快取在高併發場景下的常見問題

2021-08-01 15:57:07 字數 2379 閱讀 3099

原文:

當資料時效性要求很高時,需要保證快取中的資料與資料庫中的保持一致,而且需要保證快取節點和副本中的資料也保持一致,不能出現差異現象。這就比較依賴快取的過期和更新策略。一般會在資料發生更改的時,主動更新快取中的資料或者移除對應的快取。

快取過期後將嘗試從後端資料庫獲取資料,這是乙個看似合理的流程。但是,在高併發場景下,有可能多個請求併發的去從資料庫獲取資料,對後端資料庫造成極大的衝擊,甚至導致 「雪崩」現象。此外,當某個快取key在被更新時,同時也可能被大量請求在獲取,這也會導致一致性的問題。那如何避免類似問題呢?我們會想到類似「鎖」的機制,在快取更新或者過期的情況下,先嘗試獲取到鎖,當更新或者從資料庫獲取完成後再釋放鎖,其他的請求只需要犧牲一定的等待時間,即可直接從快取中繼續獲取資料。

快取穿透在有些地方也稱為「擊穿」。很多朋友對快取穿透的理解是:由於快取故障或者快取過期導致大量請求穿透到後端資料庫伺服器,從而對資料庫造成巨大衝擊。

這其實是一種誤解。真正的快取穿透應該是這樣的:

在高併發場景下,如果某乙個key被高併發訪問,沒有被命中,出於對容錯性考慮,會嘗試去從後端資料庫中獲取,從而導致了大量請求達到資料庫,而當該key對應的資料本身就是空的情況下,這就導致資料庫中併發的去執行了很多不必要的查詢操作,從而導致巨大衝擊和壓力。

可以通過下面的幾種常用方式來避免快取傳統問題:

1.快取空物件

對查詢結果為空的物件也進行快取,如果是集合,可以快取乙個空的集合(非null),如果是快取單個物件,可以通過字段標識來區分。這樣避免請求穿透到後端資料庫。同時,也需要保證快取資料的時效性。這種方式實現起來成本較低,比較適合命中不高,但可能被頻繁更新的資料。

2.單獨過濾處理

對所有可能對應資料為空的key進行統一的存放,並在請求前做攔截,這樣避免請求穿透到後端資料庫。這種方式實現起來相對複雜,比較適合命中不高,但是更新不頻繁的資料。

快取的顛簸問題,有些地方可能被成為「快取抖動」,可以看做是一種比「雪崩」更輕微的故障,但是也會在一段時間內對系統造成衝擊和效能影響。一般是由於快取節點故障導致。業內推薦的做法是通過一致性hash演算法來解決。這裡不做過多闡述,可以參照其他章節

快取雪崩就是指由於快取的原因,導致大量請求到達後端資料庫,從而導致資料庫崩潰,整個系統崩潰,發生災難。導致這種現象的原因有很多種,上面提到的「快取併發」,「快取穿透」,「快取顛簸」等問題,其實都可能會導致快取雪崩現象發生。這些問題也可能會被惡意攻擊者所利用。還有一種情況,例如某個時間點內,系統預載入的快取週期性集中失效了,也可能會導致雪崩。為了避免這種週期性失效,可以通過設定不同的過期時間,來錯開快取過期,從而避免快取集中失效。

從應用架構角度,我們可以通過限流、降級、熔斷等手段來降低影響,也可以通過多級快取來避免這種災難。

此外,從整個研發體系流程的角度,應該加強壓力測試,盡量模擬真實場景,盡早的暴露問題從而防範。

該問題由 facebook 的工作人員提出的, facebook 在 2010 年左右,memcached 節點就已經達3000 個,快取數千 g 內容。

他們發現了乙個問題---memcached 連線頻率,效率下降了,於是加 memcached 節點,

新增了後,發現因為連線頻率導致的問題,仍然存在,並沒有好轉,稱之為」無底洞現象」。

目前主流的資料庫、快取、nosql、搜尋中介軟體等技術棧中,都支援「分片」技術,來滿足「高效能、高併發、高可用、可擴充套件」等要求。有些是在client端通過hash取模(或一致性hash)將值對映到不同的例項上,有些是在client端通過範圍取值的方式對映的。當然,也有些是在服務端進行的。但是,每一次操作都可能需要和不同節點進行網路通訊來完成,例項節點越多,則開銷會越大,對效能影響就越大。

主要可以從如下幾個方面避免和優化:

1.資料分布方式

有些業務資料可能適合hash分布,而有些業務適合採用範圍分布,這樣能夠從一定程度避免網路io的開銷。

2.io優化

可以充分利用連線池,nio等技術來盡可能降低連線開銷,增強併發連線能力。

3.資料訪問方式

一次性獲取大的資料集,會比分多次去獲取小資料集的網路io開銷更小。

當然,快取無底洞現象並不常見。在絕大多數的公司裡可能根本不會遇到。

快取在高併發場景下的常見問題

當資料時效性要求很高時,需要保證快取中的資料與資料庫中的保持一致,而且需要保證快取節點和副本中的資料也保持一致,不能出現差異現象。這就比較依賴快取的過期和更新策略。一般會在資料發生更改的時,主動更新快取中的資料或者移除對應的快取。快取過期後將嘗試從後端資料庫獲取資料,這是乙個看似合理的流程。但是,在...

快取在高併發場景下的常見問題

當資料時效性要求很高時,需要保證快取中的資料與資料庫中的保持一致,而且需要保證快取節點和副本中的資料也保持一致,不能出現差異現象。這就比較依賴快取的過期和更新策略。一般會在資料發生更改的時,主動更新快取中的資料或者移除對應的快取。快取過期後將嘗試從後端資料庫獲取資料,這是乙個看似合理的流程。但是,在...

快取在高併發場景下的常見問題

當資料時效性要求很高時,需要保證快取中的資料與資料庫中的保持一致,而且需要保證快取節點和副本中的資料也保持一致,不能出現差異現象。這就比較依賴快取的過期和更新策略。一般會在資料發生更改的時,主動更新快取中的資料或者移除對應的快取。快取過期後將嘗試從後端資料庫獲取資料,這是乙個看似合理的流程。但是,在...