目录

1、缓存穿透

2、缓存击穿

3、缓存雪崩

​​​​​​​4、Redis的并发竞争key问题

---

​​​​​​​1、缓存穿透

        大量请求缓存中和数据库不存在的数据。

        大量用户请求缓存中和数据库中不存在的数据，导致所有请求都落到数据库上，造成数据库短时间内承受大量请求而崩掉。

解决方案：

• 布隆过滤器(增加一个原理图)

        

        布隆过滤器的底层是一个位数组，数组的每个元素只能是0和1。

        添加数据时，将数据通过多个hash算法，映射到位数组中的不同位置，并将该位置为1。

        查询数据时，通过多个hash算法，找出查询数据在位数组中占据的位置，若所占位置全部为1，则说明该数据存在。

        优点：不存储完整的数据，所以占用内存小，查询速度快；

        缺点：hash算法映射的地址可能会重复，只能判断数据一定不存在，无法判断数据一定存在，有一定的误判率。且只支持新增和查询，不支持删除操作。

• 缓存空对象

        当持久层不命中时，即使返回的空对象也存储在缓存中，并设置一个过期时间，之后再访问这个空数据就不用再去请求数据库。（防止用户反复用同一个id进行暴力攻击）

        会存储很多无用的空键，占用缓存空间。

​​​​​​​2、缓存击穿

        大量请求缓存中同一个失效的热点key数据。

        大量用户并发对缓存中的同一个热点key进行请求，当该热点key失效的时候，持续的大并发请求就击穿缓存，直接请求数据库，导致数据库短时间承受大量请求而崩溃。

解决方案：

• 设置热点key永不过期
• 互斥锁

        多个线程同时请求同一个数据时，为第一个请求数据库的线程操作加锁，其他请求等待；等到第一个请求完成后，刷新缓存，其他请求就可以直接通过缓存获取数据。

​​​​​​​3、缓存雪崩

        大量请求缓存中大面积失效的缓存数据。

        缓存同一时间大面积失效（缓存过期，缓存服务宕机），大量用户并发访问缓存时，会将请求落到数据库上，导致数据库短时间承受大量请求而崩溃。

解决方案：

• 缓存数据设置随机的过期时间，防止同一时间大量数据集合失效
• 集群，将数据分布在不同的缓存数据库中
• 限流，通过加锁或队列来控制读数据库写缓存的线程数量

​​​​​​​4、Redis的并发竞争key问题

        多个Redis的客户端同时set key引起的并发问题。

        比如客户端1和客户端2需要对Redis中key为price的值+10，并发执行顺序如下：

1. 客户端1读取price1 = 0；
2. 客户端2读取price2 = 0；
3. 客户端1写入price = price1+10 = 10；
4. 客户端2写入price = price2+10 = 10。
5. 最终Redis结果为10，而不是预期的20。

解决方案：

• 分布式锁

        在redis的服务端用一个状态值表示锁，对锁的占用和释放通过状态值来标识

• 消息队列

         把redis.set操作放在队列中，串行化处理。

• 乐观锁

        假设不会冲突，使用redis命令watch进行构造。

        watch：监控一个或多个键，一旦其中有一个键被修改/删除，之后的事务就不会执行。

        multi：标记事务块的开始。Redis会将后续的命令逐个放入队列中。

        exec：在一个事务中执行所有先前放入队列的命令，然后恢复正常的连接状态。

watch price
get price $price
$price = $price + 10
multi
set price $price
exec

以上内容为个人学习理解，如有问题，欢迎在评论区指出。

部分内容截取自网络，如有侵权，联系作者删除。