目录
（一）缓存预热
1、问题排查
- 请求数量比较高
- 主从之间数据吞吐量较大，数据同步操作频度较高
2、解决方案
前置准备工作：
- 日常例行统计数据访问记录，统计方问频度较高的热点数据
- 利用LRU数据删除策略，构建数据留存队列
- 例如：storm与kafka配合
准备工作：
- 将统计结果中的数据分类，根据级别，redist优先加载级别较高的热点数据
- 利用分布式多服务器同时进行数据读取，提速数据加载过程
实施：
- 使用脚本程序固定触发数据预热过程
- 如果条件允许，使用了CDN(内容分发网络)，效果会更好
3、总结
- 缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！这样减少了磁盘IO。
（二）缓存雪崩
1、数据库服务器崩溃
- 系统平稳运行过程中，忽然数据库连接量激增
- 应用服务器无法及时处理请求
- 大量408,500错误页面出现
- 客户反复刷新页面获取数据
- 数据库崩溃
- 应用服务器崩溃
- 重启应用服务器无效
- Redis服务器崩溃
- Redis:集群崩溃
- 重启数据库后再次被瞬间流量放倒
2、问题排查
- 在一个较短的时间内，缓存中较多的key集中过期
- 此周期内请求访问过期的数据，redis未命中，redis向数据车获取数据
- 数据库同时接收到大量的请求无法及时处理
- Redis大量请求被积压，开始出现超时现象
- 数据库流量激增，数据库崩溃
- 重启后仍然面对缓存中无数据可用
- Redis服务器资源被严重占用，Redis服务器崩溃
- Rediss集群呈现崩塌，集群瓦解
- 应用服务器无法及时得到数据响应请求，来自客户端的清求数量越来越多，应用服务器崩溃
- 应用服务器，redis,数据库全部重启，效果不理想
3、解决方案（道）
- 更多的页面静态化处理
- 构建多级缓存架构
- Nginx缓存+redis缓存+ehcaches缓存
- 检测M小ysq严重耗时业务进行优化
- 对数据库的瓶颈排查：例如超时查询、耗时较高事务等
- 灾难预警机制
- 监控redis服务器性能指标
- CPU占用、CPU使用率
- 内存容量
- 查询平均响应时间
- 线程数
- 限流、降级
- 短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力待业务速运转后再逐步放开访问
4、解决方案（术）
- LRU与LFU切换
- 数据有效明策略调整
- 根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟
- 过期时间使用固定时间+随机值的形式，稀释集中到期的ky的傲量
- 超热数据使用永久key
- 定期维护（自动+人工）
- 对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
- 加锁
- 慎用！
5、总结
- 缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的出现(约40%)，配合其他策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整。
（三）缓存击穿
1、数据库服务器崩溃
- 系统平稳运行过程中
- 数据库连接量瞬间激增
- Redis服务器无大量key过期
- Redis内存平稳，无波动
- Redis服务器CPU正常
- 数据库崩渍
2、问题排查
- Redist中某个key过期，该key访问量巨大
- 多个数据请求从服务器直接压到Redis后，均未命中
- Redis在短时间内发起了大量对数据库中同一数据的访问
3、问题分析
- 单个key高热数据
- key过期
4、问题解决
- 预先设定
- 以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息ky的过期时长
- 注意：购物节不仅仅指当天，以及后续若干天，方问峰值呈现逐渐降低的趋势
- 现场调整
- 监控访问量，对自然流量激增的数诞长过期时间或设置为永久性ky
- 后台刷新数据
- 启动定时任务，高峰期来临之前，刷新数据有效朗，确保不丢失
- 二级缓存
- 设置不同的失效时间，保障不会被同时淘汰就行
- 加锁
- 分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！
5、总计
缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中rdis后，发起了大量对同一数据的数据库访问，导致对数据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略，毕竟单个ky的过期监控难度较高，配合雪崩处理策略即可。
（四）缓存穿透
1、数据库服务器奔溃（3）
- 系统平稳运行过程中
- 应用服务器流量随时间增量较大
- Redis服务器命中率随时间逐步降低
- Redis内存平稳，内存无压力
- Redis服务器CPU占用激增
- 数据库服务器压力激增
- 数据库崩渍
2、问题排查
- Redist中大面积出现未命中
- 出现非正常URL访问
3、问题分析
- 获取的数据在数据库中也不存在，数据库查询未得到对应数据
- Redis获取到null数据未进行持久化，直接返回
- 下次此类数据到达重复上述过程
- 出现黑客攻击服务器
4、解决方案（术）
- 缓存null
