Redis 缓存问题

Redis 最常用的一个场景就是作为缓存，在实践中可能会有哪些问题？比如一致性、击穿、穿透、雪崩、污染等。

在高并发的业务场景下，数据库大多数情况都是用户并发访问最薄弱的环节。所以，就需要 Redis 做一个缓冲操作，让请求先放问到 Redis，这样可以大大缓解数据库的压力。

当缓存出现时候，必须考虑到如下问题：缓存穿透、缓存击穿、缓存雪崩、缓存污染、缓存和数据库一致性

缓存穿透

缓存穿透事指缓存和数据库中都没有数据，而用户不断发请求。由于缓存是不命中时被动写的，摒弃饿处于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。

解决方案

1. 接口层增加校验，如用户鉴权。

2. 从缓存取不到的数据，在数据库中也没有取道，这时也可以将key-value对写为key-null，缓存有效时间可以设置短点，如30s

3. 布隆过滤器。bloomfilter就类似于一个hash set，用于快速判某个元素是否存在于集合中，其典型的应用场景就是快速判断一个key是否存在于某容器，不存在就直接返回。布隆过滤器的关键就在于hash算法和容器大小，

缓存雪崩

缓存雪崩是指缓存中数据大批量到过期时间，而查询数据量巨大，引起数据库压力过大甚至down机。和缓存击穿不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。

解决方案

1. 缓存数据的过期时间设置随机，防止同一时间大量数据过期现象发生。

2. 如果缓存数据库是分布式部署，将热点数据均匀分布在不同的缓存数据库中。

3. 设置热点数据永远不过期。

缓存污染(或满了)

缓存污染问题说的是缓存中一些只会被访问一次或者几次的的数据，被访问完后，再也不会被访问到，但这部分数据依然留存在缓存中，消耗缓存空间。

缓存污染会随着数据的持续增加而逐渐显露，随着服务的不断运行，缓存中会存在大量的永远不会再次被访问的数据。缓存空间是有限的，如果缓存空间满了，再往缓存里写数据时就会有额外开销，影响Redis性能。这部分额外开销主要是指写的时候判断淘汰策略，根据淘汰策略去选择要淘汰的数据，然后进行删除操作。

最大缓存设置多大

系统的设计选择是一个权衡的过程：大容量缓存是能带来性能加速的收益，但是成本也会更高，而小容量缓存不一定就起不到加速访问的效果。一般来说，我会建议把缓存容量设置为总数据量的 15% 到 30%，兼顾访问性能和内存空间开销。

对于 Redis 来说，一旦确定了缓存最大容量，比如 4GB，你就可以使用下面这个命令来设定缓存的大小了：

CONFIG SET maxmemory 4gb

不过，缓存被写满是不可避免的, 所以需要数据淘汰策略。

缓存淘汰策略

Redis共支持八种淘汰策略，分别是noeviction、volatile-random、volatile-ttl、volatile-lru、volatile-lfu、allkeys-lru、allkeys-random 和 allkeys-lfu 策略。

怎么理解呢？主要看分三类看：

• 不淘汰

  • noeviction （v4.0后默认的）

• 对设置了过期时间的数据中进行淘汰

  • 随机：volatile-random

  • ttl：volatile-ttl

  • lru：volatile-lru

  • lfu：volatile-lfu

• 全部数据进行淘汰

  • 随机：allkeys-random

  • lru：allkeys-lru

  • lfu：allkeys-lfu、

数据一致性

读取缓存步骤通常没什么问题，但是一旦涉及到数据更新：数据库和缓存之间就会出现数据不一致问题，

不管是先写数据库，再删除Redis缓存，还是先删除缓存，再写数据库，都有可能出现数据不一致的情况

1. 如果删除了缓存，还没来得及写数据库，另外一个线程就来读取，发现缓存为空，则去数据库读取数据写入缓存，此时缓存中为脏数据。

2. 如果先写了数据库，在删除缓存之前，写数据库的县城宕机了，没有删除掉缓存，则也会出现数据不一致情况。

因为读和写是并发的，没法保证顺序，就会出现缓存和数据库不一致的问题。