Redis系列三 - 缓存雪崩、击穿、穿透

前言

　　从学校出来，做开发工作也有一定时间了，最近有想系统地进一步深入学习，但发现基础知识不够扎实，故此来回顾基础知识，进一步巩固、加深印象。

　　最初开始接触编程时，总是自己跌跌撞撞、不断摸索地去学习，再一点点应用到实际项目中，知识点才更加清晰。后来，尝试写博客，把学到的知识试着分享出来，也是一次巩固的过程。

1、问：Redis雪崩了解吗？

　　答：我了解的。目前电商首页以及热点数据都会去做缓存，一般缓存都是定时任务去刷新，或者是查不到之后去更新，定时任务刷新就有一个问题。

　　举个简单例子：如果所有首页的key失效时间都是12小时，中午12点刷新，我0点开始抢单活动，大量用户涌入，假设当时每秒6000个请求，本来缓存可以扛住每秒5000个请求，但是缓存当时所有的 Key 都失效了。此时，1秒 6000个请求全部打到数据库，数据库必然扛不住，它会报一下警，但实际情况可能是DBA都没反应过来数据库就直接挂了。此时，如果没有什么特别的方案来处理这个故障，DBA很着急，重启数据库，但是数据库马上又被新的流量打死了。这就是我理解的缓存雪崩。

　　同一时间缓存大面积失效，那一瞬间Redis跟没有一样，这个数量界别的请求直接打到数据库几乎是灾难性的。试想一下，如果打挂的是一个用户服务的库，那其他依赖它的库所有的接口几乎都会报错，如果没有做熔断等策略，基本上就是一瞬间挂一片的节奏，任你怎么重启用户都会把你打挂，等你重启好的时候，用户早睡觉去了，并且对我们的产品失去了信息。

2、问：那遇到这种情况，你是怎么去应对的？

　　答：处理缓存雪崩相对简单，在批量往Redis存数据的时候，把每个Key的失效时间都加个随机值就好，这样就可以保证数据不会在同一时间大面积失效，我相信，Redis这点流量还是顶得住的。

setRedis( Key, value, time+Math.random() * 1000 );
　　如果Redis是集群部署，将热点数据均匀分布在不同的Redis库中也能避免全部失效问题，不过在生产环境中操作集群的时候，单个服务都是对应的单个Redis分片，是为了方便数据的管理，但是也同样有可能回失效这样的弊端，失效时间随机是个好策略。

　　或者设置热点数据永远不过期，用更新操作就更新缓存就好了（比如运维更新了首页商品，那你刷下缓存就完事了，不要设置过期时间），电商首页的数据也可以用这个操作，保险。

3、问：那你了解缓存穿透和击穿吗？跟雪崩有什么区别？

　　答：有了解的。先说说缓存穿透吧。缓存穿透是指缓存和数据库中都没有数据，而用户不断发起请求，我们数据库的 id 都是1开始自增上去的，如果发起 id = -1 的数据 或 id 为特别大（不存在）的数据，这是用户就很可能是攻击者，攻击会导致数据库压力过大，严重会击垮数据库。

　　小点的单机系统，可能用 postman 就能搞死，比如自己买的云服务。

　　像这种没有对参数进行校验，数据库 ID 都是大于0的，我们一直用小于 0 的参数去请求，每次都能绕开Redis直接打到数据库，数据库也查不到，每次都这样，并发高点就容易崩掉了。

　　至于缓存击穿嘛，这个和缓存雪崩有点像，但是又有点区别，缓存雪崩是因为大面积的缓存失效，打崩了DB，而缓存击穿不同的是缓存击穿是指一个Key非常热点，在不停地扛着大并发，大并发集中对一个点进行访问，当这个Key在失效的瞬间，持续的大并发就穿透缓存，直接请求数据库，就像一个完好无损的桶上凿开了一个洞。比如系统中某个商品，突然变成爆款，大量用户访问该商品，就可能发生缓存击穿。

4、问：雪崩、穿透、击穿你们都是怎么解决的？

　　答：缓存穿透是请求绕过缓存直接查数据库，我会在接口层增加校验，比如对用户权限校验，接口参数做校验，不合法的参数直接Return，比如 id 做基础校验，id<=0的直接拦截等等。

　　（这里我想补充一点，就是我们在开发的时候，要保持一颗“不信任”的心，就是不要相信任何调用方，比如我提供API接口出去，我需要这几个入参，那作为被调用方，任何可能的参数情况都应该被考虑到、并做校验，因为我不相信调用我接口的人，我不知道他会传什么参数给我。

