摘要：緩存穿透是指查詢一個一定不存在的數(shù)據(jù)。這就是緩存穿透請求的數(shù)據(jù)在緩存大量不命中，導致請求走數(shù)據(jù)庫。并發(fā)下解決數(shù)據(jù)庫與緩存不一致的思路將刪除緩存修改數(shù)據(jù)庫讀取緩存等的操作積壓到隊列里邊，實現(xiàn)串行化。

只有光頭才能變強。

文本已收錄至我的GitHub倉庫，歡迎Star：https://github.com/ZhongFuCheng3y/3y

回顧前面：

從零單排學Redis【青銅】

從零單排學Redis【白銀】

從零單排學Redis【黃金】

從零單排學Redis【鉑金一】

從零單排學Redis【鉑金二】

今天來分享一下Redis幾道常見的面試題：

如何解決緩存雪崩？

如何解決緩存穿透？

如何保證緩存與數(shù)據(jù)庫雙寫時一致的問題？

回顧一下我們?yōu)槭裁匆镁彺?Redis)：

現(xiàn)在有個問題，如果我們的緩存掛掉了，這意味著我們的全部請求都跑去數(shù)據(jù)庫了。

在前面學習我們都知道Redis不可能把所有的數(shù)據(jù)都緩存起來(內(nèi)存昂貴且有限)，所以Redis需要對數(shù)據(jù)設置過期時間，并采用的是惰性刪除+定期刪除兩種策略對過期鍵刪除。Redis對過期鍵的策略+持久化

如果緩存數(shù)據(jù)設置的過期時間是相同的，并且Redis恰好將這部分數(shù)據(jù)全部刪光了。這就會導致在這段時間內(nèi)，這些緩存同時失效，全部請求到數(shù)據(jù)庫中。

這就是緩存雪崩：

Redis掛掉了，請求全部走數(shù)據(jù)庫。

對緩存數(shù)據(jù)設置相同的過期時間，導致某段時間內(nèi)緩存失效，請求全部走數(shù)據(jù)庫。

緩存雪崩如果發(fā)生了，很可能就把我們的數(shù)據(jù)庫搞垮，導致整個服務癱瘓！

對于“對緩存數(shù)據(jù)設置相同的過期時間，導致某段時間內(nèi)緩存失效，請求全部走數(shù)據(jù)庫。”這種情況，非常好解決：

解決方法：在緩存的時候給過期時間加上一個隨機值，這樣就會大幅度的減少緩存在同一時間過期。

對于“Redis掛掉了，請求全部走數(shù)據(jù)庫”這種情況，我們可以有以下的思路：

事發(fā)前：實現(xiàn)Redis的高可用(主從架構(gòu)+Sentinel 或者Redis Cluster)，盡量避免Redis掛掉這種情況發(fā)生。

事發(fā)中：萬一Redis真的掛了，我們可以設置本地緩存(ehcache)+限流(hystrix)，盡量避免我們的數(shù)據(jù)庫被干掉(起碼能保證我們的服務還是能正常工作的)

事發(fā)后：redis持久化，重啟后自動從磁盤上加載數(shù)據(jù)，快速恢復緩存數(shù)據(jù)。

比如，我們有一張數(shù)據(jù)庫表，ID都是從1開始的(正數(shù))：

但是可能有黑客想把我的數(shù)據(jù)庫搞垮，每次請求的ID都是負數(shù)。這會導致我的緩存就沒用了，請求全部都找數(shù)據(jù)庫去了，但數(shù)據(jù)庫也沒有這個值啊，所以每次都返回空出去。

緩存穿透是指查詢一個一定不存在的數(shù)據(jù)。由于緩存不命中，并且出于容錯考慮，如果從數(shù)據(jù)庫查不到數(shù)據(jù)則不寫入緩存，這將導致這個不存在的數(shù)據(jù)每次請求都要到數(shù)據(jù)庫去查詢，失去了緩存的意義。

