什么是Redis缓存雪崩、穿透、击穿


本篇博客我们来介绍Redis使用过程中需要注意的三种问题:缓存穿透、缓存击穿、缓存雪崩。

一. 缓存雪崩

1.1 缓存雪崩的定义

缓存雪崩描述的就是这样一个简单的场景:缓存在同一时间大面积的失效,后面的请求都直接落到了数据库上,造成数据库短时间内承受大量请求。

举个例子:系统的缓存模块出了问题比如宕机导致不可用。造成系统的所有访问,都要走数据库。

还有一种缓存雪崩的场景是:有一些被大量访问的数据(热点缓存)在某一时刻大面积失效(Redis宕机),导致对应的请求直接落到了数据库上。

举个例子 :秒杀开始 12 个小时之前,我们统一存放了一批商品到 Redis 中,设置的缓存过期时间也是 12 个小时,那么秒杀开始的时候,这些秒杀的商品的访问直接就失效了。导致的情况就是,相应的请求直接就落到了数据库上,就像雪崩一样可怕。

1.2 解决办法

  • 针对 Redis 服务不可用的情况
    • 采用 Redis 集群,避免单机出现问题整个缓存服务都没办法使用。
    • 限流,避免同时处理大量的请求。
  • 针对热点缓存失效的情况
    • 设置不同的失效时间比如随机设置缓存的失效时间。
    • 缓存永不失效。

二、缓存穿透

2.1 缓存穿透的定义

缓存穿透说简单点就是大量请求的 key 根本不存在于缓存中,导致请求直接到了数据库上,根本没有经过缓存这一层。

举个例子:某个黑客故意制造我们缓存中不存在的 key 发起大量请求,导致大量请求落到数据库。

如下图所示,用户的请求最终都要跑到数据库中查询一遍。
在这里插入图片描述

2.2 解决办法

最基本的就是首先做好参数校验,一些不合法的参数请求直接抛出异常信息返回给客户端。比如查询的数据库 id 不能小于 0、传入的邮箱格式不对的时候直接返回错误消息给客户端等等。

1)缓存无效 key
如果缓存和数据库都查不到某个 key 的数据就写一个到 Redis 中去并设置过期时间,具体命令如下: SET key value EX 10086 。这种方式可以解决请求的 key 变化不频繁的情况,如果黑客恶意攻击,每次构建不同的请求 key,会导致 Redis 中缓存大量无效的 key 。很明显,这种方案并不能从根本上解决此问题。如果非要用这种方式来解决穿透问题的话,尽量将无效的 key 的过期时间设置短一点比如 1 分钟。

一般情况下我们是这样设计 key 的: 表名:列名:主键名:主键值 。
如果用 Java 代码展示的话,差不多是下面这样的:

public Object getObjectInclNullById(Integer id) {
    // 从缓存中获取数据
    Object cacheValue = cache.get(id);
    // 缓存为空
    if (cacheValue == null) {
        // 从数据库中获取
        Object storageValue = storage.get(key);
        // 缓存空对象
        cache.set(key, storageValue);
        // 如果存储数据为空,需要设置一个过期时间(300秒)
        if (storageValue == null) {
            // 必须设置过期时间,否则有被攻击的风险
            cache.expire(key, 60 * 5);
        }
        return storageValue;
    }
    return cacheValue;
}

2)布隆过滤器

布隆过滤器是一个非常神奇的数据结构,通过它我们可以非常方便地判断一个给定数据是否存在于海量数据中。我们需要的就是判断 key 是否合法,有没有感觉布隆过滤器就是我们想要找的那个“人”。

具体是这样做的:把所有可能存在的请求的值都存放在布隆过滤器中,当用户请求过来,先判断用户发来的请求的值是否存在于布隆过滤器中。不存在的话,直接返回请求参数错误信息给客户端,存在的话才会走下面的流程。

加入布隆过滤器之后的缓存处理流程图如下。
在这里插入图片描述
但是,需要注意的是布隆过滤器可能会存在误判的情况。总结来说就是: 布隆过滤器说某个元素存在,小概率会误判。布隆过滤器说某个元素不在,那么这个元素一定不在

为什么会出现误判的情况呢? 我们还要从布隆过滤器的原理来说!

