「緩存擊穿是指當緩存中某個熱點key剛剛過期（一般和緩存穿透區(qū)別在于熱點數(shù)據(jù)存在于數(shù)據(jù)庫中），在熱點數(shù)據(jù)重新放入緩存之前，瞬間大量的請求繞過緩存，直接打到數(shù)據(jù)庫，數(shù)據(jù)庫隨時宕機！」

并發(fā)訪問熱點key：多個并發(fā)請求同時訪問相同的緩存鍵

緩存策略問題：設置了過于短的緩存過期時間，容易導致緩存頻繁失效。

「一般出現(xiàn)在秒殺中，秒殺都會提前預熱，設置key直到活動結束才會過期！」

2、解決方案

• 緩存預熱：系統(tǒng)啟動或緩存過期之前，預先加載常用數(shù)據(jù)到緩存中。
• key永不過期或者使用期間內不過期。
• 限制并發(fā)查詢：保證只有一個線程去查詢底層數(shù)據(jù)源，其他線程等待查詢結果。
• 接口限流、熔斷、降級。

3、具體方案

「緩存預熱：」

在項目啟動時，或者定時任務掃描進行預熱！

「限制并發(fā)查詢：」

@Cacheable(value={"category"},key = "#root.methodName",sync = true)、

詳細解釋上面已經說過了哈！

「接口限流、熔斷、降級」

可以引入：Sentinel來幫助我們更好的限流、熔斷、降級，這里就不詳細演示了！

四、緩存雪崩

1、產生原因

「緩存雪崩是指緩存中大量key到了過期時間，導致大量的請求直接打到數(shù)據(jù)庫上，數(shù)據(jù)庫隨時宕機！」

• redis服務宕機：redis掛了，所有的key都無法訪問
• 批量設置大量key相同的過期時間

2、解決方案

• redis搭建集群或者哨兵。
• 隨機設置緩存的失效時間（合理范圍內的隨機時間），或者用不過期（不建議）。
• 限制并發(fā)查詢：保證只有一個線程去查詢底層數(shù)據(jù)源，其他線程等待查詢結果。
• 接口限流、熔斷、降級。
• 多級緩存

「這個多級緩存，能不加不加，加了就需要考慮一致性，增加很多復雜度！」

其實緩存擊穿和緩存雪崩是很相似的，解決方案，大家也可以看出來很多相同的！這就引出下一個經常問到的問題：

3、具體解決方案

關于Redis的哨兵搭建可以看一下之前寫的文章，這里就不演示了！

關于多級緩存，可以引入本地緩存Caffeine。

4、補充

「緩存擊穿和緩存雪崩的區(qū)別?」

緩存擊穿是緩存中某個熱點key不存在了，緩存雪崩是緩存中大量或者所有key都不存在了

他倆的根本區(qū)別在于一個是單個key，一個是多個甚至全部key！

五、緩存污染

這里補充一下，關于緩存污染的吧！

1、產生原因

緩存污染指緩存中一些訪問次數(shù)很少的key，甚至只有一次！但是緩存中會存儲著，占用內存空間。隨著時間越來越久，內存很快被占滿，就需要開啟淘汰策略去額外處理這些多余的key，影響redis性能。

2、解決方案

• 對與key進行監(jiān)控，不常用key不需要加入緩存。
• 分析出key訪問次數(shù)很少，設置過期時間短一些。
• 配置淘汰策略：LRU（最近最少使用）淘汰策略。

最主要還是要把不常用的key找到，后面不在加入緩存，從根本上解決！

還會出現(xiàn)在多個節(jié)點之間的數(shù)據(jù)同步出現(xiàn)數(shù)據(jù)不統(tǒng)一時產生，這個東西不好避免，因為Redis 是AP（可用性和分區(qū)容忍性），在多節(jié)點時，一半以上同步完成時，就認為同步成功了！

六、緩存一致性

引入了緩存就必須要保持緩存的一致性，不然加了緩存沒有任何意義！

網上關于緩存一致性的文章很多，什么延遲雙刪等等。

這些都不如阿里Canal，這個是通過監(jiān)聽MySQL的Bin Log日志，來去更新到緩存中！

七、總結

今天我們深入具體的討論了Redis緩存穿透、緩存擊穿、緩存雪崩的產生原因和解決方案，補充了緩存污染和緩存一致性。

是不是有了深刻的印象，這些東西在企業(yè)級還是挺常見的，在面試過程中更加常見。 相信大家從頭看到尾，對于面試肯定是沒有任何問題的。

在企業(yè)級應用中，一定要具體情況具體分析，不要盲目照搬，不一定適合你們的需求。

本文名稱：看完Redis緩存穿透、緩存擊穿、緩存雪崩來吊打面試官！
分享URL：http://uogjgqi.cn/article/dhgsoii.html