Redis缓存篇（四）缓存异常

这一节，我们来学习一下缓存异常。缓存异常有四种类型，分别是缓存和数据库的数据不一致、缓存雪崩、缓存击穿和缓存穿透。

下面通过了解这四种缓存异常的原理和应对方法。

缓存和数据库的数据不一致

缓存和数据库的数据一致性包含两种情况：

缓存中有数据，缓存的数据值需要和数据库中的值相同；
缓存中没有数据，数据库中的值必须是最新值。

数据不一致是如何发生的？

在第1讲中关于缓存的类型那节，介绍了缓存有两种不同类型，分别是只读缓存和读写缓存。不同类型的缓存数据不一致的发生情况不一样，应对方法也不一样。

读写缓存：有两种写回策略，同步直写和异步写回。如果要保证数据一致，就要采用同步直写策略。但需要保证缓存和数据库的更新具有原子性，即要么都成功，要么都失败。

只读缓存：分新增数据和删改数据两种情况说明。

新增数据

数据直接写到数据库中，不对缓存做任何操作，符合一致性的第2种情况。

删改数据

发生删改操作时，既要更新数据库，也要在缓存里删除数据。因为缓存和数据库是不同的系统，这里分两种情况：

先删除缓存，再更新数据库：数据库更新失败，导致请求再次访问缓存时，发现缓存失败，再读数据库时，从数据库中读取旧值。
先更新数据库，再删除缓存：缓存删除失败，导致请求再次访问缓存时，发现缓存命中，并从缓存中读取到旧值。

如何解决数据不一致？

使用重试机制，指把删除的缓存值或者是要更新的数据库值暂存到消息队列中（例如使用Kafka消息队列）。

当应用没有能够成功地删除缓存值或者是更新数据库值时，从消息队列中重新读取这些值，然后再次进行删除或更新。

如果成功删除，就从消息队列中删除，以免重复操作。否则就要进行重试，如果重试超过一定次数，就要向业务层发送报错信息。

具体情况如下图所示：

总结一下，对于只读缓存来说，建议优先使用先更新数据库，再删除缓存。

缓存雪崩

缓存雪崩，指大量的应用请求无法在Redis缓存中进行处理，然后应用将大量请求发送到数据库层，导致数据库层的压力激增。

导致缓存雪崩的两个原因：

1. 缓存中有大量数据同时过期，导致大量请求无法得到处理。

解决方案有两个，一是避免给大量的数据设置相同的过期时间，增加一个较小的随机数（例如，随机增加1~3分钟）。

另一个是服务降级，服务降级指发生缓存雪崩时，针对不同的数据采取不同的处理方式：

非核心数据，暂时停止从缓存中查询，直接返回预定义信息、空值或者错误信息；
核心数据，允许查询缓存，如果缓存缺失，继续通过数据库读取。

2. Redis缓存实例发生故障宕机了，无法处理请求。

有两个建议，一是在业务系统中实现服务熔断或请求限流机制。

服务熔断是指在发生缓存雪崩时，为了防止引发连锁的数据库雪崩，暂停业务应用对缓存系统的接口访问。

具体点，就是业务应用调用缓存接口时，缓存客户端并不把请求发给Redis缓存实例，而是直接返回，等Redis缓存实例重新恢复服务后，再允许发送。

服务熔断会暂停了整个缓存系统的访问，对业务应用的影响范围大。而请求限流相比服务熔断造成的影响没那么大。

请求限流是指业务系统的请求入口前端控制每秒进入系统的请求数，避免过多的请求被发送到数据库。

二是事前预防，通过主从节点构建Redis缓存高可靠集群。

缓存击穿

缓存击穿，指针对某个访问非常频繁的热点数据的请求，无法在缓存中进行处理，大量请求发送到后端数据库，导致数据库压力激增，影响数据库处理其他请求。

解决方案是，对于访问特别频繁的热点数据，不设置过期时间。

缓存穿透

缓存穿透，指要访问的数据既不在Redis缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，也发现没有数据。

如果有大量请求访问数据，就会同时给缓存和数据库带来巨大压力。

发生缓存穿透有两种情况：

业务层误操作：缓存中的数据和数据库中的数据被误删除；
恶意攻击：专门访问数据库中没有的数据。

为了避免缓存穿透，有三种应对方案。

第一种方案是，缓存空值或缺省值

一旦发生缓存穿透，就针对查询的数据，在Redis中缓存一个空值或是和业务层协商确定的缺省值。

第二种方案是，使用布隆过滤器快速判断数据是否存在，避免从数据库中查询数据是否存在，减轻数据库压力

布隆过滤器由一个初值都为0的bit数组和N个哈希函数组成，可以用来快速判断某个数据是否存在。

通过三个操作完成标记：

使用N个哈希函数，分别计算这个数据的哈希值，得到N个哈希值
把这N个哈希值对bit数组的长度取模，得到每个哈希值的位置
把对应的位置的bit位设置为1

这样一来，即使发生缓存穿透，大量请求只会查询Redis和布隆过滤器。

第三种方案是，在请求入口的前端进行请求检测

例如对请求进行合法性检测，把恶意的请求（例如请求参数不合理、请求参数是非法值、请求字段不存在）直接过滤掉

总结

另外还有三个建议：

针对缓存雪崩，合理地设置数据过期时间，以及搭建高可靠缓存集群。
针对缓存击穿，在缓存访问非常频繁的热点数据时，不要设置过期时间。
针对缓存穿透，提前在入口前端实现恶意请求检测，或者规范数据库的数据删除操作，避免误删除。

参考资料