详解Redis相关缓存问题
目录
缓存更新策略
定期⽣成
实时⽣成
缓存淘汰策略
Redis内置缓存淘汰策略
缓存预热
缓存穿透
缓存雪崩
缓存击穿
缓存更新策略
定期⽣成
每隔⼀定的周期(⽐如⼀天/⼀周/⼀个⽉), 对于访问的数据频次进⾏统计. 挑选出访问频次最⾼的前 %N的数据.
实时⽣成
先给缓存设定容量上限(可以通过 Redis 配置⽂件的 maxmemory 参数设定).
接下来把⽤⼾每次查询:
• 如果在 Redis 查到了, 就直接返回.
• 如果 Redis 中不存在, 就从数据库查, 把查到的结果同时也写⼊ Redis.
如果缓存已经满了(达到上限), 就触发缓存淘汰策略, 把⼀些 "相对不那么热⻔" 的数据淘汰掉.
按照上述过程, 持续⼀段时间之后 Redis 内部的数据⾃然就是 "热⻔数据" 了.
缓存淘汰策略
FIFO (First In First Out) 先进先出
把缓存中存在时间最久的 (也就是先来的数据) 淘汰掉.
LRU (Least Recently Used) 淘汰最久未使⽤的
记录每个 key 的最近访问时间. 把最近访问时间最⽼的 key 淘汰掉.
LFU (Least Frequently Used) 淘汰访问次数最少的
记录每个 key 最近⼀段时间的访问次数. 把访问次数最少的淘汰掉.
Random 随机淘汰
从所有的 key 中抽取幸运⼉被随机淘汰掉.
Redis内置缓存淘汰策略
Redis 内置的淘汰策略如下：
• volatile-lru 当内存不⾜以容纳新写⼊数据时，从设置了过期时间的key中使⽤LRU（最近最
少使⽤）算法进⾏淘汰
• allkeys-lru 当内存不⾜以容纳新写⼊数据时，从所有key中使⽤LRU（最近最少使⽤）算法进⾏淘汰.
• volatile-lfu 4.0版本新增，当内存不⾜以容纳新写⼊数据时，在过期的key中，使⽤LFU算法
进⾏删除key.
• allkeys-lfu 4.0版本新增，当内存不⾜以容纳新写⼊数据时，从所有key中使⽤LFU算法进⾏
淘汰.
• volatile-random 当内存不⾜以容纳新写⼊数据时，从设置了过期时间的key中，随机淘汰数
据.
• allkeys-random 当内存不⾜以容纳新写⼊数据时，从所有key中随机淘汰数据.
• volatile-ttl 在设置了过期时间的key中，根据过期时间进⾏淘汰，越早过期的优先被淘汰.
(相当于 FIFO, 只不过是局限于过期的 key)
• noeviction 默认策略，当内存不⾜以容纳新写⼊数据时，新写⼊操作会报错.
缓存预热
定义
缓存预热是指在系统启动之前或系统达到高峰期之前，通过预先将常用数据加载到缓存中，以提高缓存命中率和系统性能的过程。
目的
尽可能地避免缓存击穿和缓存雪崩。
减轻后端存储系统的负载，提高系统的响应速度和吞吐量。
减少冷启动影响，即系统重启或新启动时，避免首次请求处理缓慢。
提高数据访问速度，确保数据快速可用。
平滑流量峰值，帮助系统更好地处理高流量。
保证数据的时效性，特别是对于高度依赖于实时数据的系统。
预热方法
系统启动时加载：在系统启动时，将常用的数据加载到缓存中。
定时任务加载：定时执行任务，将常用的数据加载到缓存中，以保持数据的实时性和准确性。
手动触发加载：在系统达到高峰期之前，手动触发加载常用数据到缓存中。
用时加载：在用户请求到来时，根据用户的访问模式和业务需求，动态地将数据加载到缓存中。
缓存加载器：一些缓存框架提供了缓存加载器的机制，可以在缓存中不存在数据时，自动调用加载器加载数据到缓存中。
缓存穿透
定义
缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时需要从数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，进而给数据库带来压力。
产生原因
恶意攻击：攻击者故意查询不存在的数据，以此来消耗系统资源。
频繁查询不存在的数据：系统中的业务逻辑错误或设计不合理，导致频繁查询不存在的数据。
解决方案
对查询结果为null的数据进行缓存，设定短时限，例如30~60秒，最高5分钟，并定期进行清理。
使用布隆过滤器，通过哈希思想快速判断一个数据是否存在于集合中，从而避免无效的查询。
对URL中的key id值进行对称加密，防止黑客攻击。
缓存雪崩
定义
缓存雪崩是指缓存中数据大批量到过期时间，而查询数据量巨大，引起数据库压力过大甚至宕机。
产生原因
Redis宕机。
采用了相同的过期时间，导致大量缓存同时失效。
解决方案
给不同的Key的TTL（Time To Live）添加随机值，避免大量缓存同时失效。
利用Redis集群提高服务的可用性。
给缓存业务添加降级限流策略。
给业务添加多级缓存。
缓存击穿
定义
缓存击穿是指一个热点的Key，有大并发集中对其进行访问，突然间这个Key失效了，导致大并发全部打在数据库上，导致数据库压力剧增。
产生原因
某个热点的key失效了，此时有大量请求同时访问该数据。
并发查询：多个请求同时查询一个数据，导致缓存未命中，请求直接访问数据库。
解决方案
使用互斥锁：当缓存数据为空时，使用互斥锁保证只有一个线程可以访问数据库，其他线程等待该线程查询数据库并将结果写入缓存。
使用布隆过滤器快速判断一个key是否存在于缓存中，从而避免无效的查询。
预加载：在缓存中设置短暂的过期时间，当缓存数据即将过期时，提前异步更新缓存。