Redis(二)-----缓存优化

穿透优化

缓存穿透是指查询一个根本不存在数据，缓存层和存储层都不会命中

造成的问题

缓存层不命中，每次都要取存储层访问存储层，没有起到保护存储层的作用，更有可能导致后端负载加大引起后端宕机。
检测方式：统计总调用数、缓存命中数、存储层命中数查看是否有大量的存储层空命中

如何解决

• 缓存空对象，即使存储层查询不到也返回null给缓存层存储，之后的访问直接从缓存层拿数据了。
  设置较短时间的超时清除缓存策略，减少缓存层空对象占用内存，若出现数据不一致，可利用消息系统等方式删除旧缓存并从新缓存
  适合命中率不高但实时性要求高的场景，维护简单但需要过多的存储空间并且会出现数据不一致
• 布隆过滤器拦截，在缓存层和存储层前面加一个存放已存在key的布隆过滤器，做第一层拦截
  适合数据实时性不高相对固定的场景，代码维护复杂，但是缓存空间占用少

无底洞优化

增加更多的缓存服务器反而引起性能下降的现象就叫“无底洞”现象
产生原因：因为通过增加缓存服务器作水平扩展的时候，键值会分布到更多的节点上，因此在进行批量操作的时候就会增加多次网络时间

如何解决

• 串行命令：将批处理分解成多个单一命令，编程简单，keys很大的时候耗时长
• 串行IO：对每个节点作批量处理，这样将一个多节点的批处理变成多个单节点的批处理，操作时间=node次网络时间+n次命令时间，节点太多的时候性能较差
• 并行IO：将串行IO中单节点的批量操作变为多线程同时进行，变成一次节点处理的网络时间，总的时间=max_slow(node网络时间)+n次命令时间，极大地减少了网络时间，但是编程复杂，维护也较难
• hash_tag:将多个key强制分配在一个节点上面，操作时间=1次网络时间+n次命令时间，性能最好，维护成本较高，容易出现数据倾斜

雪崩优化

缓存雪崩是指当缓存层缓存了大量的数据，极大减轻了后端存储层的负载，然后缓存层突然不可用，导致所有的请求直接到达后端，后端直接崩掉

如何解决

• 提高缓存层的高可用性
• 依赖隔离组件为后端限流并降级
• 提前压力测试