Redis 缓存预热、缓存雪崩、缓存击穿、缓存穿透

Redis

 

缓存预热

问题排查

1.请求数量较大 2.主从之间数据吞吐量较大，数据同步操作频率较高

解决方案

前置准备工作： 1.日常例行统计数据的访问记录，统计访问频率较高的热点数据 2.利用LRU数据删除策略，构建数据留存队列 例如：storm与kafka 准备工作： 3.将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据 4.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： 1.使用脚本程序固定触发数据预热过程 2.如果条件允许，使用CDN（内容分发网络），效果会更好

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。避免再用户请求的时候，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。

 

缓存雪崩

问题排查

1.在一个较短的时间内，缓存中较多的key集中过期 2.此周期内请求访问过期的数据，redis未命中，redis中数据库获取数据 3.数据库同时接收到大量的请求无法及时处理

解决方案

1.更多的页面静态化处理 2.构建多级缓存架构 Nginx缓存+redis缓存+ehcache缓存 3.检测Mysql严重耗时时业务进行优化 对数据库的瓶颈排查：例如超时查询、耗时较高事务等 4.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 5.限流、降级 短时间范围内牺牲一些客户体验，限制一部分呢请求访问，降低应用服务器压力，贷业务低速运转后再逐步放开访问 1.LRU与LFU切换 2.数据有效期策略调整 根据业务数据有效期进行分类错峰 过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量 3.超热数据使用永久key 4.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 5.加锁 慎用！

总结

缓存雪崩就是瞬间过期数量太大，导致对数据库服务器造成压力。如果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。

 

缓存击穿

问题排查

1.Redis中某个key过期，该key访问量巨大 2.多个数据请求从服务器直接压到Redis后均为命中 3.Redis再短时间内发起了大量对数据库中同意数据的访问

解决方案

1.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，再购物节期间，加大此类信息key的过期时长 注意：购物节不仅仅指当天，以及后续若干天，访问峰值呈现逐渐降低的趋势 2.现场调整 监控访问量，对自然流量激增的数据延长过期时间或设置为永久行key 3.后台刷新数据 启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失 3.二级缓存 设置不同的失效时间，保障不会被同时淘汰就行 4.加锁 分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重。

总结

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redis后，发起了大量对统一数据的数据库访问呢，导致对数据库服务器压力过大。应对策略应该再业务数据分析与预防方面进行，配合运行监控测试与及时调整策略，毕竟单个key的过期监控难度较高，配合雪崩处理策略即可。

 

缓存穿透

问题排查

1、Redis中出现大面积未命中，出现非正常URL访问 2、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 3、Redis获取到null数据未进行持久化，直接返回

解决方案

1、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 2、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 3、实施监控 实时监控redis命中率（业务正常范围内，通常会有一个波动值）与null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：通常检查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 4、key加密 问题出现后，临时启动防灾业务key，对key进行业务层传输服务，设定校验程序，过来的key校验

总结

缓存穿透是访问了不存在的数据，跳过了合法数据的redis缓存阶段，每次访问数据库，导致对数据库服务器造成压力。通常此类数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警。应对策略应该在临时预案防范方面多做文章 无论是黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除。