我们先来看一下,当一个元素加入布隆过滤器中的时候,会进行哪些操作

  1. 使用布隆过滤器中的哈希函数对元素值进行计算,得到哈希值(有几个哈希函数得到几个哈希值)。
  2. 根据得到的哈希值,在位数组中把对应下标的值置为 1。

我们再来看一下,当我们需要判断一个元素是否存在于布隆过滤器的时候,会进行哪些操作

  1. 对给定元素再次进行相同的哈希计算;
  2. 得到值之后判断位数组中的每个元素是否都为 1,如果值都为 1,那么说明这个值在布隆过滤器中,如果存在一个值不为 1,说明该元素不在布隆过滤器中。

然后,一定会出现这样一种情况:不同的字符串可能哈希出来的位置相同。 (可以适当增加位数组大小或者调整我们的哈希函数来降低概率)

三、缓存击穿

3.1 缓存击穿的定义

Redis中一个热点key在失效的同时,大量的请求过来,从而会全部到达数据库,压垮数据库。
在这里插入图片描述

这里要注意的是这是某一个热点key过期失效,和前面介绍的缓存雪崩是有区别的。比如淘宝双十一,对于某个特价热门的商品信息,缓存在Redis中,刚好0点,这个商品信息在Redis中过期查不到了,这时候大量的用户又同时正好访问这个商品,就会造成大量的请求同时到达数据库。

3.2 解决办法

1)设置热点数据永不过期
对于某个需要频繁获取的信息,缓存在Redis中,并设置其永不过期。当然这种方式比较粗暴,对于某些业务场景是不适合的。

2)定时更新
比如这个热点数据的过期时间是1h,那么每到59minutes时,通过定时任务去更新这个热点key,并重新设置其过期时间。

2)互斥锁
这是解决缓存穿透比较常用的方法。
互斥锁简单来说就是在Redis中根据key获得的value值为空时,先锁上,然后从数据库加载,加载完毕,释放锁。若其他线程也在请求该key时,发现获取锁失败,则睡眠一段时间(比如100ms)后重试。