- 对查询结果为null的数据进行缓存（长期使用，定期清理），设定短时限，例如30-60秒，最高5分钟
- 白名单策略
- 提前预热各种分类数据id对应的bitmaps,id作为bitmaps的offset,相当于设置了数据白名单。当加载正常数据时，放
行，加载异常数据时直接拦截（效率偏低） - 使用布隆过滤器（有关布隆过滤器的命中问题对当前状况可以忽略）
- 提前预热各种分类数据id对应的bitmaps,id作为bitmaps的offset,相当于设置了数据白名单。当加载正常数据时，放
- 实施监控
- 实时监控redis命中率（业务正常范围时，通常会有一个波动值）与nul数据的占比
- 非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象
- 活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象
- 根据倍数不同，启动不同的排查流程。然后使用黑名单进行防控（运营）
- key加密
- 问题出现后，临时启动防灾业务key,对key进行业务层传输加密服务，设定校验程序，过来的key校验
- 例如每天随机分配60个加密串，挑选2到3个，淆到页面数据id中，发现访问ky不满捉规则，驳回数据访方问
（五）性能指标监控
1、性能指标监控
- 性能指标：Performance
- 内存指标
- 基本活动指标
- 持久性指标
- 错误指标
2、性能指标：Performance
| Name | Description |
|---|---|
| latency | Redis响应一个请求的时间 |
| instantaneous_ops_per_sec | 平均每秒处理请求总数 |
| hit rate | 缓存命中率 |
3、监控指标：Memory
| Name | Description |
|---|---|
| used_memory | 已使用内存 |
| mem_fragmentiation | 内存碎片率 |
| evicted_keys | 由于最大内存限制被移除的key的数量 |
| blocked_clients | 由于BLPOP,BRPOP,or BRPOPLPUSH而备阻塞的客户端 |
4、基本活动指标：Basic activity
| Name | Description |
|---|---|
| connected_clients | 客户端连接数 |
| connected_slaves | slave数量 |
| master_last_io_seconds_ago | 最近一次主从交互之后的秒数 |
| keyspace | 数据库中的key值总数 |
5、持久化性指标：Persistence
| Name | description |
|---|---|
| rdb_last_save_time | 最后一次持久化保存到磁盘的时间戳 |
| rdb_changes_since_last_save | 自最后一次持久化以来数据库的更改数 |
6、错误指标：Error
| Name | Description |
|---|---|
| rejected_connections | 由于达到maxclicen限制而被拒绝的连接数 |
| keyspace_misses | key值查找失败（没有命中）次数 |
| master_link_down_since_seconds | 主从断开的持续时间（以秒为单位） |
7、监控工具和命令
1、工具
- Cloud Insight Redis
- Prometheus
- Redis-stat
- Redis-faina
- RedisLive
- zabbix
2、命令：
- benchmark（压测）
- 命令：
- redis-benchmark [-h [-p [-c [-n <requests]>[-k]
- 范例：
- redis-benchmark
- 说明:50个链接，1000次请求对应的性能
- 范例：
- redis-benchmark -c 100 -n 5000
- 说明：100个链接，5000次请求对应的性能
- 命令：
- monitor
- monitor
- 打印服务器调试信息
- slowlog
- slowlog [operator]
- get 获取慢查询日志
- len 获取慢查询日志条数目
- reset 重置慢查询日志
- 相关配置：
- s1ow1og-1og-s1ower-than1000#设置慢查询的时间下线，单位：微妙
- slowlog-max-len 100
enchmark -c 100 -n 5000
- 说明：100个链接，5000次请求对应的性能
- slowlog [operator]
- monitor
- monitor
- 打印服务器调试信息
- slowlog
- slowlog [operator]
- get 获取慢查询日志
- len 获取慢查询日志条数目
- reset 重置慢查询日志
- 相关配置：
- s1ow1og-1og-s1ower-than1000#设置慢查询的时间下线，单位：微妙
- slowlog-max-len 100
设置慢查询命令对应的日志显示长度，单位：命令数
- slowlog [operator]
结束
嗨 ，道友，喜欢就给个一键三连吧，你的肯定是我最大的动力，后续更新中。
扫一扫
1391
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
