Redis 快取穿透，快取擊穿，快取雪崩的解決方案分析

阿新 • • 發佈：2018-12-12

設計一個快取系統，不得不要考慮的問題就是：快取穿透、快取擊穿與失效時的雪崩效應。

一.什麼樣的資料適合快取?

分析一個數據是否適合快取,我們要從訪問頻率、讀寫比例、資料一致性等要求去分析. 這裡寫圖片描述

二.什麼是快取擊穿

在高併發下,多執行緒同時查詢同一個資源,如果快取中沒有這個資源,那麼這些執行緒都會去資料庫查詢,對資料庫造成極大壓力,快取失去存在的意義.打個比方,資料庫是人,快取是防彈衣,子彈是執行緒,本來防彈衣是防止子彈打到人身上的,但是當防彈衣裡面沒有防彈的物質時,子彈就會穿過它打到人身上.

三.快取擊穿的解決辦法

方案一

後臺重新整理

後臺定義一個job(定時任務)專門主動更新快取資料.比如,一個快取中的資料過期時間是30分鐘,那麼job每隔29分鐘定時重新整理資料(將從資料庫中查到的資料更新到快取中).

這種方案比較容易理解，但會增加系統複雜度。比較適合那些 key 相對固定,cache 粒度較大的業務，key 比較分散的則不太適合，實現起來也比較複雜。

方案二

檢查更新

將快取key的過期時間(絕對時間)一起儲存到快取中(可以拼接,可以新增新欄位,可以採用單獨的key儲存..不管用什麼方式,只要兩者建立好關聯關係就行).在每次執行get操作後,都將get出來的快取過期時間與當前系統時間做一個對比,如果快取過期時間-當前系統時間<=1分鐘(自定義的一個值),則主動更新快取.這樣就能保證快取中的資料始終是最新的(和方案一一樣,讓資料不過期.)

這種方案在特殊情況下也會有問題。假設快取過期時間是12:00，而 11:59 到 12:00這 1 分鐘時間裡恰好沒有 get 請求過來，又恰好請求都在 11:30 分的時候高併發過來，那就悲劇了。這種情況比較極端，但並不是沒有可能。因為“高併發”也可能是階段性在某個時間點爆發。

方案三

分級快取

採用 L1 (一級快取)和 L2(二級快取) 快取方式，L1 快取失效時間短，L2 快取失效時間長。請求優先從 L1 快取獲取資料，如果 L1快取未命中則加鎖，只有 1 個執行緒獲取到鎖,這個執行緒再從資料庫中讀取資料並將資料再更新到到 L1 快取和 L2 快取中，而其他執行緒依舊從 L2 快取獲取資料並返回。

這種方式，主要是通過避免快取同時失效並結合鎖機制實現。所以，當資料更新時，只能淘汰 L1 快取，不能同時將 L1 和 L2 中的快取同時淘汰。L2 快取中可能會存在髒資料，需要業務能夠容忍這種短時間的不一致。而且，這種方案可能會造成額外的快取空間浪費。

方案四

加鎖

方法1

// 方法1:
public synchronized List<String> getData01() {
List<String> result = new ArrayList<String>();
// 從快取讀取資料
result = getDataFromCache();
if (result.isEmpty()) {
// 從資料庫查詢資料
result = getDataFromDB();
// 將查詢到的資料寫入快取
setDataToCache(result);
}
return result;
}

這種方式確實能夠防止快取失效時高併發到資料庫,但是快取沒有失效的時候,在從快取中拿資料時需要排隊取鎖,這必然會大大的降低了系統的吞吐量.

方法2

// 方法2:
static Object lock = new Object();
public List<String> getData02() {
List<String> result = new ArrayList<String>();
// 從快取讀取資料
result = getDataFromCache();
if (result.isEmpty()) {
synchronized (lock) {
// 從資料庫查詢資料
result = getDataFromDB();
// 將查詢到的資料寫入快取
setDataToCache(result);
}
}
return result;
}

這個方法在快取命中的時候,系統的吞吐量不會受影響,但是當快取失效時,請求還是會打到資料庫,只不過不是高併發而是阻塞而已.但是,這樣會造成使用者體驗不佳,並且還給資料庫帶來額外壓力.

