详解缓存穿透击穿雪崩解决方案
一:前言
设计一个缓存系统,不能不要斟酌的问题就是:缓存穿透、缓存击穿与失效时的雪崩效应。
二:缓存穿透
缓存穿透是指查询一个一定不存在的数据,由于缓存是不命中时被动写的,并且出于容错斟酌,如果从存储层查不到数据则不写入缓存,这将致使这个不存在的数据每次要求都要到存储层去查询,失去了缓存的意义。在流量大时,可能DB就挂掉了,要是有人利用不存在的key频繁攻击我们的利用,这就是漏洞。
三:解决方案
有很多种方法可以有效地解决缓存穿透问题,最多见的则是采取布隆过滤器,将所有可能存在的数据哈希到一个足够大的bitmap中,一个一定不存在的数据会被 这个bitmap拦截掉,从而避免了对底层存储系统的查询压力。另外也有一个更加简单粗鲁的方法(我们采取的就是这类),如果一个查询返回的数据为空(不论是数 据不存在,或者系统故障),我们依然把这个空结果进行缓存,但它的过期时间会很短,最长不超过五分钟。
四:缓存雪崩
缓存雪崩是指在我们设置缓存时采取了相同的过期时间,致使缓存在某一时刻同时失效,要求全部转发到DB,DB瞬时压力太重雪崩。
五:解决方案
缓存失效时的雪崩效应对底层系统的冲击非常可怕。大多数系统设计者斟酌用加锁或队列的方式保证缓存的单线 程(进程)写,从而避免失效时大量的并发要求落到底层存储系统上。这里分享一个简单方案就时讲缓存失效时间分散开,比如我们可以在原本的失效时间基础上增加一个随机值,比如1⑸分钟随机,这样每个缓存的过期时间的重复率就会下降,就很难引发集体失效的事件。
六:缓存击穿
对一些设置了过期时间的key,如果这些key可能会在某些时间点被超高并发地访问,是一种非常“热门”的数据。这个时候,需要斟酌一个问题:缓存被“击穿”的问题,这个和缓存雪崩的区分在于这里针对某一key缓存,前者则是很多key。
缓存在某个时间点过期的时候,恰好在这个时间点对这个Key有大量的并发要求过来,这些要求发现缓存过期一般都会从后端DB加载数据并回设到缓存,这个时候大并发的要求可能会瞬间把后端DB压垮。
七:解决方案
1、使用互斥锁(mutex key)
业界比较经常使用的做法,是使用mutex。简单地来讲,就是在缓存失效的时候(判断拿出来的值为空),不是立即去load db,而是先使用缓存工具的某些带成功操作返回值的操作(比如Redis的SETNX或Memcache的ADD)去set一个mutex key,当操作返回成功时,再进行load db的操作并回设缓存;否则,就重试全部get缓存的方法。
SETNX,是「SET if Not eXists」的缩写,也就是只有不存在的时候才设置,可以利用它来实现锁的效果。在redis2.6.1之前版本未实现setnx的过期时间,所以这里给出两种版本代码参考:
//2.6.1前单机版本锁
String get(String key) {
String value = redis.get(key);
if (value == null) {
if (redis.setnx(key_mutex, “1”)) {
// 3 min timeout to avoid mutex holder crash
redis.expire(key_mutex, 3 * 60)
value = db.get(key);
redis.set(key, value);
redis.delete(key_mutex);
} else {
//其他线程休息50毫秒后重试
Thread.sleep(50);
get(key);
}
}
}
最新版本代码:
public String get(key) {
String value = redis.get(key);
if (value == null) { //代表缓存值过期
//设置3min的超时,避免del操作失败的时候,下次缓存过期一直不能load db
if (redis.setnx(key_mutex, 1, 3 * 60) == 1) { //代表设置成功
value = db.get(key);
redis.set(key, value, expire_secs);
redis.del(key_mutex);
} else { //这个时候代表同时候的其他线程已load db并回设到缓存了,这时候候重试获得缓存值便可
sleep(50);
get(key); //重试
}
} else {
return value;
}
}
memcache代码
if (memcache.get(key) == null) {
// 3 min timeout to avoid mutex holder crash
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
value = db.get(key);
memcache.set(key, value);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
}
在value内部设置1个超时值(timeout1), timeout1比实际的memcache timeout(timeout2)小。当从cache读取到timeout1发现它已过期时候,马上延长timeout1并重新设置到cache。然后再从数据库加载数据并设置到cache中。伪代码以下:
v = memcache.get(key);
if (v == null) {
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
value = db.get(key);
memcache.set(key, value);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
} else {
if (v.timeout <= now()) {
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
// extend the timeout for other threads
v.timeout += 3 * 60 * 1000;
memcache.set(key, v, KEY_TIMEOUT * 2);
// load the latest value from db
v = db.get(key);
v.timeout = KEY_TIMEOUT;
memcache.set(key, value, KEY_TIMEOUT * 2);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
}
}
这里的“永久不过期”包括两层意思:
(1) 从redis上看,确切没有设置过期时间,这就保证了,不会出现热门key过期问题,也就是“物理”不过期。
(2) 从功能上看,如果不过期,那不就成静态的了吗?所以我们把过期时间存在key对应的value里,如果发现要过期了,通过一个后台的异步线程进行缓存的构建,也就是“逻辑”过期
从实战看,这类方法对性能非常友好,唯一不足的就是构建缓存时候,其余线程(非构建缓存的线程)可能访问的是老数据,但是对一般的互联网功能来讲这个或者可以忍耐。
String get(final String key) {
V v = redis.get(key);
String value = v.getValue();
long timeout = v.getTimeout();
if (v.timeout <= System.currentTimeMillis()) {
// 异步更新后台异常履行
threadPool.execute(new Runnable() {
public void run() {
String keyMutex = “mutex:” + key;
if (redis.setnx(keyMutex, “1”)) {
// 3 min timeout to avoid mutex holder crash
redis.expire(keyMutex, 3 * 60);
String dbValue = db.get(key);
redis.set(key, dbValue);
redis.delete(keyMutex);
}
}
});
}
return value;
}
4、资源保护
采取netflix的hystrix,可以做资源的隔离保护主线程池,如果把这个利用到缓存的构建也何尝不可。
四种解决方案:没有最好只有最适合
八:总结
针对业务系统,永久都是具体情况具体分析,没有最好,只有最适合。最后,对缓存系统常见的缓存满了和数据丢失问题,需要根据具体业务分析,通常我们采取LRU策略处理溢出,Redis的RDB和AOF持久化策略来保证一定情况下的数据安全。
本篇文章到此结束,如果您有相关技术方面疑问可以联系我们技术人员远程解决,感谢大家支持本站!
文章来源:丸子建站
文章标题:详解缓存穿透击穿雪崩解决方案
https://www.wanzijz.com/view/69579.html