Redis缓存穿透与雪崩问题解析及解决方案

Redis穿透、击穿、雪崩理解以及解决方案

使用缓存时最常见的问题之一是缓存穿透。
指用户故意查询数据库中不存在的数据，导致每次请求绕过缓存，直接查询数据库。
这可能会导致数据库面临频繁且无意义的请求，甚至在受到恶意攻击时对数据库性能造成严重影响。
为了解决这个问题，一种策略是设置预判断机制，比如在使用UUID时，对可能不存在的key进行特殊处理，或者在执行查询之前检查缓存中是否存在数据。
另一种类型的问题是缓存穿透。
当一个非常流行的缓存key在高并发场景下即将过期，大量并发请求同时到达时，这些请求会直接穿透缓存，冲击数据库，导致短时间内数据库压力增大的时间。
为了缓解这种情况，可以降级缓存或者使用备份缓存策略，即当主缓存出现故障时，切换到备份缓存或者直接查询数据库，但尽量减少这种操作的频率。
最后，缓存雪崩是指一次性出现大量缓存失效，而这些请求集中在数据库查询上，瞬间对数据库造成巨大压力，甚至可能导致服务中断。
为了避免雪崩，可以设置合理的缓存刷新策略，例如使用定时轮询或随机失效，或者设置缓存级别的功率限制机制来控制并发请求数。
通过合理的缓存设计、预测策略和故障响应措施，可以有效预防和管理缓存穿透问题、故障和雪崩，保证系统的稳定性和性能。

该怎么解决Redis缓存穿透和缓存雪崩问题？

缓存雪崩：由于缓存层承载大量请求，因此有效保护存储层。
但如果由于某些原因导致缓存层无法提供服务，例如Redis节点挂掉、所有热点key失效等。
在某些情况下，所有请求都将直接发送到数据库，这可能会导致数据库停机。
要避免和解决缓存雪崩问题，可以从以下三个方面入手：1、使用Redis高可用架构：使用Redis集群，保证Redis服务不挂掉。
2.缓存次数不一致：添加缓存。
暂停。
随机值，避免集体失败3.电流限制。
降级策略：有一定存款。
例如，如果个性化推荐服务不可用，则替换为热点数据推荐服务。
缓存穿透：缓存穿透是指查询绝对不存在的数据。
缓存，这将导致所有查询都命中数据库，并且可能会发生数据库停机。
要防止和解决缓存穿透问题，可以考虑以下两种方法：1.缓存空对象：缓存空值，但这是一个问题。
大量无效的空值会占用空间，是相当大的浪费。
。
2、拦截布隆过滤器：查询时首先将所有可能的查询key映射到布隆过滤器，先判断该key是否存在于布隆过滤器中，不存在则继续执行，直接翻过来。
布隆过滤器存在一定的判断错误，所以你的业务必须允许一定程度的容错能力。

Redis缓存常见问题及解决方案

缓存雪崩主要是指一段时间内大量缓存同时失效，导致数据库负载突然增加，并可能导致数据库宕机。
这种情况通常发生在缓存过期或者Redis服务节点宕机，向数据库发送大量请求，造成较大的压力峰值时。
虽然中央缓存过期本身不会对系统造成破坏，但如果一个Redis服务节点宕机，数据库将继续处于高负载状态，直到最终宕机。
不可预测性会给数据库带来压力，直到它无法承受为止。
以系统A为例，假设高峰时每秒5000个请求，那么缓存每秒可以承受4000个请求。
但是，如果缓存计算机意外停机，所有请求都会直接影响数据库，导致数据库停机。
在其关闭之前无法对其进行处理。
为了应对缓存雪崩，一个解决方案可以是配置一个Redis集群，这样即使某些Redis节点宕机了，集群中的其他节点仍然可以提供服务。
利用限流降级机制，通过锁或队列控制从数据库读取和写入缓存的线程数量，防止数据库过载。
部署前对热点数据进行预热，并设置不同的过期时间，均匀分布缓存过期时间，避免过多缓存同时过期。
处理缓存雪崩的解决方案需要较高的前期Redis可用性，例如使用主/从+哨兵、Redis集群或其他策略来避免完全崩溃。
这个过程使用本地缓存和降级机制来限制每秒的请求数，防止数据库被“杀死”。
然后使用Redis持久化来在重启后快速恢复缓存数据。
当用户请求系统A时，它首先检查本地缓存，如果没有结果，则查询数据库并将结果写入缓存。
限流组件限制请求的吞吐量，超出的部分会降级并返回默认值或提示信息。
缓存入侵是指查询不存在的数据。
如果缓存和数据库都未命中，请求将直接影响数据库，给数据库带来压力。
解决方案包括存储空值、缓存不存在数据的结果、设置过期时间或使用布隆过滤器来预先确定数据的存在并避免数据库查询。
缓存故障热点当同时有许多数据请求时发生。
如果缓存失效，大量的请求会直接影响数据库，造成很大的负载。
对策包括配置热点数据永不过期、使用分布式锁确保热点数据的唯一访问、在过期前主动构建缓存或延长缓存生命周期。
缓存穿透和高速缓存穿透的主要区别在于，缓存穿透发生在有很多并发请求热点数据时，而缓存穿透发生在没有数据可供查询时。
两者都使用特殊的策略来减少数据库负载并改进系统。
稳定。