Redis缓存雪崩、击穿、穿透解释及解决方法，缓存预热，布隆过滤器 ，互斥锁
📜 缓存雪崩
📘解释：
大量缓存数据同一时间过期或者redis故障时，此时大量用户请求直接打到数据库，造成数据库宕机
📒解决方法：
- 过期时间增加随机数
- 互斥锁，
当发现数据不在redis中时 加一个互斥锁，保证同一时间只有一个请求构建缓存，如果其他请求未获取到锁则等待或者返回空值，注意等待需要设置超时时间，不然如果出现第一个请求获取锁之后一直阻塞，导致其他请求一直获取不到锁。
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.company.dubbodemo.entity.User;
import com.company.dubbodemo.mapper.UserMapper;
import com.company.dubbodemo.service.UserService;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.cache.annotation.Cacheable;
import org.springframework.stereotype.Service;
import javax.annotation.Resource;
@Service
public class UserServiceImpl extends ServiceImpl<UserMapper, User>
implements UserService {
@Resource
private RedissonClient redissonClient;
@Resource
private UserMapper userMapper;
@Override
// 一定要设置sync = true开启异步，否则会导致多个线程同时获取到锁
@Cacheable(cacheNames = "user", key = "#id", sync = true)
public User findById(Long id) {
/**
*
* 加了@Cacheable之后方法体执行说明缓存中不存在所查询的数据
* 获取一把锁，只要锁的名字一样，就是同一把锁
*/
/**
* 注意: 设置了lock.lock(10,TimeUnit.SECONDS) 锁过期不会自动续期
* 1、如果我们传递了锁的过期时间，就发送给redis执行脚本，进行占锁，默认超时就是我们指定的时间
* 2、如果没有指定锁的超时时间，就使用30000L(LockWatchdogTimeout 看门狗的默认时间)
* 可通过RedissonConfig-->getRedissonClient()-->config.setLockWatchdogTimeout()设置看门狗时间
* 只要占锁成功就会启动一个定时任务【就会重新给锁设置过期时间，新的时间就是看门狗的默认时间】,每隔10s都会自动续期，续期成30s
* 看门狗机制
* 1、锁的自动续期，如果业务超长，运行期间自动给锁续上新的30s。不用担心因为业务时间长，锁自动过期被删除
* 2、加锁的业务只要运行完成，就不会给当前锁续期，即使不手动解锁，锁默认在30s以后自动删除
*
*/
RLock lock = redissonClient.getLock("redissonClient-lock");
// 对第一个线程执行方法体的线程加锁，加了@Cacheable，方法执行之后会将方法的返回值存入缓存，下一个线程直接读取缓存
lock.lock(10,TimeUnit.SECONDS);
User user = new User();
try {
user = userMapper.selectById(id);
} catch (Exception e) {
e.printStackTrace();
} finally {
lock.unlock();
}
return user;
}
}- 双key策略
缓存数据设置两个key 一个为主key （设置过期时间） 一个为从key（时间设置比主key长一些，例如多5天），虽然key不同，但value一样
当业务线程访问不到主key时 则直接返回从key的数据，同时更新主key和从key - 设置缓存永久有效后台定时更新缓存
不设置缓存的有效时间，让他永久有效，并将更新缓存的工作交由后台线程定时更新。
虽然缓存数据不设置有效期，但是缓存也不会一直存在redis中，因为当内存紧张时，redis会自动淘汰某些key
定时更新缓存
方式一
创建一个定时任务，定时监测某些key是否失效，如果失效则重新加载
方式二
业务线程发现缓存失效后，发送mq消息去执行重新加载缓存
🔖ps:缓存预热
当启动系统后可以检查某些key是否存在redis中，如果不存在则进行重新加载，缓存预热是使用缓存的一个优化技巧
📖缓存击穿
📅解释：
某个热点缓存，在某一时刻恰好失效了，然后此时刚好有大量的并发请求，此时这些请求将会给数据库造成巨大的压力，这种情况就叫做缓存击穿
Ps:缓存击穿和缓存穿透经常记错，这里有一个小技巧
只需要记住一击必中这个成语； 热点key一般比较少 比作一 ；这样就可以联想记忆到缓存击穿就是热点key失效问题
📚解决方法
- 加锁排队
和缓存雪崩的加锁处理方式一致，再查数据库时进行加锁，缓冲大量请求。 - 热点key设置永不过期
对于某些热点缓存，我们可以设置永不过期，这样就能保证缓存的稳定性，但需要注意在数据更改之后，要及时更新此热点缓存，不然就会造成查询结果的误差
🧣缓存穿透
📌解释：
用户访问的数据既不在缓存中也不在数据库中；当出现大量这种请求后，数据库的压力骤增，可能被直接打穿；这种操作发生情况主要有两种
1.业务误操作，缓存中的数据和数据库中的数据都被误删除了，所以导致缓存和数据库中都没有数据；
2.黑客恶意访问
🖥️解决方法：
- 增加黑名单与白名单，限制某些恶意ip访问
- 缓存空值或者默认值，当缓存与数据库都没有查询到时，直接返回空值
- 增加布隆过滤器
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
/**
* 布隆过滤器
*/
public class BloomFilterTest {
/**
* @param expectedInsertions 预期插入值
* 这个值的设置相当重要，如果设置的过小很容易导致饱和而导致误报率急剧上升，如果设置的过大，也会对内存造成浪费，所以要根据实际情况来定
* @param fpp 误差率，例如：0.001,表示误差率为0.1%
* @return 返回true，表示可能存在，返回false一定不存在
*/
public static boolean isExist(int expectedInsertions, double fpp) {
// 创建布隆过滤器对象
BloomFilter<Integer> filter = BloomFilter.create(Funnels.integerFunnel(), 500, 0.01);
// 判断指定元素是否存在
System.out.println(filter.mightContain(10));
// 将元素添加进布隆过滤器
filter.put(10);
// 再判断指定元素是否存在
System.out.println(filter.mightContain(10));
return filter.mightContain(10);
}
//主类中进行测试
public static void main(String[] args) {
boolean exist = isExist(100000000, 0.001);
}
}🖊️最后总结
🖲要熟练掌握技巧，一定多多坚持练习：骐骥一跃，不能十步；驽马十驾，功在不舍。
