Redis进阶 - 缓存问题
Redis进阶 - 缓存问题
缓存
缓存就是数据交换的缓冲区（Cache），是存储数据的临时地方，一般读写性能比较高。
- 例如
- 内存是硬盘的缓存
- cache 是内存的缓存
- 作用
- 降低后端负载
- 提高读写效率，降低响应时间
- 成本
- 数据一致性成本
- 代码维护成本
缓存穿透
缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。如请求不存在的数据，则 Redis 缓存中不存在，数据库中也不存在，频繁请求，造成资源的浪费。
解决方案
- 缓存空对象
- 优点：实现简单，维护方便
- 缺点：1. 额外的内存消耗。 2. 可能造成短期的不一致
- 布隆过滤
- 优点：内存占用小，没有多余的key
- 缺点：1. 实现复杂 2. 存在误判可能
- 增强ID的复杂度，避免被猜测ID规律
- 做好数据的基础格式校验
缓存雪崩
缓存雪崩是指在同一时间段内，大量的缓存 Key 同时失效或者 Redis 服务宕机，导致瞬间大量请求到达数据库，带来巨大压力。
解决方案
- 给不同的 Key 的TTL添加随机值
- 利用 Redis 集群提高服务的可用性
- 给缓存业务添加降级限流操作
- 给业务添加多级缓存
缓存击穿
缓存击穿问题也叫热点 key 问题，就是一个被高并发访问并且缓存重建业务较复杂的 key 突然失效，无数的请求访问会在瞬间给数据库带来巨大的冲击。和缓存雪崩不同的是，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，导致请求数据库的总量比较大。
解决方案
- 互斥锁
- 查询缓存，未命中
- 获取锁，再更新缓存
- 更新完以后，释放锁
- 逻辑过期
| 解决方案 | 优点 | 缺点 |
|---|---|---|
| 互斥锁 | 1. 没有额外的内存消耗 2. 保证一致性 3. 实现简单 | 1. 线程需要等待，性能受影响 2. 可能有死锁风险 |
| 逻辑过期 | 线程无需等待，性能较好 | 1. 不保证一致性 2. 有额外内存消耗 3. 实现复杂 |
缓存污染
缓存污染问题指的是缓存中一些只会被访问一次或者几次的数据，被访问完以后，再也不会被访问到，但这部分数据依然留在缓存中，占用缓存空间。
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被访问的数据。然而缓存空间是有限的，如果缓存写满了，再往缓存中存储数据时就会有额外的性能开销，影响 Redis 的性能。这部分开销主要是指往缓存中写数据时判断缓存淘汰策略，根据淘汰策略去选择要淘汰的数据，然后进行删除操作。
- 最大缓存设置多少
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
具体的放到下一个小节来说
缓存更新策略
| 内存淘汰 | 超时剔除 | 主动更新 | |
|---|---|---|---|
| 说明 | 不用自己维护，利用 Redis 的内存淘汰机制，当内存不足时自动淘汰部分数据。下次查询时更新缓存 | 给缓存数据添加TTL时间，到期后自动删除缓存。下次查询时更新缓存。 | 编写业务逻辑，在修改数据库的同时，更新缓存。 |
| 一致性 | 差 | 一般 | 好 |
| 维护成本 | 无 | 低 | 高 |
业务场景：
- 低一致性需求：数据的变化频率低，使用内存淘汰机制。例如：店铺类型的查询缓存。
- 高一致性需求：数据经常发生改变，主动更新，并以超时剔除作为兜底方案。例如：店铺详情查询的缓存。
主动更新策略
Cache Aside Pattern：由缓存的调用者，在更新数据库的同时更新缓存。
Read/Write Through Pattern：缓存和数据库整合为一个服务，由服务来维护一致性。调用者调用该服务，无需关心缓存一致性问题。
Write Behind Caching Pattern：调用者只操作缓存，由其他线程异步的将缓存数据持久化到数据库，保证最终一致。
一般情况下都使用第一种方法，可控性更高。
在操作缓存时，数据库发生修改则直接删除对应的缓存，待查询时再创建缓存。
- 单体系统，将缓存和数据库操作放在同一个事务内。
- 分布式系统，使用TCC等分布式事务方案。
先操作数据库，在删除缓存。
缓存淘汰策略
Redis 一共支持 8 种淘汰策略
noeviction：当内存使用超过配置的时候会返回错误，不会驱逐任何键。
allkeys-lru：加入键的时候，如果过限，首先通过LRU算法驱逐最久没有使用的键。
volatile-lru：加入键的时候如果过限，首先从设置了过期时间的键集合中驱逐最久没有使用的键。
allkeys-random：加入键的时候如果过限，从所有key随机删除。
volatile-random：加入键的时候如果过限，从过期键的集合中随机驱逐。
volatile-ttl：从配置了过期时间的键中驱逐马上就要过期的键。
volatile-lfu：从所有配置了过期时间的键中驱逐使用频率最少的键。
allkeys-lfu：从所有键中驱逐使用频率最少的键。