<think> 首先,用户的问题是:"我想了解redis缓存雪崩缓存穿透缓存击穿的含义"。用户想知道这三种缓存问题的含义。 我从系统指令中知道: - 我必须使用$...$格式表示行内数学表达式。 - 独立公式用$$...$$格式并单独成段。 - LaTeX语法必须正确。 - 使用中文回答。 - 生成相关问题。 - 回答中引用的段落末尾自然地添加引用标识。 - 回答结构清晰,帮助用户逐步解决问题,尽量保证真实可靠。 用户提供了几个引用: - 引用[1]:解释了缓存击穿:热点key过期导致大量访问数据库。解决方式:互斥锁和逻辑过期。 - 引用[2]:强调了面试重要性,给出了预防策略:事前(Redis高可用)、事中(本地缓存、限流、降级)、事后(持久化)。 - 引用[3]:介绍了缓存雪崩的例子:大批缓存同时过期。解决办法:Redis集群、限流、随机过期时间、缓存永不失效。 - 引用[4]:解释了缓存穿透:查询不存在的数据,直接访问数据库。 - 引用[5]:提供了总结对比表,列出了三种问题的触发条件、数据库压力、特征和解决方案。 我需要基于这些引用,结构化地回答用户的问题: - 先解释每个术语的含义。 - 确保回答清晰、逐步。 - 使用中文。 - 在引用的地方自然地添加引用标识,如[^1]。 定义: - **缓存雪崩**:大量缓存同时过期或Redis服务不可用,导致请求直接打到数据库,造成数据库压力过大。引用[3]和[^5]。 - **缓存穿透**:查询数据库中不存在的数据,缓存中也没有,导致每次请求都访问数据库。引用[^4]和[^5]。 - **缓存击穿**:一个热点key过期时,大量并发请求直接访问数据库。引用[^1]和[^5]。 结构化回答: 1. **简介**:先概述Redis缓存问题的背景。 2. **缓存雪崩**解释。 3. **缓存穿透**解释。 4. **缓存击穿**解释。 5. **总结**对比。 6. **生成相关问题**:在最后添加相关问题。 添加引用标识: - 当引用某个具体段落时,在末尾加上[^n],但确保自然。例如,在解释缓存击穿时提到"热点key过期"时引用[^1]。 生成相关问题: - 基于主题,生成3-5个相关问题,如解决方案、区别等。参考示例中的格式:"§§相关问题§§" 后列出问题。 回答格式: - 使用清晰的标题或段落。 - 避免使用Markdown标题,因为用户可见层要自然。 最终回答结构: - 开头:直接回答问题。 - 主体:分点解释每种含义。 - 结尾:简要总结。 - 相关问题部分。 内容大纲: 1. Redis缓存问题简介:Redis用于缓存数据,但可能有三种常见问题:雪崩穿透击穿。 2. 缓存雪崩:含义、例子(如大批缓存同时过期)、后果。 3. 缓存穿透:含义、例子(查询不存在的数据如id=-1)、后果。 4. 缓存击穿:含义、例子(热点key过期)、后果。 5. 总结:对比三者区别(参考引用[5]表)。 6. 相关问题:生成相关问题。 相关问题想法: 1. 如何防止Redis缓存雪崩? 2. 缓存穿透缓存击穿有什么区别? 3. Redis中如何实现互斥锁来解决缓存击穿? 4. 在实际项目中,如何检测和缓解缓存穿透问题? 5. 为什么缓存永不失效是解决雪崩的一种方式? 确保使用中文。 </think> ### Redis缓存雪崩缓存穿透缓存击穿的含义 Redis作为高性能缓存系统,在应用中常见三种缓存问题:缓存雪崩缓存穿透缓存击穿。这些问题可能导致数据库压力过大甚至服务崩溃。下面我将基于您的引用材料,清晰地解释每种问题的含义、特征和典型场景(参考引用[1], [3], [4], [5])。回答结构如下:先定义每种问题,再举例说明,最后总结对比。 #### 1. **缓存雪崩** - **含义**:缓存雪崩指大量缓存数据在同一时间段过期或Redis服务不可用,导致大量请求直接涌入数据库,引发数据库负载剧增甚至宕机。这就像雪崩一样,瞬间压力爆发波及整个系统[^3][^5]。 - **例子**:假设在秒杀活动前12小时,您将商品数据批量存入Redis,并设置统一的12小时过期时间。活动开始时,所有缓存同时失效,大量用户请求无法命中缓存,直接查询数据库,造成数据库瞬间高负载[^3]。 #### 2. **缓存穿透** - **含义**:缓存穿透指用户查询数据库中不存在的数据(如无效ID或恶意攻击),导致每次请求都绕过缓存直接访问数据库。这会持续消耗数据库资源,尤其当攻击者频繁发送无效查询时[^4][^5]。 - **例子**:如果数据库中ID从0开始自增,用户却反复查询ID为-1的数据。由于缓存和数据库都没有该数据,请求直接打到数据库,形成持续无效流量压力[^4]。 #### 3. **缓存击穿** - **含义**:缓存击穿指一个热点Key(如高并发访问的数据)过期时,大量并发请求同时涌入数据库试图重建缓存。这会造成瞬时数据库峰值压力,区别于雪崩的批量失效[^1][^5]。 - **例子**:在秒杀活动中,某个热门商品Key(如“iphone_15”)缓存过期瞬间,成千上万用户请求该Key,全部直接访问数据库,导致数据库瞬时过载[^1]。 #### 总结对比 | 问题类型 | 触发条件 | 数据库压力特征 | 核心差异点 | |------------|------------------------------|----------------------|--------------------------| | **缓存雪崩** | 大批缓存同时过期或Redis故障 | 持续高压、随机爆发 | 多个Key同时失效[^5] | | **缓存穿透** | 查询不存在数据 | 持续无效请求 | 数据根本不存在[^4] | | **缓存击穿** | 单个热点Key过期 | 瞬时峰值 | 聚焦单个高并发Key[^1][^5] | 理解这些含义有助于设计预防策略,如设置随机过期时间避免雪崩、使用布隆过滤器过滤穿透请求、或互斥锁解决击穿问题[^2]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值