旁路缓存：Redis是如何⼯作的？

最新推荐文章于 2024-08-07 14:51:57 发布
最新推荐文章于 2024-08-07 14:51:57 发布
阅读量260 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 从入门到精通的Redis 文章标签： redis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_36691991/article/details/123635268
本文介绍了Redis作为缓存的工作原理，包括其作为旁路缓存的使用操作，缓存的两种类型：只读缓存和读写缓存，并讨论了缓存的特征，如快速访问和有限容量。在旁路缓存中，应用需处理缓存命中和缺失的逻辑。Redis适合用作缓存的原因在于其高性能和数据淘汰机制。缓存更新涉及到数据一致性问题，而Redis的读写缓存模式提供了同步直写和异步写回策略，用于在性能和数据可靠性之间权衡。

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

我们知道，Redis提供了⾼性能的数据存取功能，所以⼴泛应⽤在缓存场景中，既能有效地提升业务应⽤的 响应速度，还可以避免把⾼并发⼤压⼒的请求发送到数据库层。

但是，如果Redis做缓存时出现了问题，⽐如说缓存失效，那么，⼤量请求就会直接积压到数据库层，必然 会给数据库带来巨⼤的压⼒，很可能会导致数据库宕机或是故障，那么，业务应⽤就没有办法存取数据、响 应⽤⼾请求了。这种⽣产事故，肯定不是我们希望看到的。

正因为Redis⽤作缓存的普遍性以及它在业务应⽤中的重要作⽤，所以，我们需要系统地掌握缓存的⼀系列 内容，包括⼯作原理、替换策略、异常处理和扩展机制。具体来说，我们需要解决四个关键问题：

Redis缓存具体是怎么⼯作的？

Redis缓存如果满了，该怎么办？

为什么会有缓存⼀致性、缓存穿透、缓存雪崩、缓存击穿等异常，该如何应对？

Redis的内存毕竟有限，如果⽤快速的固态硬盘来保存数据，可以增加缓存的数据量，那么，Redis缓存可 以使⽤快速固态硬盘吗？

这节课，我们来了解下缓存的特征和Redis适⽤于缓存的天然优势，以及Redis缓存的具体⼯作机制。

缓存的特征

要想弄明⽩Redis为什么适合⽤作缓存，我们得清楚缓存都有什么特征。

⾸先，你要知道，⼀个系统中的不同层之间的访问速度不⼀样，所以我们才需要缓存，这样就可以把⼀些需 要频繁访问的数据放在缓存中，以加快它们的访问速度。

为了让你能更好地理解，我以计算机系统为例，来解释一下。下图是计算机系统中的三层存储结构，以及它们各自的常用容量和访问性能。最上面是处理器，中间是内存，最下面是磁盘。

