【Redis缓存架构实战常见问题剖析】

一、Redis缓存架构实战剖析

1.1、大规模的商品缓存数据冷热分离机制

我们都知道，缓存的内存资源是有限的，例如像jd、tb等大平台的商品信息，商品信息都是很多的，不可能是将所有的商品数据都缓存，那应该缓存那些数据，结合生活中的实际问题，需要缓存的数无非就是经常被大众点击查看或者购买的商品，那我们在对资源进行缓存时，会给其数据设置一个过期时间，如果时间过了都没被访问，那就需要从缓存中移除==>我就是冷数据，如果是被访问了，我们需要将当前数据的过期时间重新更新，延长其过期时间，保证这种经常被访问的数据属于长时间不过期的数据，也就是热数据，这样子我们就可以将不同访问频率的数据区分开来

1.2、缓存击穿导致线上数据压力暴增解决方案

在对这个问题解决之前：首先我们需要先知道，什么是缓存击穿？产生的原因是什么？
缓存击穿，也称为缓存失效，主要是指由于大批量的缓存在同一时间失效，可能导致大量的请求穿透缓存访问到数据库上，导致数据库的压力暴增甚至导致数据库挂掉，我们就称这种现象为缓存击穿

其解决方案主要是从产生问题的原因入手，我们可以调整批量导入的不同数据的缓存时间，例如，在设置不同key数据时，以基底时间+随机生成的时间，来避免同一时间大批量的缓存数据失效问题，如下图示：

1.3、缓存穿透及其解决方案剖析

缓存击穿，主要是指客户端查询一个不存在数据（Redis和数据库都不存在），缓存不会命中，数据库也不会命中，从而导致大批量的数据访问到数据库层，导致数据库的压力倍增，那产生这种问题的原因是多方面的，例如：写的业务代码逻辑出问题、平台被恶意攻击等

解决方也是多方面的，主要有：
1、缓存空对象：我们在访问某个key时，如果Redis和数据库都查询不到数据，那我们就可以在Redis中缓存一个空对象信息，如果下次同样的key再次访问，就可以直接在Redis中获取且返回即可，当然，我们还需要考虑恶意攻击的，以不同的key来大量访问，那我们在上一步设置key时，加入一个缓存数据过期时间，类似空对象的数据，过期时间我们不用设置太长时间即可，如下图示：

2、使用布隆过滤器：对于恶意攻击，向服务器请求大量不存在的数据造成的缓存穿透，还可以用布隆过滤器先做一次过滤，对于不存在的数据布隆过滤器一般都能够过滤掉，不让请求再往后端发送。当布隆过滤器说某个值存在时，这个值可能不存在；当它说不存在时，那就肯定不存在。

1.4、突发性的热点缓存数重建导致系统压力暴增问题分析

这张突发性的热点缓存数据，主要的场景为，例如：大V直播带货，可能介绍的商品之前属于三不问商品，好东西没被发掘，在直播大V介绍一通后，涌入一大波人对该商品进行查看以及购买等操作，那这时，Redis是无此商品信息的，大量的请求全打到数据库上，导致数据库压力暴增，甚至宕机等，针对这个问题，我们需要对该商品数据进行缓存数据重建，如何重建？我们这采用的双重校验机制===>过程为先从缓存中拿数据，如果拿不到数据，就利用分布式锁加锁（可优化，结合业务场景采用分段锁或读写锁方式），加锁模块中，再重新到Redis缓存中拿数据，如果拿不到，就需要到数据库读取数据，同时缓存数据到Redis缓存中，以便下次其他线程拿数据时，不用到数据库中拿数据，如下图：

1.5、Redis分布式锁解决缓存与数据库双写不一致问题剖析

出现这个问题的主要原因是因为在大并发场景下，一个线程向数据库写数据，正打算往Redis缓存中同步数据时，另外的线程吧数据库的数据改了，例如：A线程将数据库数据改为：10，正准备将10同步到Redis，这个过程中被线程B打断，将数据库的数据改为6，然后A线程将Redis的数据改为10，这样子就导致了数据库与缓存数据双写不一致问题，如下图:

解决方案主要为，在这个操作的过程中加锁，例如线程A操作时，需要将数据库写入数据与缓存更新这个过程加一把分布式锁即可

1.6、利用多级缓存解决Redis线上集群缓存雪崩问题分析

缓存雪崩主要是指，当Redis服务支撑不住宕机后，很大流量就打到后端的储存层，储存层也支撑不住如此巨大流量，进一步演化到后端服务崩盘，前端同时有可能也崩盘，导致整个服务崩盘的过程就称为缓存雪崩，解决类似问题，我们可以从以下方面着手：
1、设置缓存集群RedisCluster或者哨兵Sentinel机制
2、进行服务降级以及熔断操作，比如使用微服务中的流量防卫兵Sentinel或Hystrix等