方法3

//方法3
public List<String> getData03() {
List<String> result = new ArrayList<String>();
// 從快取讀取資料
result = getDataFromCache();
if (result.isEmpty()) {
synchronized (lock) {
//雙重判斷,第二個以及之後的請求不必去找資料庫,直接命中快取
// 查詢快取
result = getDataFromCache();
if (result.isEmpty()) {
// 從資料庫查詢資料
result = getDataFromDB();
// 將查詢到的資料寫入快取
setDataToCache(result);
}
}
}
return result;
}

雙重判斷雖然能夠阻止高併發請求打到資料庫,但是第二個以及之後的請求在命中快取時,還是排隊進行的.比如,當30個請求一起併發過來,在雙重判斷時,第一個請求去資料庫查詢並更新快取資料,剩下的29個請求則是依次排隊取快取中取資料.請求排在後面的使用者的體驗會不爽.

方法4

static Lock reenLock = new ReentrantLock();
public List<String> getData04() throws InterruptedException {
List<String> result = new ArrayList<String>();
// 從快取讀取資料
result = getDataFromCache();
if (result.isEmpty()) {
if (reenLock.tryLock()) {
try {
System.out.println("我拿到鎖了,從DB獲取資料庫後寫入快取");
// 從資料庫查詢資料
result = getDataFromDB();
// 將查詢到的資料寫入快取
setDataToCache(result);
} finally {
reenLock.unlock();// 釋放鎖
}
} else {
result = getDataFromCache();// 先查一下快取
if (result.isEmpty()) {
System.out.println("我沒拿到鎖,快取也沒資料,先小憩一下");
Thread.sleep(100);// 小憩一會兒
return getData04();// 重試
}
}
}
return result;
}

最後使用互斥鎖的方式來實現，可以有效避免前面幾種問題.

快取穿透

快取穿透是指查詢一個一定不存在的資料，由於快取是不命中時被動寫的，並且出於容錯考慮，如果從儲存層查不到資料則不寫入快取，這將導致這個不存在的資料每次請求都要到儲存層去查詢，失去了快取的意義。在流量大時，可能DB就掛掉了，要是有人利用不存在的key頻繁攻擊我們的應用，這就是漏洞。

解決方案

有很多種方法可以有效地解決快取穿透問題，最常見的則是採用布隆過濾器，將所有可能存在的資料雜湊到一個足夠大的bitmap中，一個一定不存在的資料會被這個bitmap攔截掉，從而避免了對底層儲存系統的查詢壓力。另外也有一個更為簡單粗暴的方法（我們採用的就是這種），如果一個查詢返回的資料為空（不管是數據不存在，還是系統故障），我們仍然把這個空結果進行快取，但它的過期時間會很短，最長不超過五分鐘。

快取雪崩

快取雪崩是指在我們設定快取時採用了相同的過期時間，導致快取在某一時刻同時失效，請求全部轉發到DB，DB瞬時壓力過重雪崩。

解決方案

快取失效時的雪崩效應對底層系統的衝擊非常可怕。大多數系統設計者考慮用加鎖或者佇列的方式保證快取的單線程（程序）寫，從而避免失效時大量的併發請求落到底層儲存系統上。這裡分享一個簡單方案就時講快取失效時間分散開，比如我們可以在原有的失效時間基礎上增加一個隨機值，比如1-5分鐘隨機，這樣每一個快取的過期時間的重複率就會降低，就很難引發集體失效的事件。

快取擊穿

對於一些設定了過期時間的key，如果這些key可能會在某些時間點被超高併發地訪問，是一種非常“熱點”的資料。這個時候，需要考慮一個問題：快取被“擊穿”的問題，這個和快取雪崩的區別在於這裡針對某一key快取，前者則是很多key。

快取在某個時間點過期的時候，恰好在這個時間點對這個Key有大量的併發請求過來，這些請求發現快取過期一般都會從後端DB載入資料並回設到快取，這個時候大併發的請求可能會瞬間把後端DB壓垮。

解決方案

1.使用互斥鎖(mutex key)

業界比較常用的做法，是使用mutex。簡單地來說，就是在快取失效的時候（判斷拿出來的值為空），不是立即去load db，而是先使用快取工具的某些帶成功操作返回值的操作（比如Redis的SETNX或者Memcache的ADD）去set一個mutex key，當操作返回成功時，再進行load db的操作並回設快取；否則，就重試整個get快取的方法。

SETNX，是「SET if Not eXists」的縮寫，也就是隻有不存在的時候才設定，可以利用它來實現鎖的效果。在redis2.6.1之前版本未實現setnx的過期時間，所以這裡給出兩種版本程式碼參考：

