缓存相关问题与优化

缓存能够有效的加速应用的读写速度，同时降低后端负载，不过将缓存加入架构后也可能引入一些新的问题。这里我们对常见的问题进行汇总与解决

缓存穿透

指查询一个根本不存在的数据，缓存层和存储层都不会命中，通常出于容错的考虑，如果整个存储层查不到数据则不写入缓存层。导致每次请求都要到存储层去查询，失去了保护后端存储的意义。

原因：

• 自身业务代码或者数据出现问题

• 一些恶意攻击，爬虫等造成

解决办法：

1. 缓存空对象，并设置过期时间。如果存储层添加对应数据时，利用消息系统或者其他方式清除缓存

2. 布隆过滤器，在缓存层和存储层之间，用布隆过滤器保存起来，做一层拦截。适用于数据命中不高，数据相对固定的应用。

缓存雪崩

当由于某种原因，缓存层不能提供服务的时候，所有请求都会到达存储层，造成存储层联机宕机的情况。

解决办法：

• 保证缓存层的高可用性，个别节点宕机后依然可以提供服务

• 依赖隔离组件为后端限流并降级，在实际项目中，我们需要对重要的资源都进行隔离，让每种资源都运行在自己的线程池中，即便个别资源出现问题，对其他服务没有影响。降级的话则使用数据填充，不至于服务不可用。

对于如何保证高可用参考我之前写的文章：

• 快速搭建Redis Cluster集群 https://www.jianshu.com/p/4e4e5a18584d

• 基于Codis的Redis集群 https://www.jianshu.com/p/d175201e7e2c

除此之外还有一些KeepAlived，Redis哨兵等高可用解决方案

热点Key重建优化

当前key是一个热点的key，并发量非常的大，重建缓存不能再短时间内完成，缓存失效的瞬间，有大量的线程来重建缓存，造成后端负载加大，甚至应用崩溃。

解决办法：

• 减少重建缓存的次数，引入互斥锁。保证同一时间只有一个线程可以重建缓存。

• 数据尽可能一致

互斥锁方案表示：

数据尽可能一致的话，比如设置数据""永远不过期"，不设置过期时间的同时，为每个value添加逻辑过期时间，当超过逻辑过期时间后，新开线程异步更新缓存

参考

• 布隆过滤器(Bloom Filter)的原理和实现

• [Redis开发与运维]

注：

本文独家发布自金蝶云社区