阅读 814

缓存穿透、缓存击穿、缓存雪崩

缓存穿透

什么是缓存穿透

正常情况下,查询的数据都存在,如果请求一个不存在的数据,也就是缓存和数据库都查不到这个数据,每次都会去数据库查询,这种查询不存在数据的现象我们称为缓存穿透

穿透带来的问题

如果每次都拿一个不存在的id去查询数据库,可能会导致你的数据库压力增大

解决办法

  1. 缓存空值
    之所以发生穿透,是因为缓存中没有存储这些数据的key,从而每次都查询数据库
    我们可以为这些key在缓存中设置对应的值为null,后面查询这个key的时候就不用查询数据库了
    当然为了健壮性,我们要对这些key设置过期时间,以防止真的有数据
  2. BloomFilter
    BloomFilter 类似于一个hbase set 用来判断某个元素(key)是否存在于某个集合中
    我们把有数据的key都放到BloomFilter中,每次查询的时候都先去BloomFilter判断,如果没有就直接返回null
    注意BloomFilter没有删除操作,对于删除的key,查询就会经过BloomFilter然后查询缓存再查询数据库,所以BloomFilter可以结合缓存空值用,对于删除的key,可以在缓存中缓存null

缓存击穿

什么是缓存击穿

在高并发的情况下,大量的请求同时查询同一个key时,此时这个key正好失效了,就会导致同一时间,这些请求都会去查询数据库,这样的现象我们称为缓存击穿

击穿带来的问题

会造成某一时刻数据库请求量过大

解决办法

采用分布式锁,只有拿到锁的第一个线程去请求数据库,然后插入缓存,当然每次拿到锁的时候都要去查询一下缓存有没有

缓存雪崩

什么是缓存雪崩

当某一时刻发生大规模的缓存失效的情况,比如你的缓存服务宕机了

解决办法

  1. 采用集群,降低服务宕机的概率
  2. ehcache本地缓存 + Hystrix限流&降级
    ehcache 本地缓存的目的也是考虑在 Redis Cluster 完全不可用的时候,ehcache 本地缓存还能够支撑一阵
    使用 Hystrix进行限流 & 降级 ,比如一秒来了5000个请求,我们可以设置假设只能有一秒 2000个请求能通过这个组件,那么其他剩余的 3000 请求就会走限流逻辑

解决热点数据集中失效问题

我们在设置缓存的时候,一般会给缓存设置一个失效时间,过了这个时间,缓存就失效了。
对于一些热点的数据来说,当缓存失效以后会存在大量的请求过来,然后打到数据库去,从而可能导致数据库崩溃的情况

解决办法

  1. 设置不同的失效时间
  2. 采用缓存击穿的解决办法,加锁
  3. 永不失效,就是采用定时任务对快要失效的缓存进行更新缓存和失效时间
关注下面的标签,发现更多相似文章
评论