這就是緩存穿透：

請求的數(shù)據(jù)在緩存大量不命中，導致請求走數(shù)據(jù)庫。

緩存穿透如果發(fā)生了，也可能把我們的數(shù)據(jù)庫搞垮，導致整個服務癱瘓！

解決緩存穿透也有兩種方案：

由于請求的參數(shù)是不合法的(每次都請求不存在的參數(shù))，于是我們可以使用布隆過濾器(BloomFilter)或者壓縮filter提前攔截，不合法就不讓這個請求到數(shù)據(jù)庫層！

當我們從數(shù)據(jù)庫找不到的時候，我們也將這個空對象設置到緩存里邊去。下次再請求的時候，就可以從緩存里邊獲取了。

這種情況我們一般會將空對象設置一個較短的過期時間。

參考資料：

緩存系列文章--5.緩存穿透問題

https://carlosfu.iteye.com/blog/2248185

上面講緩存穿透的時候也提到了：如果從數(shù)據(jù)庫查不到數(shù)據(jù)則不寫入緩存。

一般我們對讀操作的時候有這么一個固定的套路：

如果我們的數(shù)據(jù)在緩存里邊有，那么就直接取緩存的。

如果緩存里沒有我們想要的數(shù)據(jù)，我們會先去查詢數(shù)據(jù)庫，然后將數(shù)據(jù)庫查出來的數(shù)據(jù)寫到緩存中。

最后將數(shù)據(jù)返回給請求

如果僅僅查詢的話，緩存的數(shù)據(jù)和數(shù)據(jù)庫的數(shù)據(jù)是沒問題的。但是，當我們要更新時候呢？各種情況很可能就造成數(shù)據(jù)庫和緩存的數(shù)據(jù)不一致了。

這里不一致指的是：數(shù)據(jù)庫的數(shù)據(jù)跟緩存的數(shù)據(jù)不一致

從理論上說，只要我們設置了鍵的過期時間，我們就能保證緩存和數(shù)據(jù)庫的數(shù)據(jù)最終是一致的。因為只要緩存數(shù)據(jù)過期了，就會被刪除。隨后讀的時候，因為緩存里沒有，就可以查數(shù)據(jù)庫的數(shù)據(jù)，然后將數(shù)據(jù)庫查出來的數(shù)據(jù)寫入到緩存中。

除了設置過期時間，我們還需要做更多的措施來盡量避免數(shù)據(jù)庫與緩存處于不一致的情況發(fā)生。

一般來說，執(zhí)行更新操作時，我們會有兩種選擇：

先操作數(shù)據(jù)庫，再操作緩存

先操作緩存，再操作數(shù)據(jù)庫

首先，要明確的是，無論我們選擇哪個，我們都希望這兩個操作要么同時成功，要么同時失敗。所以，這會演變成一個分布式事務的問題。

所以，如果原子性被破壞了，可能會有以下的情況：

操作數(shù)據(jù)庫成功了，操作緩存失敗了。

操作緩存成功了，操作數(shù)據(jù)庫失敗了。

如果第一步已經(jīng)失敗了，我們直接返回Exception出去就好了，第二步根本不會執(zhí)行。

下面我們具體來分析一下吧。

操作緩存也有兩種方案：

更新緩存

刪除緩存

一般我們都是采取刪除緩存緩存策略的，原因如下：

高并發(fā)環(huán)境下，無論是先操作數(shù)據(jù)庫還是后操作數(shù)據(jù)庫而言，如果加上更新緩存，那就更加容易導致數(shù)據(jù)庫與緩存數(shù)據(jù)不一致問題。(刪除緩存直接和簡單很多)

如果每次更新了數(shù)據(jù)庫，都要更新緩存【這里指的是頻繁更新的場景，這會耗費一定的性能】，倒不如直接刪除掉。等再次讀取時，緩存里沒有，那我到數(shù)據(jù)庫找，在數(shù)據(jù)庫找到再寫到緩存里邊(體現(xiàn)懶加載)

