导语 | Redis 作为一个高性能的内存中的 key-value 数据结构存储系统，在咱们日常开发中广泛应用于缓存、计数器、音讯队列、排行榜等场景中，尤其是作为最罕用的缓存形式，在进步数据查问效率、爱护数据库等方面起到了不可磨灭的作用，但理论利用中，可能会呈现一些 Redis 缓存异样的状况，本文次要对 Redis 缓存异样及解决计划进行了总结。
一、背景
Redis 是一个齐全开源的、恪守 BSD 协定的、高性能的 key-value 数据结构存储系统，它反对数据的长久化，能够将内存中的数据保留在磁盘中，而且不仅仅反对简略的 key-value 类型的数据，同时还提供 list，set，zset，hash 等数据结构的存储，性能非常弱小，Redis 还反对数据的备份，即 master-slave 模式的数据备份，从而进步可用性。当然最重要的还是读写速度快，作为咱们平时开发中最罕用的缓存计划被广泛应用。但在理论利用过程中，它会存在缓存雪崩、缓存击穿和缓存穿透等异常情况，如果漠视这些状况可能会带来灾难性的结果，上面次要对这些缓存异样和常见解决计划进行相应剖析与总结。
二、缓存雪崩
（一）是什么
一段时间内本应在 redis 缓存中解决的大量申请，都发送到了数据库进行解决，导致对数据库的压力迅速增大，重大时甚至可能导致数据库解体，从而导致整个零碎解体，就像雪崩一样，引发连锁效应，所以叫缓存雪崩。
（二）为什么
呈现上述情况的常见起因次要有以下两点：
大量缓存数据同时过期，导致本应申请到缓存的需从新从数据库中获取数据。
redis 自身呈现故障，无奈解决申请，那天然会再申请到数据库那里。
（三）怎么办
针对大量缓存数据同时过期的状况：
- 理论设置过期工夫时，该当尽量避免大量 key 同时过期的场景，如果真的有，那就通过随机、微调、平均设置等形式设置过期工夫，从而防止同一时间过期。
- 增加互斥锁，使得构建缓存的操作不会在同一时间进行。
- 双 key 策略，主 key 是原始缓存，备 key 为拷贝缓存，主 key 生效时，能够拜访备 key，主 key 缓存生效工夫设置为短期，备 key 设置为长期。
- 后盾更新缓存策略，采纳定时工作或者音讯队列的形式进行 redis 缓存更新或移除等。
针对 redis 自身呈现故障的状况：
- 在预防层面，能够通过主从节点的形式构建高可用的集群，也就是实现主 Redis 实例挂掉后，能有其余从库疾速切换为主库，持续提供服务。
- 如果事件曾经产生了，那就要为了避免数据库被大量的申请搞解体，能够采纳服务熔断或者申请限流的办法。当然服务熔断绝对粗犷一些，进行服务直到 redis 服务复原，申请限流绝对温和一些，保障一些申请能够解决，不是一刀切，不过还是看具体业务状况抉择适合的解决计划。
三、缓存击穿
（一）是什么
缓存击穿个别呈现在高并发零碎中，是大量并发用户同时申请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，引起数据库压力霎时增大。和缓存雪崩不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。
（二）为什么
这种状况其实个别呈现的起因就是某个热点数据缓存过期，因为是热点数据，申请并发量又大，所以过期的时候还是会有大量申请同时过去，来不及更新缓存就全部打到数据库那边了。
（三）怎么办
针对这种状况有两种常见的解决计划：
- 简略粗犷的对热点数据不设置过期工夫，这样不会过期，天然也就不会呈现上述情况了，如果后续想清理，能够通过后盾进行清理。