<

了解本专栏 订阅专栏 解锁全文 超级会员免费看
23 | 旁路缓存：Redis是如何工作的？
MyySophia的博客
08-16 376
应用的最新数据可能会丢失，给应用业务带来风险缓存的特征 一个系统中的不同层之间的访问速度不一样，所以我们才需要缓存，这样就可以把一些需要频繁访问的数据放在缓存中，以加快它们的访问速度 从图上可以看到，CPU、内存和磁盘这三层的访问速度从几十 ns 到 100ns，再到几 ms， 性能的差异很大。 想象一下，如果每次 CPU 处理数据时，都要从 ms 级别的慢速磁盘中读取数据，然后再进行处理，那么，CPU 只能等磁盘的数据传输完成。这样一来，高速的 CPU 就被慢速的磁盘拖累了，整个计算机.
Redis 由浅入深 (5) - Redis 旁路方案 - 从RedisSession热切换到StandardSession
yh4494的博客
06-08 1088
Redis的旁路设计是指Redis在宕机之后或者网络不通的情况下，应用系统能够正常的访问，做出正确的缓存方案切换，一般指切换到应用缓存。不会造成系统不可访问的情况。但从redis集群的设计运维来说，redis肯定要保持高可用的，换句话说是在redis服务层面去做高可用，而不是应用层面去找替代方案。比如：redis挂了之后 80% ~ 90%是因为高并发或者是大对象缓存导致阻塞、连接满了，或者是主从复制内存耗尽。假如说这种情况出现，就算应用配置不错也是顶不住的。所以说一般情况下使用Redis集群是不需要做..
23 _ 旁路缓存：Redis是如何工作的？
cjh的博客
01-10 219
我们知道，Redis提供了高性能的数据存取功能，所以广泛应用在缓存场景中，既能有效地提升业务应用的响应速度，还可以避免把高并发大压力的请求发送到数据库层。但是，如果Redis做缓存时出现了问题，比如说缓存失效，那么，大量请求就会直接积压到数据库层，必然会给数据库带来巨大的压力，很可能会导致数据库宕机或是故障，那么，业务应用就没有办法存取数据、响应用户请求了。这种生产事故，肯定不是我们希望看到的。正因为Redis用作缓存的普遍性以及它在业务应用中的重要作用，所以，我们需要系统地掌握缓存的一系列内容，包括工作原
Redis工作原理
菜鸟零号 kungfu~peng
03-12 1万+
Redis工作原理 Redis 介绍 Redis是一个key-value存储系统，它支持的value类型相对较多，包括string、list、set和zset，这些数据都支持push/pop/add/remove及交并补等操作，而且这些操作都是原子性的，在此基础上，redis支持各种不同方式的排序。为了保证效率，数据是缓存在内存中的，Redis会周期性的把数据写入磁盘或者把修改操作写入追加的...
23 旁路缓存：Redis 是如何工作的？
wmt0501的博客
04-10 348
Redis 常常用于作为应用程序域数据库之间的缓存的作用，若当 Redis 作为缓存失效了，就会造成大量的请求直接积压到了数据库层，数据库层就有可能巨大的压力造成数据库宕机或者故障使之不可用，此时应用程序就无法存储数据并响应客户端的请求了。 一、缓存的特征 对于层次化的系统中，缓存相对于后端数据库而言是一个支持高速访问数据的数据存储系统，缓存中存储应用程序中频繁访问的数据，因此为了提高应用程序请求的响应时间，那么缓存就需要支持高速的数据访问能力。 由于硬件生产及其成本的限制，因此缓存中的存储空间是有限，不
Redis学习笔记23——旁路缓存：Redis是如何工作的？
qq_34132502的博客
07-09 322
计算机系统中，默认有两种缓存： CPU 里面的末级缓存，即 LLC，用来缓存内存中的数据，避免每次从内存中存取数据； 内存中的高速页缓存，即 page cache，用来缓存磁盘中的数据，避免每次从磁盘中存取数据。 跟内存相比，LLC 的访问速度更快，而跟磁盘相比，内存的访问是更快的。所以，我们可以看出来缓存的第一个特征：在一个层次化的系统中，缓存一定是一个快速子系统，数据存在缓存中时，能避免每次从慢速子系统中存取数据。对应到互联网应用来说，Redis 就是快速子系统，而数据库就是慢速子系统了。 我们..
17.旁路缓存：Redis是如何工作的？
anglybaby的博客
02-20 326
对于删改的数据来说，如果 Redis 已经缓存了相应的数据，应用需要把这些缓存的数据删除，Redis 中就没有这些数据了。对于读写缓存来说，除了读请求会发送到缓存进行处理（直接在缓存中查询数据是否存在)，所有的写请求也会发送到缓存，在缓存中直接对数据进行增删改操作。但是，和只读缓存不一样的是，在使用读写缓存时，最新的数据是在 Redis 中，而 Redis 是内存数据库，一旦出现掉电或宕机，内存中的数据就会丢失。这样，即使缓存宕机或发生故障，最新的数据仍然保存在数据库中，这就提供了数据可靠性保证。
【redis】缓存模式——穿透型缓存和旁路型缓存
wosixiaokeai的博客
07-03 508
定义：特点：适用场景： 穿透型缓存适用于读多写多的场景，数据一致性要求较高的应用。定义：特点：适用场景： 旁路型缓存适用于读多写少的场景，数据一致性要求不高的应用。在实际应用中，旁路型缓存常常结合同步写回和异步写回两种写回策略来平衡数据可靠性和性能。数据一致性：实现复杂度：适用场景：性能考虑：
Redis之旁路缓存
zzf1233的博客
05-14 2604
