谈谈redis缓存击穿透和缓存击穿的区别,以及它们所引起的雪崩效应

发布时间:2022-03-01 10:20:17 作者:yexindonglai@163.com 阅读(921)

面试经历

在很长的一段时间里,我以为缓存击穿和缓存穿透是一个东西,直到最近去腾讯面试,面试官问我缓存击穿和穿透的区别;我回答它俩是一样的,面试官马上抬起头用他那细长的单眼皮眼睛瞪着我说:“你确定吗?”,最后面试提醒我,既然有不同的名字,那他们肯定就是不一样的,也就是说缓存击穿和缓存穿透不是一个东西;

那么今天我们就看看这俩玩意的区别,以及它们引发的后果;

在项目中加入缓存

一般情况下,我们会把热点数据放到缓存中,比如常用的字典、用户信息、订单详情等等;也就是说,当项目启动后,先将热点数据加载到redis中,以后需要数据时就不用每次都去数据库查询了,这样一来,既减少了数据库的压力,也提升了访问速度,可谓是一举多得呀!
在这里插入图片描述

缓存穿透

缓存穿透是指缓存和数据库中都没有的数据,而用户不断发起请求,如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者,攻击会导致数据库压力过大。
在这里插入图片描述

解决方案:

  1. 接口层增加校验,如用户鉴权校验,id做基础校验,id<=0的直接拦截;
  2. 从缓存取不到的数据,在数据库中也没有取到,这时也可以将key-value对写为key-null,缓存有效时间可以设置短一些,如30秒(设置太长会导致正常情况也没法使用)。这样可以防止攻击用户反复用同一个id暴力攻击
  3. 使用布隆过滤器,需要安装redis组件
  4. 使用布谷鸟滤器,布谷鸟过滤器是布隆过滤器的升级版,需要安装redis组件
  5. 在客户端自行实现布隆过滤算法

缓存击穿

缓存击穿指的是大量的key在同一时间过期,但是又有大量的请求需要用到这些已经过期的key,那么程序在redis找不到数据,就会去数据库里查询,数据库处理大量的请求的同时导致压力瞬间增大,造成压力过大,甚至导致崩溃;
在这里插入图片描述
解决方案

  1. 设置key值永不过期
  2. 将key的过期时间设为随机
  3. 使用布隆过滤器或者布谷鸟过滤器
  4. 使用分布式锁,当多个key过期时,同一时间只有一个查询请求下发到数据库,其他的key等待一个个地轮流查,就可以避免数据库压力过大的问题;代码如下:

    1. // 分布式锁,为了可读性高用 ReentrantLock 代替分布式锁
    2. static Lock lock = new ReentrantLock();
    3. public String getData(String key ) throws InterruptedException {
    4. try {
    5. // 从redis获取值
    6. String data = getRedisData(key);
    7. // 如果key不存在,从数据库查询
    8. if(null == data){
    9. // 尝试获取锁
    10. if(!lock.tryLock()){
    11. // 获取锁失败 ,100ms后在次尝试
    12. TimeUnit.MILLISECONDS.sleep(100);
    13. data = getData(key);
    14. }
    15. // 走到这里表示成功获取锁
    16. // 从myqsl中获取锁
    17. data = getMysqlData(key);
    18. // 将数据更新到redis
    19. setDataToRedis(key,value);
    20. }
    21. return data;
    22. } catch (Exception e){
    23. e.printStackTrace();
    24. throw e;
    25. } finally {
    26. // 解锁
    27. lock.unlock();
    28. }
    29. }

    穿透和击穿的区别

    关于穿透和击穿的区别上面已经介绍的很清楚了,这里在做个总结

  • 穿透 :大量请求了缓存和数据库中都没有的数据,每次都查询数据库,导致数据库压力过大
  • 击穿 : 大量key在同一时间过期,导致所有请求都达到数据库,导致数据库压力过大

雪崩效应

雪崩效应指的是由穿透和击穿引起的数据库压力过大,最后导致整个数据库宕机,一旦数据库崩了,它所带来的连锁反应是可怕的,数据库不可用的情况下你的服务器也无法使用;这就是雪崩效应;
在这里插入图片描述

关键字Redis