redis(七):击穿、穿透、雪崩、分布式锁

本文探讨了缓存击穿、穿透及雪崩现象的产生原因与解决方案,包括使用Redis分布式锁、布隆过滤器及随机过期时间等技术手段。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

击穿

在这里插入图片描述

  • 产生场景:如果一个key很长时间没有被访问,变为冷数据,则该key会从缓存中删除,如果刚好在这个时点下,发生了高并发请求该key,却发现缓存中没有该key,那么请求就会压到数据库上,这就是缓存击穿
  • 解决方案:由于redis是单进程单实例的,那么redis中请求必然是串行的,所以可以采取如下方案:当第一个请求发现redis中没有需要获取的key时,会通过setnx创建一把锁,并拿到该锁去数据库中获取key,并将key保存到redis。在第一个请求拿到锁的这段时间,其他请求由于没有拿到锁,必然会阻塞,这时可以让他们sleep一段时间,然后重新去redis中查找该key,如果没有查到,继续获取setnx这把锁,如果没获取到锁继续sleep,重复这个过程,直到获取到key,简要步骤如下:
1、get key
2、setnx
	2.1、返回true:去数据库查找key,并将key保存到redis
	2.2、返回false:sleep一段时间,重复一二步骤
  • 存在的问题:如果第一个请求线程挂了,那么这个锁何时释放?如果设置锁超时时间,太长会导致其他线程阻塞时间过长,太短则会在该线程没挂并且没有完成数据库操作的期间无故释放锁,导致其他请求线程获取到该锁和该线程并发访问数据库。
  • 解决方案:多线程解决,一个线程操作数据库,一个线程监控锁和操作数据库线程的状态,如果操作数据库的线程没有完成数据库操作,并且锁即将释放,则刷新锁超时时间。

穿透

  • 产生场景:用户请求的数据是缓存以及数据库都不存在的数据,这时就发生了缓存穿透
  • 解决方案:布隆过滤器

雪崩

  • 产生场景:大量的key同时失效,间接导致大量访问到达数据库
  • 解决方案:
    1、时点性无关:随机过期时间。缺点:对于零点时刻必须大量更换key的业务场景不适用,比如贷款系数一天一变
    2、时点性有关:必须造成雪崩,可以参考缓存击穿的解决方案。或者在业务层上做判断,让请求随机sleep一段时间,即零点延时,不要将流量放到数据库访问层。

redis实现分布式锁

  • setnx:setnx作为分布式锁,存在的问题:有可能拿到锁的线程挂了,导致资源浪费
  • 锁的超时时间:太长会浪费资源,太短则不能保证拿到锁的线程完成数据库操作
  • 多线程(守护线程):创建监控线程,短间隔时间去监控锁以及操作数据库线程的状态,延长过期时间
### Redis 中缓存击穿穿透雪崩现象及其解决方案 #### 缓存击穿 当一个热点 key 的过期时间设置不合理,恰好在这个 key 过期的时候有大量的请求并发访问这个 key,则这些请求会全部打到数据库上造成瞬时压力过大。这种情况被称为缓存击穿。 为了防止这种状况的发生,可以采用如下措施: - 设置永不过期的时间戳来避免大量查询直接冲击 DB[^1]。 ```python import time from redis import Redis def get_data_with_fallback(redis_client, key): data = redis_client.get(key) if not data: with distributed_lock(key): # 使用分布式锁确保只有一个线程能执行这段代码 data = fetch_from_db(key) # 假设这是获取数据的方法 if data is None: redis_client.setex(key, "null", timeout=60) # 存储空值并设定较短的有效期 else: redis_client.set(key, data) return data ``` #### 缓存穿透 对于不存在的数据,如果每次都被查到 Redis 和底层存储中均未命中,那么恶意攻击者可能利用此漏洞频繁发起非法请求,从而导致服务器资源浪费甚至崩溃。这便是所谓的缓存穿透问题。 针对这一情况,建议采取以下方法之一或组合使用多种方式加以防范: - 利用布隆过滤器提前判断是否存在该条记录; - 对于查询结果为空的情况也进行缓存处理,并给予一定时限内的有效期; ```python class CacheLayer: def __init__(self, bloom_filter, redis_client): self.bloom_filter = bloom_filter self.redis_client = redis_client def check_and_fetch(self, item_id): if not self.bloom_filter.contains(item_id.encode()): return {"status": False} cached_result = self.redis_client.get(f'item:{item_id}') if cached_result is None: actual_result = database_query(item_id) # 获取真实数据逻辑 if not actual_result["exists"]: self.redis_client.setex( f'missed_item:{item_id}', 'false', ex=300) # 将缺失项加入缓存一段时间 elif isinstance(actual_result['data'], dict): self.redis_client.hmset(f'item:{item_id}', actual_result['data']) return actual_result return {'status': True, **json.loads(cached_result)} ``` #### 缓存雪崩 在同一时刻有大批量的 cache 同步失效,进而引发大量的 db 查询操作,最终可能导致整个系统瘫痪。这就是所说的缓存雪崩事件。 为了避免此类事故的发生,推荐实施下列策略: - 实施主从复制架构下的 Redis 高可用集群部署方案,以便在主节点发生故障时自动切换至备用节点继续提供服务[^2]; - 给不同类型的缓存配置不同的过期间隔,使得它们不会集中在同一时间段内到期; - 应用限流算法控制流量峰值,减轻突发情况下对后端的压力。
评论
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