- 增加互斥锁，即当过期之后，除了申请过去的第一个查问的申请能够获取到锁申请到数据库，并再次更新到缓存中，其余的会被阻塞住，直到锁被开释，同时新的缓存也被更新下来了，后续申请又会申请到缓存上，这样就不会呈现缓存击穿了。
四、缓存穿透
（一）是什么
缓存穿透是指数据既不在 redis 中，也不在数据库中，这样就导致每次申请过去的时候，在缓存中找不到对应 key 之后，每次都还要去数据库再查问一遍，发现数据库也没有，相当于进行了两次无用的查问。这样申请就能够绕过缓存间接查数据库，如果这个时候有人想歹意攻打零碎，就能够成心应用空值或者其余不存在的值进行频繁申请，那么就会对数据库造成比拟大的压力。
（二）为什么
这种景象的起因其实很好了解，业务逻辑外面如果用户对某些信息还没有进行相应的操作或者解决，那对应的寄存信息的数据库或者缓存中天然也就没有相应的数据，也就容易呈现上述问题。
（三）怎么办
针对缓存穿透，个别有以下三种解决计划：
- 非法申请的限度，次要是指参数校验、鉴权校验等，从而一开始就把大量的非法申请拦挡在外，这在理论业务开发中是必要的伎俩。
- 缓存空值或者默认值，如果从缓存取不到的数据，在数据库中也没有取到，那咱们依然把这个空后果进行缓存，同时设置一个较短的过期工夫。通过这个设置的默认值寄存到缓存，这样第二次到缓存中获取就有值了，而不会持续拜访数据库，能够避免有大量歹意申请是重复用同一个 key 进行攻打。
- 应用布隆过滤器疾速判断数据是否存在。那什么是布隆过滤器呢，简略来说，就是能够引入了多个互相独立的哈希函数，保障在给定的空间和误判率下，实现元素判重。因为咱们晓得，存在 hash 碰撞这样一种状况，那如果只应用一个 hash 函数，则碰撞抵触的概率显著会变大，那为了缩小这种抵触，咱们能够多引入几个 hash 函数，而布隆过滤器算法的核心思想就是利用多个不同的 hash 函数来解决这样一种抵触。它的长处是空间效率高，查问工夫短，远超其余算法，而它的毛病就是会存在肯定的误识别率，它不能齐全保障申请过去的 key，通过布隆过滤器的校验，就肯定有这个数据，毕竟实践上还是会存在抵触状况，无论概率多小。然而，只有没有通过布隆过滤器的校验，那么这个 key 就肯定不存在，只有利用这一点其实就曾经能够过滤掉大部分不存在的 key 的申请了，在失常场景下未然足够了。
五、其余
除了上述三种常见的 Redis 缓存异样问题之外，还常常听到的有缓存预热和缓存降级两个名词，与其说是异样问题，不如说是两种的优化解决办法。
（一）缓存预热
缓存预热就是零碎上线前后，将相干的缓存数据间接加载到缓存零碎中去，而不依赖用户。这样就能够防止在用户申请的时候，先查询数据库，而后再将数据缓存的问题。用户间接查问当时被预热的缓存数据，这样能够防止那么零碎上线初期，对于高并发的流量，都会拜访到数据库中，对数据库造成流量的压力。依据数据不同量级，能够有以下几种做法：
- 数据量不大：我的项目启动的时候主动进行加载。
- 数据量较大：后盾定时刷新缓存。
- 数据量极大：只针对热点数据进行预加载缓存操作。
（二）缓存降级
缓存降级是指当缓存生效或缓存服务呈现问题时，为了避免缓存服务故障，导致数据库跟着一起产生雪崩问题，所以也不去拜访数据库，但因为一些起因，依然想要保障服务还是根本可用的，尽管必定会是有损服务。因而，对于不重要的缓存数据，咱们能够采取服务降级策略。个别做法有以下两种：
- 间接拜访内存局部的数据缓存。
- 间接返回零碎设置的默认值。
六、总结
本文次要对常见的 Redis 缓存异样及其解决计划进行了总结，能够用下图做个概括：
作者简介：
尹哲浩，腾讯经营开发工程师。