面试Redis——缓存并发 缓存雪崩 缓存穿透

本文主要叙述缓存并发，缓存雪崩，缓存穿透的问题以及解决方案。

缓存并发

什么是缓存并发

场景：在你每天刷抖音，看微信短视频时，都会有一个评论列表，在评论列表中，查询评论的时候，会先去查询Redis缓存，如果有，就立即返回；如果没，就去数据库查询数据，接着更新缓存，返回数据。这时候，如果访问量非常多，有多个C端同时查询评论，Redis缓存又恰好没缓存数据，此时，多个C端就会同时去查询数据库。上述这种现象，就被称为缓存并发。

命中缓存(图片摘自网络) 没命中缓存(图片摘自网络)

话说回来，缓存并发会带来什么危害

• 让数据库的压力剧增，因为数据库抗不了高并发，流量再大一点，可以直接被打垮，对用户极其不友好，在如今互联网上，App应用的被替代率是很高的，稍有不慎，用户就会被其他App抢走，这对企业来说是灾难性的。我们可以知道，Redis这玩意儿，要么不出问题，一出问题，肯定是大问题。这也就是为什么要强调知其然知其所以然的原因。

既然我们已经知道缓存并发的的严重性，那如何解决

• 要解决问题前，我们得分析问题为何会产生。絮叨一下，很多人无论是在面试时或者工作时，遇到问题，就立马改，或者说按照百度给的方法就套上去试，这个不行，试那个。这种解决问题的方式是不正确的。一般解决问题的方法论是：遇到报错——定位问题——分析问题——设计解决方案——解决问题。回到缓存并发问题上，我们分析一下“为什么出现缓存并发”。

为什么会缓存并发

• 原因一：在高并发场景下，机器刚刚启动，且没预热缓存，缓存都为空，又没用分布式锁
• 原因二：在高并发场景下，机器运行已运行一段时间，但缓存刚好失效，又没用分布式锁
• 原因三：在高并发场景下，Redis宕机了

以上3种原因都会产生缓存并发，如有遗漏其他原因，欢迎各位同学在留言区补充。

知道原因后，我们可以对照原因来设计解决方案了。

解决方案

• 针对原因一和原因二，方案 ：分布式锁。这个允许一个线程去请求数据库，其他线程挂起，线程查完数据库后，更新缓存，其他线程去访问缓存，返回数据。至于分布式锁如何使用和其底层实现，其实有比较多的细节注意的，但这里不过多讲解，后续会陆续出对应的文章，如果你安耐不住寂寞，可以去谷歌一下。

• 针对原因三，方案：Redis的高可用。说到高可用，无非就是主从结构+哨兵模式，或者Redis集群。(加链接)

分布式锁和Redis高可用，其实是预防措施，这些应该是事前工作。如果现在缓存并发确实已经发生了，能做的就是把这个模块服务的流量入口缩小，以免因这个模块服务流量过大把MySQL直接打死，从而导致其他模块服务受到影响。如果是Redis宕机了，先把流量入口缩小，然后赶紧重启机器。

当然，最好是事前做好Hystrix的限流、降级、拒绝服务等工作。限流和降级，限流，顾名思义就是限制流量，允许多少流量可以通过，比如每秒最多1000。超过1000后的请求，就走降级，比如返回一些默认值或者友情提示：目前系统繁忙，稍后重试。拒绝服务，则是最后一道防线，如果流量持续一段时间后，仍然很大，就直接拒绝服务，拒绝服务是为了保护Redis直接被流量一波带走，如果Redis服务被打死后，恢复是比较耗费时间的，而且也会因为流量一直很大，刚重启，流量一波又直接带走Redis，完成双杀，Double Kill。拒绝服务，会等流量小后，较快恢复回正常服务状态。拒绝服务是迫不得已之举。

当初大头菜初入互联网行业时，乳臭未干，什么也不懂，用Redis前，只知道Redis很厉害，很适合做缓存，关于Redis的注意事项，除了知道在生产环境不能用keys *命令外，其他一概不懂。当时的评论项目，因为流量特别大，并发贼高，查询评论接口就出现了缓存并发问题，幸好提前做了默认值回复和限流+降级措施。下面是用分布式锁解决缓存并发的关键代码：

  @Autowired
  private DistributionLock locker;
  
 //没缓存，查数据库，获取评论
  if (comment == null) {
      //加分布式锁，只允许一个线程去回源
      if(locker.trylock(Constants.QUERYCOMMENT+moduleType+resourceId)){
          try {
              comment = getDataFromRedis(moduleType, resourceId);
              if(comment == null){
                  //缓存没数据，去数据库查
                  comment = getDataFromMongoDB(moduleType, resourceId);
              }
          }finally {
              locker.unlock(Constants.QUERYCOMMENT+moduleType+resourceId);
          }
      }

