1.缓存穿透
是指客户端请求的数据在缓存中和数据库中都不存在,这样缓存永远不会生效,导致请求直接穿透缓存到达数据库,给数据库带来压力的情况。
常见的解决方案有两种:
缓存空对象:实现简单,维护方便;但产生了额外的内存消耗(可以给该对象设置一个很短的 TTL ,时间一到,就被清除了),可能造成短期的不一致(在缓存空对象的有效期内,数据库中新增了该数据,但缓存中的空值尚未过期,导致客户端仍然获取到旧的空值,直到缓存过期后才会更新为真实数据。)。
布隆过滤:内存占用少,没有多余key;但实现复杂,存在误判可能。
方案一比较常用,这里是该方法的实现:
public Result queryById(Long id) {
String key = CACHE_SHOP_KEY + id;
//1.从redis中查询店铺缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
//2.判断是否存在
if (StrUtil.isNotBlank(shopJson)) {//只有 返回字符串 才为真;null,空字符串,换行都会返回false
//3.存在,直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);//字符串转成shop对象
return Result.ok(shop);
}
//判断命中的是否是空值
if (shopJson != null){
//返回一个错误信息
return Result.fail("店铺信息不存在!");
}
//4.不存在,根据id查询数据库
Shop shop = getById(id);//shop对象
//5.不存在,返回错误
if (shop == null) {
//缓存穿透
//将空值写入redis
//返回错误
stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);//shop对象转成json形式存入
return Result.fail("店铺不存在!");
}
//6.存在,数据写入redis
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);//shop对象转成json形式存入
//7.返回
return Result.ok(shop);}
以上这两种都属于被动的方案,事实上我们可以主动的采取一些措施解决缓存穿透,比如:增加ID的复杂度,避免被猜测ID规律;做好数据的基础格式校验;加强用户权限校验;做好热点参数的限流。
2.缓存雪崩
缓存雪崩是指在同一时间段内大量缓存数据同时失效(过期)或者Redis服务宕机,导致大量请求瞬间穿透缓存层,直接冲击后端数据库,造成数据库负载骤增甚至崩溃,最终引发系统整体不可用的现象。
解决方案:
- 给不同的Key的TTL添加随机值
- 利用Redis集群提高服务的可用性
- 给缓存业务添加降级限流策略
- 给业务添加多级缓存
3.缓存击穿
该问题也叫做热点Key问题,就是一个被高并发访问并且缓存重建业务较复杂的Key突然失效了,无数的请求访问会在瞬间给数据库带来巨大的冲击。
解决方案:
互斥锁:没有额外的内存消耗,保证了一致性,实现比较简单;但是线程需要等待,性能受影响,可能有死锁风险。
逻辑过期:线程无需等待,性能较好;但是不保证一致性,有额外的内存消耗(存储过期时间),实现复杂。