分布式快取穿透快取雪崩，快取擊穿解決方案

快取穿透是指查詢乙個一定不存在的資料，由於快取是不命中時需要從資料庫查詢，查不到資料則不寫入快取，這將導致這個不存在的資料每次請求都要到資料庫去查詢，造成快取穿透。在流量大時，可能db就掛掉了，要是有人利用不存在的key頻繁攻擊我們的應用，這就是漏洞。

解決方案：

1）有很多種方法可以有效地解決快取穿透問題，最常見的則是採用布隆過濾器，將所有可能存在的資料雜湊到乙個足夠大的bitmap中，乙個一定不存在的資料會被這個bitmap攔截掉，從而避免了對底層資料庫的查詢壓力。

2）另外也有乙個更為簡單粗暴的方法，如果乙個查詢返回的資料為空（不管是資料不存在，還是系統故障），仍然把這個空結果進行快取，但它的過期時間會很短，最長不超過五分鐘。

快取雪崩是指在設定快取時採用了相同的過期時間，導致快取在某一時刻同時失效，導致所有的查詢都落在資料庫上，造成了快取雪崩。

解決方案：

1）在快取失效後，通過加鎖或者佇列來控制讀資料庫寫快取的執行緒數量。比如對某個key只允許乙個執行緒查詢資料和寫快取，其他執行緒等待。

2）可以通過快取reload機制，預先去更新快取，在即將發生大併發訪問前手動觸發載入快取。

3）不同的key，設定不同的過期時間，讓快取失效的時間點盡量均勻。

4）做二級快取，或者雙快取策略。a1為原始快取，a2為拷貝快取，a1失效時，可以訪問a2，a1快取失效時間設定為短期，a2設定為長期。

對於一些設定了過期時間的key，如果這些key可能會在某些時間點被超高併發地訪問，是一種非常「熱點」的資料。這個時候，需要考慮乙個問題：快取被「擊穿」的問題，這個和快取雪崩的區別在於這裡針對某一key快取，前者則是很多key。

快取在某個時間點過期的時候，恰好在這個時間點對這個key有大量的併發請求過來，這些請求發現快取過期一般都會從後端db載入資料並回設到快取，這個時候大併發的請求可能會瞬間把後端db壓垮。

解決方案：

1）後台重新整理

後台定義乙個job(定時任務)專門主動更新快取資料.比如,乙個快取中的資料過期時間是30分鐘,那麼job每隔29分鐘定時重新整理資料(將從資料庫中查到的資料更新到快取中).

注：這種方案比較容易理解，但會增加系統複雜度。比較適合那些 key 相對固定,cache 粒度較大的業務，key 比較分散的則不太適合，實現起來也比較複雜。

2）檢查更新

將快取key的過期時間(絕對時間)一起儲存到快取中(可以拼接,可以新增新字段,可以採用單獨的key儲存..不管用什麼方式,只要兩者建立好關聯關係就行).在每次執行get操作後,都將get出來的快取過期時間與當前系統時間做乙個對比,如果快取過期時間-當前系統時間<=1分鐘(自定義的乙個值),則主動更新快取.這樣就能保證快取中的資料始終是最新的(和方案一一樣,讓資料不過期.)

注：這種方案在特殊情況下也會有問題。假設快取過期時間是12:00，而 11:59 到 12:00這 1 分鐘時間裡恰好沒有 get 請求過來，又恰好請求都在 11:30 分的時候高併發過來，那就悲劇了。這種情況比較極端，但並不是沒有可能。因為「高併發」也可能是階段性在某個時間點爆發。

3）分級快取

採用 l1 (一級快取)和 l2(二級快取) 快取方式，l1 快取失效時間短，l2 快取失效時間長。請求優先從 l1 快取獲取資料，如果 l1快取未命中則加鎖，只有 1 個執行緒獲取到鎖,這個執行緒再從資料庫中讀取資料並將資料再更新到到 l1 快取和 l2 快取中，而其他執行緒依舊從 l2 快取獲取資料並返回。

注：這種方式，主要是通過避免快取同時失效並結合鎖機制實現。所以，當資料更新時，只能淘汰 l1 快取，不能同時將 l1 和 l2 中的快取同時淘汰。l2 快取中可能會存在髒資料，需要業務能夠容忍這種短時間的不一致。而且，這種方案可能會造成額外的快取空間浪費。

4）加鎖

方法1：

// 方法1:
public synchronized listgetdata01() 
return result;
}

注：這種方式確實能夠防止快取失效時高併發到資料庫,但是快取沒有失效的時候,在從快取中拿資料時需要排隊取鎖,這必然會大大的降低了系統的吞吐量.

方法2：

// 方法2:
static object lock = new object();
public listgetdata02() 
}return result;
}

注：這個方法在快取命中的時候,系統的吞吐量不會受影響,但是當快取失效時,請求還是會打到資料庫,只不過不是高併發而是阻塞而已.但是,這樣會造成使用者體驗不佳,並且還給資料庫帶來額外壓力.

方法3：

//方法3
public listgetdata03() }}
return result;
}

注：雙重判斷雖然能夠阻止高併發請求打到資料庫,但是第二個以及之後的請求在命中快取時,還是排隊進行的.比如,當30個請求一起併發過來,在雙重判斷時,第乙個請求去資料庫查詢並更新快取資料,剩下的29個請求則是依次排隊取快取中取資料.請求排在後面的使用者的體驗會不爽.

方法4：

static lock reenlock = new reentrantlock();
public listgetdata04() throws interruptedexception finally 
} else }}
return result;
}

注：最後使用互斥鎖的方式來實現，可以有效避免前面幾種問題.

當然,在實際分布式場景中，我們還可以使用 redis、tair、zookeeper 等提供的分布式鎖來實現.但是,如果我們的併發量如果只有幾千的話,何必殺雞焉用牛刀呢?

分布式快取穿透快取雪崩，快取擊穿解決方案

分布式快取穿透快取雪崩，快取擊穿解決方案

快取穿透快取擊穿快取雪崩

快取穿透，快取擊穿，快取雪崩

分布式 快取穿透 快取雪崩，快取擊穿解決方案

分布式 快取穿透 快取雪崩，快取擊穿解決方案

快取穿透 快取擊穿 快取雪崩

快取穿透，快取擊穿，快取雪崩

相關推薦

分布式快取穿透快取雪崩，快取擊穿解決方案

分布式快取穿透快取雪崩，快取擊穿解決方案

快取穿透快取擊穿快取雪崩