一文参透：缓存一致性策略以及雪崩、穿透等问题
public Entity add(Entity entity) {
redisTemplate.delete(entity.getId());
Dao.insert(entity);
return entity;
}
2. 缓存更新策略
适用于做缓存的场景一般都是：访问频繁、读场景较多而写场景少、对数据一致性要求不高。如果上面三个条件都不符合，那维护一套缓存数据的意义并不大了，实际应用中通常都需要针对业务场景来选择合适的缓存方案，下面给出了四种缓存策略，由上到下就是按照一致性由强到弱的顺序。
更新策略特点适用场景
实时更新同步更新保证强一致性，与业务强侵入强耦合金融转账业务等
若实时异步更新(MQ/发布订阅/观察者模式)，业务解耦，若一致性存在延迟不适合写频繁场景
失效机制设置缓存失效，有一定延迟，可能存在雪崩适用读多写少，能接受一定的延时
任务调度通过定时任务进行全量更新统计类业务，访问频繁且定期更新
二. 缓存雪崩和击穿
==========
1. 缓存雪崩概念
缓存雪崩是指在我们设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到 DB，DB 瞬时压力过重雪崩。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
将缓存失效时间分散开，比如我们可以在原有的失效时间基础上增加一个随机值，比如 1-5 分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。
用加锁或者队列的方式保证
缓存的单线程(进程)写，从而避免失效时大量的并发请求落到底层存储系统上。
第一种方案比较容易实现，第二种的思路主要是从加阻塞式的排它锁来实现，在缓存查询不到的情况下，每此只允许一个线程去查询 DB，这样可避免同一个 ID 的大量并发请求都落到数据库中。
public Result query(String id) {
// 1.从缓存中取数据
Result result = null;
result = (Result)redisTemplate.opsForValue().get(id);
if (result ! = null) {
logger.info("缓存中得到数据");
return result;
}
//2.加锁排队，阻塞式锁
doLock(id);//多少个 id 就可能有多少把锁
try {
//一次只有一个线程
//双重校验，第一次获取到后面的都可以从缓存中直接击中
result = (Result)redisTemplate.opsForValue().get(id);
if (result != null) {
logger.info("缓存中得到数据");
return result;//第二个线程，这里返回
}
result = dao.query(id);
// 3.从数据库查询的结果不为空，则把数据放入缓存中，方便下次查询
if (null != result) {
redisTemplate.opsForValue().set(id,result);
redisTemplate.expire(id,20000, TimeUnit.MILLISECONDS);
}
return provinces;
} catch(Exception e) {
return null;
}
finally {
//4.解锁
releaseLock(provinceid);
}
}
private void releaseLock(String userCode) {
ReentrantLock oldLock = (ReentrantLock) locks.get(userCode);
if(oldLock !=null && oldLock.isHeldByCurrentThread()) {
oldLock.unlock();
}
}
private void doLock(String lockcode) {
//id 有不同的值
//id 相同的，加一个锁，不是同一个 key，不能用同一个锁
ReentrantLock newLock = new ReentrantLock();//创建一个锁
//若已存在，则 newLock 直接丢弃
Lock oldLock = locks.putIfAbsent(lockcode, newLock);
if(oldLock == null) {
newLock.lock();
} else {
oldLock.lock();
}
}
注意：加锁排队的解决方式在处理分布式环境的并发问题，有可能还要解决分布式锁的问题;线程还会被阻塞，用户体验很差!因此，在真正的高并发场景下很少使用!
2. 缓存击穿概念
一个存在的 key，在缓存过期的一刻，同时有大量的请求，这些请求都会击穿到 DB，造成瞬时 DB 请求量大、压力骤增。
解决方案
在访问 key 之前，采用 SETNX(set if not exists)来设置另一个短期 key 来锁住当前 key 的访问，访问结束再删除该短期 key。
三. 缓存穿透
=======
1. 缓存穿透概念
缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求，如发起为 id 为“-1”的数据或 id 为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大。
解决方案：布隆过滤器
布隆过滤器的使用方法，类似 java 的 SET 集合，用来判断某个元素(key)是否在某个集合中。和一般的 hash set 不同的是，这个算法无需存储 key 的值，对于每个 key，只需要 k 个比特位，每个存储一个标志，用来判断 key 是否在集合中。
使用步骤：
将 List 数据装载入布隆过滤器中
private BloomFilter<String> bf =null;
//PostConstruct 注解对象创建后，自动调用本方法
@PostConstruct
public void init() {
//在 bean 初始化完成后，实例化 bloomFilter，并加载数据
List<Entity> entities= initList();
//初始化布隆过滤器
bf = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), entities.size());
for (Entity entity : entities) {
bf.put(entity.getId());
}
评论