//2.6.1前單機版本鎖
String get(String key) {
String value = redis.get(key);
if (value == null) {
if (redis.setnx(key_mutex, "1")) {
// 3 min timeout to avoid mutex holder crash
redis.expire(key_mutex, 3 * 60)
value = db.get(key);
redis.set(key, value);
redis.delete(key_mutex);
} else {
//其他執行緒休息50毫秒後重試
Thread.sleep(50);
get(key);
}
}
}

2. "提前"使用互斥鎖(mutex key)：

在value內部設定1個超時值(timeout1), timeout1比實際的memcache timeout(timeout2)小。當從cache讀取到timeout1發現它已經過期時候，馬上延長timeout1並重新設定到cache。然後再從資料庫載入資料並設定到cache中。虛擬碼如下：

v = memcache.get(key);
if (v == null) {
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
value = db.get(key);
memcache.set(key, value);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
} else {
if (v.timeout <= now()) {
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
// extend the timeout for other threads
v.timeout += 3 * 60 * 1000;
memcache.set(key, v, KEY_TIMEOUT * 2);
// load the latest value from db
v = db.get(key);
v.timeout = KEY_TIMEOUT;
memcache.set(key, value, KEY_TIMEOUT * 2);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
}
}

3. "永遠不過期"：

這裡的“永遠不過期”包含兩層意思：

(1) 從redis上看，確實沒有設定過期時間，這就保證了，不會出現熱點key過期問題，也就是“物理”不過期。

(2) 從功能上看，如果不過期，那不就成靜態的了嗎？所以我們把過期時間存在key對應的value裡，如果發現要過期了，通過一個後臺的非同步執行緒進行快取的構建，也就是“邏輯”過期

從實戰看，這種方法對於效能非常友好，唯一不足的就是構建快取時候，其餘執行緒(非構建快取的執行緒)可能訪問的是老資料，但是對於一般的網際網路功能來說這個還是可以忍受。

String get(final String key) {
V v = redis.get(key);
String value = v.getValue();
long timeout = v.getTimeout();
if (v.timeout <= System.currentTimeMillis()) {
// 非同步更新後臺異常執行
threadPool.execute(new Runnable() {
public void run() {
String keyMutex = "mutex:" + key;
if (redis.setnx(keyMutex, "1")) {
// 3 min timeout to avoid mutex holder crash
redis.expire(keyMutex, 3 * 60);
String dbValue = db.get(key);
redis.set(key, dbValue);
redis.delete(keyMutex);
}
}
});
}
return value;
}

4. 資源保護：

採用netflix的hystrix，可以做資源的隔離保護主執行緒池，如果把這個應用到快取的構建也未嘗不可。

四種解決方案：沒有最佳只有最合適

解決方案	優點	缺點
簡單分散式互斥鎖（mutex key）	1. 思路簡單 2. 保證一致性	1. 程式碼複雜度增大 2. 存在死鎖的風險 3. 存線上程池阻塞的風險
“提前”使用互斥鎖	1. 保證一致性	同上
不過期(本文)	1. 非同步構建快取，不會阻塞執行緒池	1. 不保證一致性。 2. 程式碼複雜度增大(每個value都要維護一個timekey)。 3. 佔用一定的記憶體空間(每個value都要維護一個timekey)。
資源隔離元件hystrix(本文)	1. hystrix技術成熟，有效保證後端。 2. hystrix監控強大。	1. 部分訪問存在降級策略。

總結

針對業務系統，永遠都是具體情況具體分析，沒有最好，只有最合適。

最後，對於快取系統常見的快取滿了和資料丟失問題，需要根據具體業務分析，通常我們採用LRU策略處理溢位，Redis的RDB和AOF持久化策略來保證一定情況下的資料安全。

Redis 快取穿透，快取擊穿，快取雪崩的解決方案分析

設計一個快取系統，不得不要考慮的問題就是：快取穿透、快取擊穿與失效時的雪崩效應。

一.什麼樣的資料適合快取?

二.什麼是快取擊穿

三.快取擊穿的解決辦法

方案一

方案二

方案三

方案四

方法1

方法2

方法3

方法4

快取穿透

解決方案

快取雪崩

解決方案

快取擊穿

解決方案

1.使用互斥鎖(mutex key)

2. "提前"使用互斥鎖(mutex key)：

3. "永遠不過期"：

4. 資源保護：

總結

相關推薦