文章目录
- 10. redis配置mysql实战优化[重要]
- 11. redis之缓存击穿、缓存穿透、缓存雪崩
- 12. redis实现分布式session
10. redis配置mysql实战优化[重要]
// 最初实现
@Override
@Transactional
public Product createProduct(Product product) {
productRepo.saveAndFlush(product);
jedis.set(SystemConstants.REDIS_KEY_PREFIX + product.getProductId(), gson.toJson(product))
return product;
}
@Override
@Transactional
public Product updateProduct(Product product) {
productRepo.saveAndFlush(product);
jedis.set(SystemConstants.REDIS_KEY_PREFIX + product.getProductId(), gson.toJson(product))
return product;
}
@Override
public Product getProduct(Long productId) {
// 1. 先查redis
String productRedis = jedis.get(SystemConstants.REDIS_KEY_PREFIX + productId);
if (!StringUtil.isBlank(productRedis)) {
return gson.fromJson(productRedis, Product.class);
}
// 2. redis没有，再查mysql数据库
Product productMysql = productRepo.findByProductId(productId);
if (productMysql != null) {
// 3. 数据库有，则更新redis数据
jedis.set(SystemConstants.REDIS_KEY_PREFIX + productMysql.getProductId(), gson.toJson(productMysql));
}
// 4. 返回mysql数据库数据
return productMysql;
}
小公司并发量不大的情况下，问题不是很大，但是大公司高并发量，会出现大量问题，列举如下：
存在的问题：
1. 缓存容量小问题：几百G的海量数据不可能一直都放到redis缓存中，大大降低redis(<10G)作为内存数据库的效率
解决方案：设置固定过期时间，比如说一天，虽然一开始redis数据量很大，但是一天之后，会有大量数据失效，达到冷热数据的分离。
jedis.set(SystemConstants.REDIS_KEY_PREFIX + product.getProductId(), gson.toJson(product));
jedis.expire(SystemConstants.REDIS_KEY_PREFIX + product.getProductId(), SystemConstants.REDIS_KEY_EXPIRED_TIME);
2. 缓存击穿问题：虽然设置了过期时间，仍然会出现缓存击穿问题, 即单个热点key失效的瞬间，持续的大并发请求就会击破缓存，直接请求到数据库，好像蛮力击穿一样(缓存无数据/数据库有数据)
解决方案：设置随机过期时间
jedis.expire(SystemConstants.REDIS_KEY_PREFIX + productId, genRandomExpiredTime(5));
public Integer genRandomExpiredTime(Integer random) {
return SystemConstants.REDIS_KEY_EXPIRED_TIME + new Random().nextInt(random) * 60 * 60;
}
3. 缓存穿透问题：用户访问的数据既不在缓存当中，也不在数据库中，按道理说数据库都没有这个数据，就不能一直来查数据库了，防止黑客恶意攻击。
解决方案一：缓存空值（null）或默认值 + 过期时间
在数据库查询不存在时，将其缓存为空值（null）或默认值,缓存失效时间一般设置为5分钟之内，当数据库被写入或更新该key的新数据时，缓存必须同时被刷新，避免数据不一致。
@Override
public Product getProduct(Long productId) {
String redisId = SystemConstants.REDIS_KEY_PREFIX + productId;
// 1. 先查redis
String productRedis = jedis.get(redisId);
if (!StringUtil.isBlank(productRedis)) {
// 判断缓存是否是默认值，避免缓存穿透
if (productRedis.equals(SystemConstants.REDIS_DEFAULT_CACHE)) {
jedis.expire(redisId, genRandomExpiredTime(3));
return null;
}
jedis.expire(redisId, genRandomExpiredTime(5));
return gson.fromJson(productRedis, Product.class);
}
// 2. redis没有，再查mysql数据库
Product productMysql = productRepo.findByProductId(productId);
if (productMysql != null) {
// 3. 数据库有，则更新redis数据
jedis.set(redisId, gson.toJson(productMysql));
jedis.expire(redisId, genRandomExpiredTime(5));
} else {
// 缓存空或默认值 + 过期时间，避免缓存穿透
jedis.set(redisId, SystemConstants.REDIS_DEFAULT_CACHE);
jedis.expire(redisId, genRandomExpiredTime(3));
}
return productMysql;
}
4. 突发性热点缓存重建导致数据库系统压力倍增：也就是说某一数据本来是冷数据，存储在数据库中，突然出现大量访问，redis还没缓存该数据，因此需要大量查询数据库并重建缓存，也就是以下代码重复执行，要是只执行一次就好了。
