天天看点
返回

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

文章目录

  • ​​一、什么是缓存穿透、缓存雪崩、缓存击穿？​​
  • ​​三、缓存的更新策略​​
  • ​​⛅数据库与内存不一致的解决方案​​
  • ​​⛄数据库与内存不一致应该采用什么方案​​
  • ​​四、实战开发解决缓存穿透、缓存雪崩、缓存击穿​​
  • ​​✒️缓存穿透解决方案​​
  • ​​⚠️缓存雪崩解决方案​​
  • ​​⚡缓存击穿解决方案​​
  • ​​五、使用 Apache Jmeter对缓存击穿 进行压力测试​​
  • ​​六、封装工具类​​
  • ​​⛵小结​​

一、什么是缓存穿透、缓存雪崩、缓存击穿？

缓存穿透： 缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

缓存雪崩：缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

缓存击穿： 缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

缓存穿透、缓存雪崩、缓存击穿都是 Redis中比较常见的场景，同时也是面试高频必问点，很有意思，Redis 不是一般的强！

三、缓存的更新策略

缓存更新是redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们向redis插入太多数据，此时就可能会导致缓存中的数据过多，所以redis会对部分数据进行更新，或者把他叫为淘汰更合适。

三种更新策略

  • 内存淘汰策略：redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)
  • 超时剔除：当我们给redis设置了过期时间ttl之后，redis会将超时的数据进行删除，方便咱们继续使用缓存
  • 主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题
猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

⛅数据库与内存不一致的解决方案

由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在,

其后果是：用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等;怎么解决呢？

有如下几种方案

​

​Cache Aside Pattern 人工编码方式​

​：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案

Read/Write Through Pattern : 由系统本身完成，数据库与缓存的问题交由系统本身去处理

Write Behind Caching Pattern ：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

⛄数据库与内存不一致应该采用什么方案

综合考虑使用方案一，但是方案一调用者如何处理呢？这里有几个问题

操作缓存和数据库时有三个问题需要考虑：

如果采用第一个方案，那么假设我们每次操作数据库后，都操作缓存，但是中间如果没有人查询，那么这个更新动作实际上只有最后一次生效，中间的更新动作意义并不大，我们可以把缓存删除，等待再次查询时，将缓存中的数据加载出来

  • 删除缓存还是更新缓存？
  • 更新缓存：每次更新数据库都更新缓存，无效写操作较多
  • 删除缓存：更新数据库时让缓存失效，查询时再更新缓存
  • 如何保证缓存与数据库的操作的同时成功或失败？
  • 单体系统，将缓存与数据库操作放在一个事务
  • 分布式系统，利用TCC等分布式事务方案

应该具体操作缓存还是操作数据库，我们应当是先操作数据库，再删除缓存，原因在于，如果你选择第一种方案，在两个线程并发来访问时，假设线程1先来，他先把缓存删了，此时线程2过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程1再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。

  • 先操作缓存还是先操作数据库？
  • 先删除缓存，再操作数据库
  • 先操作数据库，再删除缓存
猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿
实现商家 数据库和缓存双写一致性

修改数据时，先修改数据库，再删除缓存，即可达到双写一致性

@Override
@Transactional(rollbackFor = {Exception.class})
public ResultBean<Integer> update(ShopEntity param) {
    Long id = param.getId();
    if (id != null) {
        return ResultBean.create(-1, "商铺id不允许为空！");
    }
    //1. 更新数据库
    updateById(param);

    //2. 删除缓存
    stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY + id);
    return ResultBean.create(0, "success", 1);
}

四、实战开发解决缓存穿透、缓存雪崩、缓存击穿

✒️缓存穿透解决方案

缓存穿透：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

缓存穿透常见解决方案：

  • 缓存空对象
  • 优点：实现简单，维护方便
  • 缺点：
  • 额外的内存消耗
  • 可能造成短期的不一致
  • 布隆过滤
  • 优点：内存占用较少，没有多余 key
  • 缺点：
  • 实现复杂
  • 存在误判可能
缓存空对象思路分析：

当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，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，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到数据库了

布隆过滤思路分析

布隆过滤器其实采用的是哈希思想解决的这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器存在，则放行，这个请求会直接去请求redis，哪怕是此时redis中数据过期了，但是数据库中一定存在这个数据，在数据库查询出来这个数据，再存入redis

