[[441985]]

前言

對于從事后端開發的同學來說，緩存已經變成的項目中必不可少的技術之一。

沒錯，緩存能給我們系統顯著的提升性能。但如果你使用不好，或者缺乏相關經驗，它也會帶來很多意想不到的問題。

今天我們一起聊聊如果在項目中引入了緩存，可能會給我們帶來的下面這三大問題。看看你中招了沒?

1. 緩存穿透問題

大部分情況下，加緩存的目的是：為了減輕數據庫的壓力，提升系統的性能。

1.1 我們是如何用緩存的?

一般情況下，如果有用戶請求過來，先查緩存，如果緩存中存在數據，則直接返回。如果緩存中不存在，則再查數據庫，如果數據庫中存在，則將數據放入緩存，然后返回。如果數據庫中也不存在，則直接返回失敗。

流程圖如下：

上面的這張圖小伙們肯定再熟悉不過了，因為大部分緩存都是這樣用的。

1.2 什么是緩存穿透?

但如果出現以下這兩種特殊情況，比如：

用戶請求的id在緩存中不存在。

惡意用戶偽造不存在的id發起請求。

這樣的用戶請求導致的結果是：每次從緩存中都查不到數據，而需要查詢數據庫，同時數據庫中也沒有查到該數據，也沒法放入緩存。也就是說，每次這個用戶請求過來的時候，都要查詢一次數據庫。

圖中標紅的箭頭表示每次走的路線。

很顯然，緩存根本沒起作用，好像被穿透了一樣，每次都會去訪問數據庫。

這就是我們所說的：緩存穿透問題。

如果此時穿透了緩存，而直接數據庫的請求數量非常多，數據庫可能因為扛不住壓力而掛掉。嗚嗚嗚。

那么問題來了，如何解決這個問題呢?

1.3 校驗參數

我們可以對用戶id做檢驗。

比如你的合法id是15xxxxxx，以15開頭的。如果用戶傳入了16開頭的id，比如：16232323，則參數校驗失敗，直接把相關請求攔截掉。這樣可以過濾掉一部分惡意偽造的用戶id。

1.4 布隆過濾器

如果數據比較少，我們可以把數據庫中的數據，全部放到內存的一個map中。

這樣能夠非常快速的識別，數據在緩存中是否存在。如果存在，則讓其訪問緩存。如果不存在，則直接拒絕該請求。

但如果數據量太多了，有數千萬或者上億的數據，全都放到內存中，很顯然會占用太多的內存空間。

那么，有沒有辦法減少內存空間呢?

答：這就需要使用布隆過濾器了。

布隆過濾器底層使用bit數組存儲數據，該數組中的元素默認值是0。

布隆過濾器第一次初始化的時候，會把數據庫中所有已存在的key，經過一些列的hash算法(比如：三次hash算法)計算，每個key都會計算出多個位置，然后把這些位置上的元素值設置成1。

之后，有用戶key請求過來的時候，再用相同的hash算法計算位置。

• 如果多個位置中的元素值都是1，則說明該key在數據庫中已存在。這時允許繼續往后面操作。
• 如果有1個以上的位置上的元素值是0，則說明該key在數據庫中不存在。這時可以拒絕該請求，而直接返回。

使用布隆過濾器確實可以解決緩存穿透問題，但同時也帶來了兩個問題：

1. 存在誤判的情況。
2. 存在數據更新問題。

先看看為什么會存在誤判呢?

上面我已經說過，初始化數據時，針對每個key都是通過多次hash算法，計算出一些位置，然后把這些位置上的元素值設置成1。

但我們都知道hash算法是會出現hash沖突的，也就是說不通的key，可能會計算出相同的位置。

上圖中的下標為2的位置就出現了hash沖突，key1和key2計算出了一個相同的位置。

如果有幾千萬或者上億的數據，布隆過濾器中的hash沖突會非常明顯。

如果某個用戶key，經過多次hash計算出的位置，其元素值，恰好都被其他的key初始化成了1。此時，就出現了誤判，原本這個key在數據庫中是不存在的，但布隆過濾器確認為存在。

如果布隆過濾器判斷出某個key存在，可能出現誤判。如果判斷某個key不存在，則它在數據庫中一定不存在。

通常情況下，布隆過濾器的誤判率還是比較少的。即使有少部分誤判的請求，直接訪問了數據庫，但如果訪問量并不大，對數據庫影響也不大。

此外，如果想減少誤判率，可以適當增加hash函數，圖中用的3次hash，可以增加到5次。

其實，布隆過濾器最致命的問題是：如果數據庫中的數據更新了，需要同步更新布隆過濾器。但它跟數據庫是兩個數據源，就可能存在數據不一致的情況。

比如：數據庫中新增了一個用戶，該用戶數據需要實時同步到布隆過濾。但由于網絡異常，同步失敗了。

這時剛好該用戶請求過來了，由于布隆過濾器沒有該key的數據，所以直接拒絕了該請求。但這個是正常的用戶，也被攔截了。

很顯然，如果出現了這種正常用戶被攔截了情況，有些業務是無法容忍的。所以，布隆過濾器要看實際業務場景再決定是否使用，它幫我們解決了緩存穿透問題，但同時了帶來了新的問題。

1.5 緩存空值

上面使用布隆過濾器，雖說可以過濾掉很多不存在的用戶id請求。但它除了增加系統的復雜度之外，會帶來兩個問題：

布隆過濾器存在誤殺的情況，可能會把少部分正常用戶的請求也過濾了。

如果用戶信息有變化，需要實時同步到布隆過濾器，不然會有問題。

所以，通常情況下，我們很少用布隆過濾器解決緩存穿透問題。其實，還有另外一種更簡單的方案，即：緩存空值。

當某個用戶id在緩存中查不到，在數據庫中也查不到時，也需要將該用戶id緩存起來，只不過值是空的。這樣后面的請求，再拿相同的用戶id發起請求時，就能從緩存中獲取空數據，直接返回了，而無需再去查一次數據庫。

優化之后的流程圖如下：

關鍵點是不管從數據庫有沒有查到數據，都將結果放入緩存中，只是如果沒有查到數據，緩存中的值是空的罷了。

2. 緩存擊穿問題

2.1 什么是緩存擊穿?