　　举个简单例子，我这个接口是分页查询的，但是我没有对分页参数的大小做限制，调用的人万一 一口气查 Interger.MAX_VALUE  一次请求就需要我几秒，多几个并发我接口就挂了。是公司同事调用还好，大不了发现了改掉就是了，但是如果是黑客或者竞争对手，那问题就大了。在双十一或者抢单活动的时候调用这个接口，那损失就大了。）

　　从缓存取不到的数据，在数据库中也没有取到（不管是数据不存在，还是系统故障），这时也可以将对应Key的Value对写为null、“位置错误”、“稍后重试”这样的值（具体和产品沟通），或者看具体的场景，缓存的时间可以设置短点，如30秒（设置太长会导致正常情况下也没法适用），这样第二次到缓冲中获取就有值了，而不会继续访问数据库，这种办法最简单粗暴。

　　这样可以防止攻击用户反复用同一个 id 暴力攻击，但是我们要知道正常用户是不会在单秒内发起这么多次请求的，那网关层Nginx 我们也可以添加配置项，可以让运维人员对单个 IP 每秒访问次数超出阀值的 IP 都拉黑。

5、问：还有其他办法吗？

　　答：记得Redis还有一个高级用法布隆过滤器（Bloom Filter），这个也能很好地防止缓存穿透的发生，他的原理也很简单，就是利用高效的数据结构和算法快速判断出你这个Key是否在数据库中存在，不存在你Return就好了，存在你就去查了DB刷新Key、Value，再Return。

　　缓存击穿的话，设置热点数据永远不过期，或者加上互斥锁就能搞定了。（代码如下）

 /**
  * 获取数据
  * @param key                            查询参数
  * @return data                            数据
  * @throws InterruptedException            异常
  * @author    柠檬先生
  */
 public static String getData(String key) throws InterruptedException {
     // 从redis查询数据
     String result = getDataFromKV(key);
     // 校验数据
     if (StringUtils.isBlank(result)){
         // 获取锁
         if (reenLock.tryLock()) {
             // 去数据库查询
             result = getDataFromDB(key);
             // 校验
             if (StringUtils.isNotBlank(result)){
                 // 保存到缓存中;
                 setDataToKV(key, result);
             }
             // *释放锁 正常会再finally里面释放;
             reenLock.unLock();
         }else {
             // 睡一会儿再拿
             Thread.sleep(100L);
             result = getData(key);
         }
     }
     return result;
 }
 //这里的锁是单机版玩法.,分布式锁还是得靠lua脚本这样的;

小结：

　　以上介绍了Redis的雪崩、击穿、穿透，三者其实都差不多，但是又有些区别，在面试中这是问到缓存必问的，因为缓存的雪崩、击穿、穿透，是缓存最大的问题，要么不出现，一旦出现就是致命性的问题，所以面试官一定会问。

　　我们学习的时候一定要理解是怎么发生，以及怎么去避免的，发生之后怎么去抢救，你可以不是了解很深入，但是你一定不能什么都不去想，面试有时候不一定是对只是面的拷问，或许是对你态度的拷问，如果你思路清晰，然后知其然还能知其所以然那就更棒了，还能知道怎么预防，那offer就是手到擒来了。

总结：

　　一般避免以上情况发生我们要从3个时间段去分析：

• 事前：Redis 高可用，主从+哨兵，Redis cluster，避免全盘崩溃；
• 事中：本地 ehcache 缓存 + Hystrix 限流 + 降级，避免 **MySQL** 被打死。
• 事后：Redis 持久化 RDB + AOF，一旦重启，自动从磁盘上加载数据，快速回复缓存数据。

　　上面提到的限流组件，可以设置每秒的请求，有多少能通过组件，剩余未通过的请求，怎么办？走降级！可以返回一些默认值，或者友情提示，或者空白的值。

　　这样做的好处是：数据库绝对不会死，限流组件确保了每秒只有多少个请求能通过。只要数据库不死，对用户来说， 3/5 的请求都是可以被处理的。只要有 3/5 的请求可以被处理，就意味着系统没有死，对用户来说，可能就是点击几次刷不出来页面，但是多点几次就可以刷出来一次。

　　这个在目前主流的互联网大厂里面是最常见的，以前遇到过，某明星爆出什么事情，会发现微博怎么刷都是空白界面，但是有的人有直接进去了，多刷几次又出来了，这就是做了降级，牺牲部分用户体验来换取服务器的安全，还行。

　　还有就是今年（2019）的双十一，走的就是“限流、降级”，下单接口其实没有挂，牺牲部分用户体验，保住服务器，你多点几下是可以成功的，等流量高峰过去了，所有的用户全部都恢复正常访问，服务器啥事也没有。

　　去年（2018）退款接口被打崩了，今年阿里也聪明了很多，退款接口在12日0点开放，这就有效避开了流量高峰。