假设布隆过滤器判断这个数据不存在，则直接返回。

这种优点在于节约空间，存在误判的可能， 原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能出现哈希冲突

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿
编码解决缓存击穿问题

思路：如果要查询的数据不存在，那么还是要把它写入redis，并且把redis值设置为空，当再次发起请求时，我们判断如果命中不等于null，那么就是缓存值，直接返回null，提升信息不存在即可，反之，则存入redis数据库，并设置过期时间。

@Override
    public ResultBean<ShopDTO> queryById(Long id) {
        try {
            // 解决缓存穿透
            ShopEntity shopEntity = queryWithPassThrough(id);
            if (shopEntity == null) {
                return ResultBean.create(-1, "店铺信息不存在！");
            }
            return ResultBean.create(0, "success", BeanUtil.toBean(shopEntity, ShopDTO.class));
        } catch (Exception e) {
            log.error("获取商品详情失败！ e ==> {}", e);
            return null;
        }
    }

    public ShopEntity queryWithPassThrough(Long id) {
        //1. 设置key
        String key = RedisConstants.CACHE_SHOP_KEY + id;
        //2. 从redis中获取该key是否存在，如果存在，直接返回，如果为空，直接返回null
        String shopJson = stringRedisTemplate.opsForValue().get(key);

        //2.1 存在
        if (StrUtil.isNotBlank(shopJson)) {
            return JSONUtil.toBean(shopJson, ShopEntity.class);
        }

        //判断命中的是否为空值
        if (shopJson != null) {
            return null;
        }

        //3. 如果不存在，从数据库中查询
        ShopEntity shopEntity = getById(id);
        //4. 数据库中的如果为空，则存入 redis空值，来防止缓存穿透
        if (shopEntity == null) {
            //4.1 存入空值
            stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
            return null;
        }
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shopEntity), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
        //5. 返回商家对象
        return shopEntity;
    }

⚠️缓存雪崩解决方案

缓存雪崩：缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

解决方案：

  • 给不同的Key的TTL添加随机值
  • 利用Redis集群提高服务的可用性
  • 给缓存业务添加降级限流策略
  • 给业务添加多级缓存
猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

缓存雪崩，最常用的就是我们设置redis中的key的过期时间，设置随机一点，防止大面积key失效

为Redis添加集群，主从复制，哨兵模式等 具体可参考： Redis 进阶 – 搭建主从复制及哨兵模式集群

⚡缓存击穿解决方案

缓存击穿：缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

常见的解决方案有两种：

  • 互斥锁
  • 逻辑过期

逻辑分析：

假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么它们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

解决方案一：互斥锁解决

因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

解决方案二：逻辑过期方案

之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。

我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。

假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。

这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。

类似于逻辑删除

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿
两者对比

互斥锁方案： 由于保证了互斥性，所以数据一致，且实现简单，因为仅仅只需要加一把锁而已，也没其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁就有死锁问题的发生，且只能串行执行性能肯定受到影响

逻辑过期方案： 线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构数据，但是在重构数据完成前，其他的线程只能返回之前的数据，且实现起来麻烦。

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿
利用互斥锁解决缓存击穿

相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是 进行查询之后，如果从缓存没有查询到数据，则进行互斥锁的获取，获取互斥锁后，判断是否获得到了锁，如果没有获得到，则休眠，过一会再进行尝试，直到获取到锁为止，才能进行查询

如果获取到了锁的线程，再去进行查询，查询后将数据写入redis，再释放锁，返回数据，利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑，防止缓存击穿

操作锁的代码：

核心思路就是利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。

public boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "0", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }

    public void unLock(String key) {
        stringRedisTemplate.delete(key);
    }

缓存穿透核心解决 互斥锁代码

@Override
    public ResultBean<ShopDTO> queryById(Long id) {
        try {
            // 解决缓存穿透
//            ShopEntity shopEntity = queryWithPassThrough(id);

            //解决缓存击穿
            ShopEntity shopEntity = queryWithPassMutex(id);
            if (shopEntity == null) {
                return ResultBean.create(-1, "店铺信息不存在！");
            }
            return ResultBean.create(0, "success", BeanUtil.toBean(shopEntity, ShopDTO.class));
        } catch (Exception e) {
            log.error("获取商品详情失败！ e ==> {}", e);
            return null;
        }
    }

    public ShopEntity queryWithPassMutex(Long id) {
        String key = RedisConstants.CACHE_SHOP_KEY + id;
        //1. 从redis中查询是否存在缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2. 判断是否存在，存在返回即可
        if (StrUtil.isNotBlank(shopJson)) {
            return JSONUtil.toBean(shopJson, ShopEntity.class);
        }
        //2.1 判断是否命中的空值
        if (shopJson != null) {
            return null;
        }
        ShopEntity shopEntity = null;

