缓存雪崩/穿透/击穿的解决方案

缓存是我们项目应用肯定会使用，是我们数据库的守护神，能够保证数据库的稳定，能够提高整个系统的性能。一般我们采用市面上的redis、memcahce方案；redis已经非常强大了，每秒支持几万的连接时不成问题。

上图商品服务要获取商品信息时，先从redis缓存中获取，缓存中不存在再到数据库中取；数据库的资源时比较宝贵的，这样的设计就能把一些请求转移到redis上面去。这是我们小伙伴常用的缓存设计，绝大部分的缓存也就设计到此了。但只有这样的设计，真的我们就可以安枕无忧了吗？老顾带着大家了解一下雪崩，穿透，击穿的含义。

缓存雪崩

雪崩是指我们一般在设置缓存的时候都会设置一个缓存过期时间，如果一些缓存过期时间在同一刻，也就是缓存同时过期了。这个时候有大量请求过来，发现缓存中不存在，就直接到数据库中获取，就像雪崩一样同时打到数据库上面，这样就会导致数据库负载高，很有可能就会崩溃。

解决方案一：

发现缓存不存在，在读取数据库时，再保存到redis缓存中，采用队列的方式或加锁的方式，进行排队访问数据库，这样就能够避免同时打到数据库上。

解决方案二：

这个方案就比较简单，雪崩是因为过期时间在同一刻导致的，那我们就可以在设置过期时间分散开。如在原有的过期时间的基础上加上一个 随机数，比如：1～10分钟，这样就不会放生在同一刻缓存失效了。

解决方案三：

设置二级缓存机制，这样就能够保证即时第一层缓存失效了，还有第二级缓存的保障；不过就增加了系统复杂性。

缓存穿透

穿透是指在查询一个不存在的数据，如商品id=10000，系统就不存在id为10000的数据。按照缓存设计的原理，缓存中找不到此商品，就会到数据库中查询，也没有找到。这样的请求都会打到数据库中，缓存在这个场景中就相当于没有。恶意的人利用这个漏洞发起攻击，直接把数据库搞崩溃。

解决方案一：

最常见的方法就是采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的map中，一定不存在的数据会被这个map过滤掉，这样就避免了访问到数据库。

解决方案二：

就是把空值也缓存起来，如商品id=10000，数据库查询虽然没有找到，但会在redis中保存一个空值。这种方案就会碰到2个问题。

问题一：

空值做了缓存，这样就无形了增加了很多没有意义的缓存，内存吃紧。比较有效的方式就是在这些值上面设置一个过期时间，让起自动删除

问题二：

有可能与业务存在不一致的窗口时间，如：虽然商品ID=10000现在不存在，我们现在在redis中保存了一个空值，但业务后来就真的有了商品id为10000的数据，这样数据库和缓存的信息就不一致，导致业务出现问题。此时就可以利用消息中间件等方式系统剔除掉此缓存数据

缓存击穿

击穿是指某些数据被大量请求，也就是“热点”数据，一旦出现缓存过期时，就会有大量的请求打到后端的数据库，这样就会导致数据库崩溃

解决方案一：检测更新

最容易想到的是这些热点数据设置永不过期，就不存在此问题。这样就会出现一个问题，那缓存怎么去更新呢？

方法一：

可以做一个后台服务，专门用来做数据缓存的更新。每隔30分钟更新一下这些热点缓存数据。不过这样就增加了系统复杂度。

方法二：

方法一过于复杂，我们可以改造一下redis的缓存结构，在缓存业务数据的时候，再保存跟业务数据关联的过期时间key。每次请求过来时，判断一下此业务数据的是否要到过期时间了，如：此值还有1分钟就过期了，这样就服务本身主动去数据库查询一次，做一个缓存的更新。

解决方案二：分级缓存

分级缓存，可采用二级缓存的方式缓存此热点数据。

采用 L1 （一级缓存）和 L2（二级缓存） 缓存方式，L1 缓存失效时间短，L2 缓存失效时间长。 请求优先从 L1 缓存获取数据，如果 L1缓存未命中则加锁，只有 1 个线程获取到锁，这个线程再从数据库中读取数据并将数据再更新到到 L1 缓存和 L2 缓存中，而其他线程依旧从 L2 缓存获取数据并返回。

这种方式，主要是通过避免缓存同时失效并结合锁机制实现。所以，当数据更新时，只能淘汰 L1 缓存，不能同时将 L1 和 L2 中的缓存同时淘汰。L2 缓存中可能会存在脏数据，需要业务能够容忍这种短时间的不一致。而且，这种方案可能会造成额外的缓存空间浪费。

解决方案三：加锁

也就是在获取数据时，redis缓存不存在，在访问数据库时，通过加锁的方式获取数据库的值，这样就保证了访问数据库只有一个请求过来，从而保证数据库的负载。
责任编辑人：CC