Redis之旁路缓存Redis作为缓存中间件早已深入人心，但我们有没有想过Redis为什么能作为缓存呢？Redis到底怎样使用缓存呢？本篇文章详细聊聊。Redis为什么能作为缓存聊Redis为什么能作为缓存前先需要清楚缓存的作用，我们在很多场景都有接触过缓存就如Redis本身的输入输出缓存、复制缓冲区、复制积压缓存区等等，又如操作系统本身的LLC，page cache缓存等等，这些缓存的主要作用是什么呢？是在一个多层次系统中平衡上下级系统的速度差异。这里以操作系统为例说明，操作系统的存储结构一般为CPU、内
Redis进阶学习--03| Redis是如何工作的？
好好学习天天向上
11-16 818
三、Redis是如何工作的？ Redis 提供了高性能的数据存取功能，所以广泛应用在缓存场景中，既能有效地提升业务应用的响应速度，还可以避免把高并发大压力的请求发送到数据库层。如果 Redis 做缓存时出现了问题，比如说缓存失效，那么，大量请求就会直接积压到数据库层，必然会给数据库带来巨大的压力，很可能会导致数据库宕机或是故障，那么，业务应用就没有办法存取数据、响应用户请求了。 关于Redis包括工作原理、替换策略、异常处理和扩展机制,有四个问题需要解决。 Redis 缓存具体是怎么工作的？ Redis
Redis 7.x 系列【37】旁路缓存模式
记录知识、锤炼自我
08-07 1840
缓存技术（Cache）通过将热点数据临时存储在查询速度更快的位置，从而提高了系统的响应速度和性能。‌ 计算机硬件、软件都大量使用了缓存技术，例如 CPU 中三级缓存，作为 CPU 与内存之间临时数据交换区， CPU 会将热点、相同的重复执行指令等数据放入到高速缓存中， CPU 直接从缓存中获取指令、数据，从而提高了整机的响应速度。
Redis：代码实战之旁路缓存
张豫湘的博客
04-09 1003
但是当一个系统引入缓存时，需要面临最大的问题就是，如何保证缓存和后端数据库的一致性问题，最常见的3个解决方案分别是Cache Aside、Read/Write Throught和Write Back缓存更新策略，也就是下面所描述的两张缓存类型。缺点：高并发下的同步直写可能会发生缓存和数据库不一致的情形，由于写入数据库后写入缓存操作存在竞态条件（更新覆盖，由于请求数据库可能先请求后返回），需要配合分布式锁。所有写请求现在缓存处理，等增改的数据被从缓存中淘汰时，将需要淘汰的数据写入后端数据库。
redis：作为旁路缓存的redis是怎么使用的
OceanStar的博客
10-10 734
缓存的特性 一个系统中的不同层之间的访问速度不一样，所以我们才需要缓存，这样就可以把一些需要频繁访问的数据放到缓存中，以加快它们的访问速度。 举个例子，计算机系统的存储结构一般是下面这样的： 所以，计算机系统中，默认有两种缓存： CPU里面的LLC缓存，用来缓存内存中的数据，避免每次从内存中存取数据 内存中的高速页缓存page cache，用来缓存磁盘中的数据，避免每次从磁盘中存取数据 从上面，我们可以看出缓存的第一条特性：在一个层次化的系统中，缓存一定是一个快速子系统，数据存在缓存中时，能避免每次
23 Redis 的旁路缓存
热门推荐
海陆云的博客
12-10 2万+
23 Redis 的旁路缓存前言一、缓存的特征二、Redis 缓存处理请求的两种情况三、Redis 作为旁路缓存的使用操作四、缓存的类型总结 前言 Redis 提供了高性能的数据存取功能，广泛应用在缓存场景中，既能有效地提升业务应用的响应速度，还可以避免把高并发大压力的请求发送到数据库层。但如果 Redis 做缓存时出现了问题，比如缓存失效，大量请求就会直接积压到数据库层，必然会给数据库带来巨大的压力，很可能会导致数据库宕机或是故障，那么业务应用就没有办法存取数据、响应用户请求了。 正因为 Redis
Redis缓存策略
weixin_42205001的博客
12-29 269
Redis缓存一般使用Cache Aside Pattern原则。 什么是“ Cache Aside Pattern ”？ Cache Aside Pattern即为旁路缓存方案的经验实践，分为读实践和写实践。 那么操作数据的时候先操作缓存还是先操作数据库? 1.读请求 先从缓存中读取所需数据，如果没有则从数据库里获取数据，后去之后需要进行新的缓存。 我一般在这里做一个AOP代理，把需要经常...
Redis缓存篇之旁路缓存：Redis是如何工作的？
香农三定律的博客
12-10 697
Redis缓存篇之旁路缓存：Redis是如何工作的？缓存的特征Redis 缓存处理请求的两种情况Redis 作为旁路缓存的使用操作缓存的类型只读缓存读写缓存 缓存的特征 一个系统中的不同层之间的访问速度不一样，所以我们才需要缓存，这样就可以把一些需要频繁访问的数据放在缓存中，以加快它们的访问速度。 想象一下，如果每次 CPU 处理数据时，都要从 ms 级别的慢速磁盘中读取数据，然后再进行处理，那么，CPU 只能等磁盘的数据传输完成。这样一来，高速的 CPU 就被慢速的磁盘拖累了，整个计算机系统的运行速度会
采用Redis做旁路缓存，出现数据不一致的几种情况及处理方法
weixin_53803675的博客
05-11 868