        String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
        try {
            //3.实现缓存重建
            //3.1. 获取锁
            boolean lock = tryLock(lockKey);
            //3.2 判断是否获取成功
            if (!lock) {
                //3.3 失败，则休眠重试
                Thread.sleep(10);
                queryWithPassMutex(id);
            }

            //3.4 成功，则根据id查询
            shopEntity = getById(id);
            //3.5 模拟延迟重建
            Thread.sleep(5);
            //3.6 如果为null，写入空值
            if (shopEntity == null) {
                stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
            }
            //3.7 存在，存入redis中并设置过期时间
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shopEntity), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
        } catch (InterruptedException e) {
            e.printStackTrace();
        } finally {
            //3.8 释放互斥锁
            unLock(lockKey);
        }
        //4. 返回商铺对象
        return shopEntity;
    }
利用逻辑过期解决缓存击穿

思路分析：

当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。

public ShopEntity queryWithLogicalExpire(Long id) {
    String key = RedisConstants.CACHE_SHOP_KEY + id;
    //1. 从redis中查询是否存在缓存
    String shopJson = stringRedisTemplate.opsForValue().get(key);
    //2. 判断是否存在，不存在返回null即可
    if (StrUtil.isBlank(shopJson)) {
        return null;
    }
    //3. 命中，把json反序列化为对象
    RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
    LocalDateTime expireTime = redisData.getExpireTime();

    ShopEntity shopEntity = JSONUtil.toBean((JSONObject) redisData.getData(), ShopEntity.class);
    //4. 判断是否过期
    if (expireTime.isAfter(LocalDateTime.now())) {
        //4.1 如果未过期，直接返回即可
        return shopEntity;
    }

    //4.2 如果已过期，需要缓存重建
    //5. 缓存重建
    //5.1 获取互斥锁
    String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
    boolean lock = tryLock(lockKey);
    if (lock) {
        //5.3 成功，开启线程，实现缓存重建
        CACHE_REBUILD_EXECUTOR.submit(() -> {
            try {
                this.saveShopRedis(id, 20L);
            } catch (InterruptedException e) {
                e.printStackTrace();
            } finally {
                unLock(lockKey);
            }
        });
    }

    //5.4 失败，直接返回结果
    return shopEntity;
}

public void saveShopRedis(Long id, Long expireSeconds) throws InterruptedException {
    //1. 查询店铺数据
    ShopEntity shop = getById(id);
    Thread.sleep(200);
    //2. 封装逻辑过期时间
    RedisData redisData = new RedisData();
    redisData.setData(shop);
    redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));

    //3. 存入redis
    stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));

}

五、使用 Apache Jmeter对缓存击穿 进行压力测试

缓存击穿也叫做热点key 数据，我们使用压力测试工具对其进行测试。

Jmeter是一个测试工具，主要用来进行压力测试

下载Jmeter

我们使用Jmeter对接口进行压力测试，下载Jmeter ​​Jmeter官网​​

选择下载绿色解压版，下载完成后进行解压即可

测试接口

双击 bin 目录下 的 jmeter.bat 启动 Jmeter

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

设置语言为中文显示

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

进入界面，新建测试计划 --> 右击新建线程组

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

设置线程组参数

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

添加http请求

猿创征文 | 微服务 Spring Boot 整合Redis 实战开发解决缓存穿透、缓存雪崩、缓存击穿

右击http请求添加监视器 结果树 与 汇报

查看结果即可，吞吐量达到了 89/s， 偏差 232 还可以，基本差不多 100左右的QPS

六、封装工具类

为了方便后期更多的业务需要做缓存穿透、击穿 我们将其封装为工具类，减少了不必要的代码，以及增加了可扩展性

工具类代码已上传，需要自取： 工具类代码

替换后自行测试即可。

⛵小结

缓存 Redis 微服务 云原生 压力测试
上一篇: 【前后端分离系列】 Spring Boot + Vue 实现 EasyPOI 导入导出
下一篇: vue2.0 自定义 提示框（Toast）组件1.自定义 提示框 组件

继续阅读