有時候，我們在訪問熱點數據時。比如：我們在某個商城購買某個熱門商品。

為了保證訪問速度，通常情況下，商城系統會把商品信息放到緩存中。但如果某個時刻，該商品到了過期時間失效了。

此時，如果有大量的用戶請求同一個商品，但該商品在緩存中失效了，一下子這些用戶請求都直接懟到數據庫，可能會造成瞬間數據庫壓力過大，而直接掛掉。

流程圖如下：

那么，如何解決這個問題呢?

2.2 加鎖

數據庫壓力過大的根源是，因為同一時刻太多的請求訪問了數據庫。

如果我們能夠限制，同一時刻只有一個請求才能訪問某個productId的數據庫商品信息，不就能解決問題了?

答：沒錯，我們可以用加鎖的方式，實現上面的功能。

偽代碼如下：

try { 
  String result = jedis.set(productId, requestId, "NX", "PX", expireTime); 
  if ("OK".equals(result)) { 
    return queryProductFromDbById(productId); 
  } 
} finally{ 
    unlock(productId,requestId); 
}   
return null; 

在訪問數據庫時加鎖，防止多個相同productId的請求同時訪問數據庫。

然后，還需要一段代碼，把從數據庫中查詢到的結果，又重新放入緩存中。辦法挺多的，在這里我就不展開了。

2.3 自動續期

出現緩存擊穿問題是由于key過期了導致的。那么，我們換一種思路，在key快要過期之前，就自動給它續期，不就OK了?

答：沒錯，我們可以用job給指定key自動續期。

比如說，我們有個分類功能，設置的緩存過期時間是30分鐘。但有個job每隔20分鐘執行一次，自動更新緩存，重新設置過期時間為30分鐘。

這樣就能保證，分類緩存不會失效。

此外，在很多請求第三方平臺接口時，我們往往需要先調用一個獲取token的接口，然后用這個token作為參數，請求真正的業務接口。一般獲取到的token是有有效期的，比如24小時之后失效。

如果我們每次請求對方的業務接口，都要先調用一次獲取token接口，顯然比較麻煩，而且性能不太好。

這時候，我們可以把第一次獲取到的token緩存起來，請求對方業務接口時從緩存中獲取token。

同時，有一個job每隔一段時間，比如每隔12個小時請求一次獲取token接口，不停刷新token，重新設置token的過期時間。

2.4 緩存不失效

此外，對于很多熱門key，其實是可以不用設置過期時間，讓其永久有效的。

比如參與秒殺活動的熱門商品，由于這類商品id并不多，在緩存中我們可以不設置過期時間。

在秒殺活動開始前，我們先用一個程序提前從數據庫中查詢出商品的數據，然后同步到緩存中，提前做預熱。

等秒殺活動結束一段時間之后，我們再手動刪除這些無用的緩存即可。

3. 緩存雪崩問題

3.1 什么是緩存雪崩?

前面已經聊過緩存擊穿問題了。

而緩存雪崩是緩存擊穿的升級版，緩存擊穿說的是某一個熱門key失效了，而緩存雪崩說的是有多個熱門key同時失效。看起來，如果發生緩存雪崩，問題更嚴重。

緩存雪崩目前有兩種：

1. 有大量的熱門緩存，同時失效。會導致大量的請求，訪問數據庫。而數據庫很有可能因為扛不住壓力，而直接掛掉。
2. 緩存服務器down機了，可能是機器硬件問題，或者機房網絡問題。總之，造成了整個緩存的不可用。

歸根結底都是有大量的請求，透過緩存，而直接訪問數據庫了。

那么，要如何解決這個問題呢?

3.2 過期時間加隨機數

為了解決緩存雪崩問題，我們首先要盡量避免緩存同時失效的情況發生。

這就要求我們不要設置相同的過期時間。

可以在設置的過期時間基礎上，再加個1~60秒的隨機數。

實際過期時間 = 過期時間 + 1~60秒的隨機數 

這樣即使在高并發的情況下，多個請求同時設置過期時間，由于有隨機數的存在，也不會出現太多相同的過期key。

3.3 高可用

針對緩存服務器down機的情況，在前期做系統設計時，可以做一些高可用架構。

比如：如果使用了redis，可以使用哨兵模式，或者集群模式，避免出現單節點故障導致整個redis服務不可用的情況。

使用哨兵模式之后，當某個master服務下線時，自動將該master下的某個slave服務升級為master服務，替代已下線的master服務繼續處理請求。

3.4 服務降級

如果做了高可用架構，redis服務還是掛了，該怎么辦呢?

這時候，就需要做服務降級了。

我們需要配置一些默認的兜底數據。

程序中有個全局開關，比如有10個請求在最近一分鐘內，從redis中獲取數據失敗，則全局開關打開。后面的新請求，就直接從配置中心中獲取默認的數據。

當然，還需要有個job，每隔一定時間去從redis中獲取數據，如果在最近一分鐘內可以獲取到兩次數據(這個參數可以自己定)，則把全局開關關閉。后面來的請求，又可以正常從redis中獲取數據了。

需要特別說一句，該方案并非所有的場景都適用，需要根據實際業務場景決定。