针对旁路缓存出现不一致的问题，主要有以下几种情况： 1、更新数据库，然后更新缓存 这种情况在并发时，由于网络的问题，可能导致后来更新的数据早于先前更新的数据 线程1更新数据库 → 线程2更新数据库→ 线程2更新缓存→ 线程1更新缓存 此时出现后来更新的数据早于先前更新的数据，导致数据不一致问题 2、更新缓存，然后更新数据库 若先更新缓存，缓存更新成功后，但更新数据库时发生异常回滚，缓存中的数据无法回滚，导致数据不一致 3、删除缓存，然后更新数据库 线程1更新数据库，先删除缓存 → 线程1向数据库中写入数据
旁路缓存（Cache-aside）
Asunakiritolove的博客
03-20 9605
1）什么是旁路缓存 旁路缓存策略以数据库（Hbase,redis）中的数据为准，缓存中的数据是按需加载的，它可以分为读策略和写策略。 读策略： 从缓存中读取数据；如果缓存命中，则直接返回数据；如果缓存不命中，则从数据库中查询数据；查询到数据后，将数据写入到缓存中，并且返回给用户。 写策略： 更新数据库中（HBASE，Redis）的记录；删除缓存记录。 2）缓存和数据库的数据一致性问题 错误一：先失效缓存，后更新数据库 1）请求A删除缓存数据 2）请求B查询缓存，未命中 3）请求B往数
Redis 旁路缓存
最新发布
05-10
<think>好的，用户现在想了解Redis旁路缓存的实现原理和优化方法。根据之前的对话，我已经给出了一些结构化的回答，但需要更深入地结合用户提供的引用内容来优化回答。 首先，我需要回顾用户提供的引用内容，确保准确引用。引用[1]提到旁路缓存需要应用程序处理缓存逻辑，Redis作为独立系统可以单独优化。引用[2]解释了缓存的作用是平衡速度差异，引用[3]强调Redis作为分布式缓存的优势，引用[4]讨论了Cache Aside模式在高写场景下的问题。 用户的问题集中在实现原理和优化方法，所以需要分两部分回答。实现原理部分要包括核心流程、读写操作细节，结合引用中的内容，比如应用程序的责任、缓存与数据库的交互。优化方法部分需要涵盖一致性、性能提升、异常处理，比如使用分布式锁（引用[1]提到的扩容优化）、布隆过滤器（引用[4]中的问题）、多级缓存（引用[3]中的场景）。 还要注意用户提到的“如何选择应用系统的缓存类型”，这可能暗示需要对比其他缓存模式，但用户现在只关注旁路缓存，所以重点应在优化策略。需要确保回答结构清晰，每个优化点都有对应的解决方案和引用支持，比如双删策略、TTL随机化、本地缓存结合等。 另外，用户可能关心实际应用中的问题，比如高并发下的缓存击穿，或者大量写入时的性能问题，需要结合引用[4]中提到的高写场景的弊端，给出相应的优化方法，比如异步更新、批量操作等。 最后，生成的相关问题需要基于现有内容，引导用户深入了解具体实现，如Redisson锁、布隆过滤器实现、多级缓存体系等，这些问题应自然衔接之前的回答，并引用对应的注释。</think>#### Redis旁路缓存的实现原理与优化方法 --- ### 一、核心实现原理 1. **基础架构设计** - **应用程序主导缓存逻辑**：所有缓存操作由业务代码显式控制（读时回填，写时失效），Redis仅作为独立存储层[^1] - **读写分离流程**： $$ \text{读操作流程} \rightarrow \begin{cases} \text{缓存命中} & \rightarrow \text{直接返回} \\ \text{缓存未命中} & \rightarrow \text{查询DB} \rightarrow \text{回填缓存（含TTL）} \end{cases} $$ $$ \text{写操作流程} \rightarrow \text{更新DB} \rightarrow \text{删除缓存} $$ 2. **核心特性** - **数据最终一致性**：通过删除缓存而非直接更新，避免并发写导致脏数据[^4] - **零缓存侵入**：数据库无需感知缓存存在，架构解耦（引用[2]中的速度差异平衡机制） 3. **关键技术支撑** ```java // Redis连接池配置示例 JedisPoolConfig config = new JedisPoolConfig(); config.setMaxTotal(100); // 控制最大连接数 config.setMaxIdle(30); // 防止连接泄露 JedisPool pool = new JedisPool(config, "redis-node1", 6379); ``` --- ### 二、关键优化方法 #### 1. 一致性优化 | 场景 | 解决方案 | 数学表达 | |------|----------|----------| | **并发写竞争** | 分布式锁+双删策略 | $Lock_{acquire}() \rightarrow Delete_{cache}() \rightarrow Update_{DB}() \rightarrow Delete_{cache}() \rightarrow Lock_{release}()$ | | **延迟双删** | 异步二次删除 | $t_{delay} = \Delta t_{主从同步} + \epsilon$ | | **缓存过期** | 动态TTL策略 | $TTL_{dynamic} = TTL_{base} \times (1 + \text{rand}(0,0.2))$ | **示例代码优化**： ```python def write_optimized(key, value): with redis.lock(f"lock:{key}", timeout=2): # 第一次删除 redis.delete(key) # 更新数据库 db.update(key, value) # 延迟二次删除（通过消息队列） mq.send_delayed_task(delete_cache_task(key), delay=500ms) ``` #### 2. 