Redis 經(jīng)常用于系統(tǒng)中的緩存，這樣可以解決目前 IO 設(shè)備無(wú)法滿足互聯(lián)網(wǎng)應(yīng)用海量的讀寫(xiě)請(qǐng)求的問(wèn)題。
緩存穿透是指緩存和數(shù)據(jù)庫(kù)中都沒(méi)有的數(shù)據(jù)，而用戶不斷發(fā)起請(qǐng)求，如發(fā)起 id 為-1 的數(shù)據(jù)或者特別大的不存在的數(shù)據(jù)。有可能是黑客利用漏洞攻擊從而去壓垮應(yīng)用的數(shù)據(jù)庫(kù)。
對(duì)于緩存穿透問(wèn)題，常見(jiàn)的解決方案有以下三種：
Copypublic Student getStudentsByID(Long id) {
// 從Redis中獲取學(xué)生信息
Student student = redisTemplate.opsForValue()
.get(String.valueOf(id));
if (student != null) {
return student;
}
// 從數(shù)據(jù)庫(kù)查詢學(xué)生信息，并存入Redis
student = studentDao.selectByStudentId(id);
if (student != null) {
redisTemplate.opsForValue()
.set(String.valueOf(id), student, 60, TimeUnit.MINUTES);
} else {
// 即使不存在，也將其存入緩存中
redisTemplate.opsForValue()
.set(String.valueOf(id), null, 60, TimeUnit.SECONDS);
}
return student;
}
使用布隆過(guò)濾器：布隆過(guò)濾器是一種比較獨(dú)特?cái)?shù)據(jù)結(jié)構(gòu)，有一定的誤差。當(dāng)它指定一個(gè)數(shù)據(jù)存在時(shí)，它不一定存在，但是當(dāng)它指定一個(gè)數(shù)據(jù)不存在時(shí)，那么它一定是不存在的。
布隆過(guò)濾器是一種比較特殊的數(shù)據(jù)結(jié)構(gòu)，有點(diǎn)類(lèi)似與 HashMap，在業(yè)務(wù)中我們可能會(huì)通過(guò)使用 HashMap 來(lái)判斷一個(gè)值是否存在，它可以在 O(1)時(shí)間復(fù)雜度內(nèi)返回結(jié)果，效率極高，但是受限于存儲(chǔ)容量，如果可能需要去判斷的值超過(guò)億級(jí)別，那么 HashMap 所占的內(nèi)存就很可觀了。
而 BloomFilter 解決這個(gè)問(wèn)題的方案很簡(jiǎn)單。首先用多個(gè) bit 位去代替 HashMap 中的數(shù)組，這樣的話儲(chǔ)存空間就下來(lái)了，之后就是對(duì) Key 進(jìn)行多次哈希，將 Key 哈希后的值所對(duì)應(yīng)的 bit 位置為 1。
當(dāng)判斷一個(gè)元素是否存在時(shí)，就去判斷這個(gè)值哈希出來(lái)的比特位是否都為 1，如果都為 1，那么可能存在，也可能不存在（如下圖 F）。但是如果有一個(gè) bit 位不為 1，那么這個(gè) Key 就肯定不存在。
注意：BloomFilter 并不支持刪除操作，只支持添加操作。這一點(diǎn)很容易理解，因?yàn)槟闳绻獎(jiǎng)h除數(shù)據(jù)，就得將對(duì)應(yīng)的 bit 位置為 0，但是你這個(gè) Key 對(duì)應(yīng)的 bit 位可能其他的 Key 也對(duì)應(yīng)著。
上面對(duì)這兩種方案都進(jìn)行了簡(jiǎn)單的介紹，緩存空數(shù)據(jù)與布隆過(guò)濾器都能有效解決緩存穿透問(wèn)題，但使用場(chǎng)景有著些許不同；
緩存擊穿是指當(dāng)前熱點(diǎn)數(shù)據(jù)存儲(chǔ)到期時(shí)，多個(gè)線程同時(shí)并發(fā)訪問(wèn)熱點(diǎn)數(shù)據(jù)。因?yàn)榫彺鎰傔^(guò)期，所有并發(fā)請(qǐng)求都會(huì)到數(shù)據(jù)庫(kù)中查詢數(shù)據(jù)。
Copypublic String get(key)
{
String value = redis.get(key);
if (value == null)
{
// 代表緩存值過(guò)期 // 設(shè)置3min的超時(shí)，防止del操作失敗的時(shí)候，下次緩存過(guò)期一直不能
load db if (redis.setnx(key_mutex, 1, 3 * 60) == 1) {
// 代表設(shè)置成功
value = db.get(key);
redis.set(key, value, expire_secs);
redis.del(key_mutex);
}
else {
// 這個(gè)時(shí)候代表同時(shí)候的其他線程已經(jīng)load db并回設(shè)到緩存了，這時(shí)候重試獲取緩存值即可
sleep(50);
get(key);
// 重試
}
}
else {
return value;
}
}
緩存雪崩發(fā)生有幾種情況，比如大量緩存集中在或者緩存同時(shí)在大范圍中失效，出現(xiàn)了大量請(qǐng)求去訪問(wèn)數(shù)據(jù)庫(kù)，從而導(dǎo)致 CPU 和內(nèi)存過(guò)載，甚至停機(jī)。
一個(gè)簡(jiǎn)單的雪崩過(guò)程：
到此這篇關(guān)于淺談Redis 緩存的三大問(wèn)題及其解決方案的文章就介紹到這了,更多相關(guān)Redis 緩存問(wèn)題內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
標(biāo)簽：吉安 北京 朝陽(yáng) 江蘇 果洛 臺(tái)州 大慶 楊凌
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《淺談Redis 緩存的三大問(wèn)題及其解決方案》，本文關(guān)鍵詞 淺談,Redis,緩存,的,三,大問(wèn)題,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。