基于這兩點，對于緩存在更新時而言，都是建議執(zhí)行刪除操作！

正常的情況是這樣的：

先操作數(shù)據(jù)庫，成功；

再刪除緩存，也成功；

如果原子性被破壞了：

第一步成功(操作數(shù)據(jù)庫)，第二步失敗(刪除緩存)，會導致數(shù)據(jù)庫里是新數(shù)據(jù)，而緩存里是舊數(shù)據(jù)。

如果第一步(操作數(shù)據(jù)庫)就失敗了，我們可以直接返回錯誤(Exception)，不會出現(xiàn)數(shù)據(jù)不一致。

如果在高并發(fā)的場景下，出現(xiàn)數(shù)據(jù)庫與緩存數(shù)據(jù)不一致的概率特別低，也不是沒有：

緩存剛好失效

線程A查詢數(shù)據(jù)庫，得一個舊值

線程B將新值寫入數(shù)據(jù)庫

線程B刪除緩存

線程A將查到的舊值寫入緩存

要達成上述情況，還是說一句概率特別低：

因為這個條件需要發(fā)生在讀緩存時緩存失效，而且并發(fā)著有一個寫操作。而實際上數(shù)據(jù)庫的寫操作會比讀操作慢得多，而且還要鎖表，而讀操作必需在寫操作前進入數(shù)據(jù)庫操作，而又要晚于寫操作更新緩存，所有的這些條件都具備的概率基本并不大。

對于這種策略，其實是一種設計模式：Cache Aside Pattern

刪除緩存失敗的解決思路：

將需要刪除的key發(fā)送到消息隊列中

自己消費消息，獲得需要刪除的key

不斷重試刪除操作，直到成功

正常情況是這樣的：

先刪除緩存，成功；

再更新數(shù)據(jù)庫，也成功；

如果原子性被破壞了：

第一步成功(刪除緩存)，第二步失敗(更新數(shù)據(jù)庫)，數(shù)據(jù)庫和緩存的數(shù)據(jù)還是一致的。

如果第一步(刪除緩存)就失敗了，我們可以直接返回錯誤(Exception)，數(shù)據(jù)庫和緩存的數(shù)據(jù)還是一致的。

看起來是很美好，但是我們在并發(fā)場景下分析一下，就知道還是有問題的了：

線程A刪除了緩存

線程B查詢，發(fā)現(xiàn)緩存已不存在

線程B去數(shù)據(jù)庫查詢得到舊值

線程B將舊值寫入緩存

線程A將新值寫入數(shù)據(jù)庫

所以也會導致數(shù)據(jù)庫和緩存不一致的問題。

并發(fā)下解決數(shù)據(jù)庫與緩存不一致的思路：

將刪除緩存、修改數(shù)據(jù)庫、讀取緩存等的操作積壓到隊列里邊，實現(xiàn)串行化。

我們可以發(fā)現(xiàn)，兩種策略各自有優(yōu)缺點：

先刪除緩存，再更新數(shù)據(jù)庫

在高并發(fā)下表現(xiàn)不如意，在原子性被破壞時表現(xiàn)優(yōu)異

先更新數(shù)據(jù)庫，再刪除緩存(Cache Aside Pattern設計模式)

在高并發(fā)下表現(xiàn)優(yōu)異，在原子性被破壞時表現(xiàn)不如意

可以用databus或者阿里的canal監(jiān)聽binlog進行更新。

參考資料：

緩存更新的套路

https://coolshell.cn/articles/17416.html

如何保證緩存與數(shù)據(jù)庫雙寫時的數(shù)據(jù)一致性？

https://github.com/doocs/advanced-java/blob/master/docs/high-concurrency/redis-consistence.md

分布式之數(shù)據(jù)庫和緩存雙寫一致性方案解析

https://zhuanlan.zhihu.com/p/48334686

Cache Aside Pattern

https://blog.csdn.net/z50l2o08e2u4aftor9a/article/details/81008933

這是幾道Redis常見的面試題，希望大家看完有所幫助，順利拿到offer！

樂于輸出干貨的Java技術公眾號：Java3y。200多篇原創(chuàng)技術文章、海量視頻資源、精美腦圖！

精彩回顧：

為什么需要Docker？

覺得我的文章寫得不錯，不妨點一下贊！