性能优化 - **批量管道化操作** 减少网络往返次数： ```redis > MULTI > GET user:1001 > GET product:2003 > EXEC ``` - **热点数据预加载** 结合LFU算法动态识别热点数据： $$ P_{预加载} = \frac{AccessCount_{key}}{TotalAccess} \times 100\% \quad (\text{当} P > 20\% \text{时触发}) $$ - **连接池优化** 根据QPS动态调整参数： $$ MaxConnections = \frac{QPS_{peak} \times AvgLatency}{1000} \times 1.2 $$ #### 3. 异常场景处理 - **缓存穿透** 布隆过滤器+空值缓存： ```java public Data getData(String key) { if (!bloomFilter.mightContain(key)) return null; // 布隆过滤 Data data = redis.get(key); if (data == null) { data = db.query(key); redis.setex(key, data != null ? data : NULL_VALUE, 60); // 空值缓存 } return data != NULL_VALUE ? data : null; } ``` - **缓存雪崩** 分层过期策略： ``` TTL分布： 30% keys → 5分钟±随机300秒 40% keys → 10分钟±随机600秒 30% keys → 15分钟±随机900秒 ``` --- ### 三、高级实践方案 1. **多级缓存架构** ```mermaid graph LR A[客户端] --> B[本地缓存] --> C[Redis集群] --> D[数据库] ``` - 本地缓存使用Caffeine，设置短TTL（如30秒） - 分布式缓存设置长TTL（如30分钟） 2. **异步更新队列** 针对高并发写场景（引用[4]的问题）： ```python # 写操作异步化示例 def async_update(key, value): mq.publish("db_update_queue", {"key": key, "value": value}) mq.publish("cache_invalidate_queue", {"key": key}) # 消费者处理 def db_update_consumer(): while True: message = mq.consume("db_update_queue") db.update(message.key, message.value) def cache_invalidate_consumer(): while True: message = mq.consume("cache_invalidate_queue") redis.delete(message.key) ``` 3. **监控指标优化** | 监控维度 | 关键指标 | 优化阈值 | |---------|----------|----------| | 缓存命中率 | Hit Rate = $\frac{CacheHits}{TotalRequests}$ | <90%触发告警 | | 连接利用率 | Utilization = $\frac{ActiveConnections}{MaxConnections}$ | >80%触发扩容 | | 延迟分布 | P99 Latency | >100ms触发优化 | --- ### 四、与Redis特性的深度结合 1. **Lua脚本原子化** 解决缓存与数据库状态不一致： ```lua -- 原子化查询+回填脚本 local data = redis.call('GET', KEYS[1]) if not data then data = db.query(KEYS[1]) -- 伪代码示意 redis.call('SETEX', KEYS[1], ARGV[1], data) end return data ``` 2. **内存淘汰策略调优** - 写密集型场景 → `volatile-lru` - 读密集型场景 → `allkeys-lfu` - 混合负载场景 → `volatile-ttl` + 主动预热 3. **持久化策略配置** ```conf # 根据数据重要性选择 save 900 1 # 15分钟1次修改触发RDB appendonly yes # 开启AOF appendfsync everysec # 折衷持久化性能 ``` ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

韩淼燃

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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