分布式锁(图片摘自网络)

接下来，继续讲缓存穿透

缓存穿透

什么是缓存穿透

场景：查询评论的时候，如果直接查询id=-1的数据，那么在缓存中，没命中，又去数据库中查找，又没命中。上述这种情况，被称为缓存穿透。用通俗易懂的话来概括：就是查找一个一定不存在数据库的数据，就叫缓存穿透。

那缓存穿透有什么坏处呢

• 如果流量大时，会直接打趴服务，造成服务不可用。

按照方法论的套路继续走

为什么会出现缓存穿透

• 原因一，非正常请求，比如：黑客攻击，专门构造一些特殊格式的数据来请求，给系统造成巨大压力。

• 原因二，正常请求，用户输错了数据。

解决方案

• 方案一：缓存空对象：在请求时，先访问缓存，查不到数据，再去数据库查询，数据库也查不到对应的数据，返回null给客户端。且异步更新缓存(key,“null”)，并加入短暂的过期时间。

  
  缓存空对象(图片摘自网络)

• 方案二：方案一其实有一个明显的缺点，就是如果请求的数据一定不存在时，那么这个时候，缓存就缓存一大堆无用的（key1,"null"）,(key2,"null")。浪费内存。这个时候可以结合数据校验和布隆过滤器。

  
  布隆过滤器(图片摘自网络)

说到数据校验，这个事儿是特别重要的。尤其是在一些直接涉及到钱的服务中，数据校验是巨重要的。如果不进行数据校验，大公司的老板就少一台宾利。小公司，就可能直接破产了。下面是大头菜的同学所在公司的案例
[图片上传失败...(image-53454c-1615447474941)]

[图片上传失败...(image-781041-1615447474941)]

不管如何，培养良好的开发习惯，能让你受益终身。

缓存雪崩

什么是缓存雪崩

场景：在评论列表中，如果有一批评论成为了热点评论，但不幸，此时这批条评论，在Redis缓存中，都失效了，由于没命中缓存，加上大量请求，都去数据库查询评论，从而给数据库造成极大压力，甚至崩溃。这种情况，被称为缓存雪崩。

缓存雪崩(图片摘自网络)

缓存雪崩的坏处

给数据库极大压力，甚至打垮数据库，从而造成系统不能正常提供服务。

为什么会缓存雪崩

• 原因一，redis宕机，相当于多个key同一时刻失效。

• 原因二，redis没宕机，多个key正常到时就失效。

总结：如何你面试的时候，遇到这个问题，最好分情况回答，就是redis是否宕机。给面试官留下脑子清晰的印象。

解决方案

• 方案一，解决原因一，既然宕机了，那就想到高可用，redis集群，哨兵模式，故障转移和故障恢复，同时还应该做好监控和报警。如果没法自动完成故障转移，那就人工干预。

• 方案二，过期时间=失效时间+随机时间，解决原因二。

• 方案三，永不过期，既然你是因为过期时间到了导致的雪崩，那就干脆让你不过期就完事了。有人会问，那缓存一致性怎么保证？后台主动更新：就是通过mysql更新的时候，让mq监听Binlog，回调更新缓存。使其缓存和数据库数据保持一致。

• 方案四，可以从应用架构角度出发，通过限流，降级，熔断手段来降低影响，除此之外来避免多级缓存来避免这种灾难。如果你使用的微服务架构是SpringCloud，那你可以直接使用Hystrix，来实现限流，降级，熔断，修改一下配置文件即可。

补充

缓存击穿，就是只有一个key过期的缓存雪崩。

总结

全篇下来，几乎都是按照遇到报错——定位问题——分析问题——设计解决方案——解决问题方法论来写的。文中介绍了缓存并发，缓存穿透，缓存雪崩的定义，危险，原因，解决方案。大头菜希望你读完这篇文章后，不仅能学会知识，更能掌握定位问题——分析问题——解决问题的方法论。知识点，这些以后可能会忘，但方法掌握好后，方能见招拆招。

非常感谢你能看到这里，如果觉得文章写得不错 求关注 求点赞 求分享 (对我非常非常有用)。
如果你觉得文章有待提高，我十分期待你对我的建议，求留言。
如果你希望看到什么内容，我十分期待你的留言。
各位的捧场和支持，是我创作的最大动力！