if (!StringUtil.isBlank(productRedis)) {
// 3. 数据库有，则更新redis数据
jedis.set(redisId, gson.toJson(productMysql));
jedis.expire(redisId, genRandomExpiredTime(5));
}
解决方案一：DCL双端检锁机制
但仍然存在以下问题，一方面synchronized锁住的是单个JVM，若是该web项目集群部署，则在每个JVM都需要锁一次，另一方面，假如productId=101是热点数据会被锁住，但是其他数据productId=202也需要排队等待，效率降低。
解决方案二：分布式锁setnx
但仍然存在redis缓存和mysql数据库数据不一致问题
解决方案三：锁优化-读写锁
5. 缓存雪崩：在使用缓存时，通常会对缓存设置过期时间，一方面目的是保持缓存与数据库数据的一致性，另一方面是减少冷缓存占用过多的内存空间。但当缓存中大量热点缓存在某一个时刻同时实效，请求全部转发到数据库，从而导致数据库压力骤增，造成系统崩溃等情况，这就是缓存雪崩。
解决方案：
1. key均匀失效: 将key的过期时间后面加上一个随机数（比如随机1-5分钟），让key均匀的失效。
2. 双key策略: 主key设置过期时间，备key不设置过期时间，当主key失效时，直接返回备key值。
3. 构建缓存高可用集群
// 解决方案一：DCL双端检锁机制
@Override
public Product getProduct(Long productId) {
String redisId = SystemConstants.REDIS_KEY_PREFIX + productId;
// 1. 先查redis
String productRedis = jedis.get(redisId);
if (!StringUtil.isBlank(productRedis)) {
// 判断缓存默认值，避免缓存穿透
if (productRedis.equals(SystemConstants.REDIS_DEFAULT_CACHE)) {
jedis.expire(redisId, genRandomExpiredTime(3));
return null;
}
jedis.expire(redisId, genRandomExpiredTime(5));
return gson.fromJson(productRedis, Product.class);
}
Product productMysql = null;
synchronized (this) {
// 2. DCL再查redis，因为只要有一次查询数据库操作，redis就已经有缓存数据了
productRedis = jedis.get(redisId);
if (!StringUtil.isBlank(productRedis)) {
if (productRedis.equals(SystemConstants.REDIS_DEFAULT_CACHE)) {
jedis.expire(redisId, genRandomExpiredTime(3));
return null;
}
jedis.expire(redisId, genRandomExpiredTime(5));
return gson.fromJson(productRedis, Product.class);
}
// 3. redis还是没有，再查mysql数据库
productMysql = productRepo.findByProductId(productId);
if (productMysql != null) {
// 4. 数据库有，则更新redis数据【可能出现突发性热点缓存重建导致数据库系统压力倍增】
jedis.set(redisId, gson.toJson(productMysql));
jedis.expire(redisId, genRandomExpiredTime(5));
} else {
// 缓存空或默认值 + 过期时间，避免缓存穿透
jedis.set(redisId, SystemConstants.REDIS_DEFAULT_CACHE);
jedis.expire(redisId, genRandomExpiredTime(3));
}
}
return productMysql;
}
// 解决方案二：分布式锁setnx
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson</artifactId>
<version>3.20.0</version>
</dependency>
@Configuration
public class RedissonConfig {
@Bean
public Redisson redisson() {
Config config = new Config();
config.useSingleServer().setAddress("redis://localhost:6379").setDatabase(0);
return (Redisson) Redisson.create(config);
}
}
// 集群部署：分布式锁
public Product getProduct2(Long productId) {
String redisId = SystemConstants.REDIS_KEY_PREFIX + productId;
// 1. 先查redis缓存
Product product = getProductFromRedis(redisId);
if (product != null) {
return product;
}
// 分布式锁RLock确保锁住特定的productId，不影响其他productId，解决所有问题
RLock lock = redisson.getLock(SystemConstants.LOCK_HOT_CACHE_PREFIX + productId);
lock.lock(); // 等价于setnx(SystemConstants.LOCK_HOT_CACHE_PREFIX + productId, value)
// 2. DCL再查redis，因为只要有一次查询数据库操作，redis就已经有缓存数据了
Product productMysql = null;
try {
product = getProductFromRedis(redisId);
if (product != null) {
return product;
}
// 3. redis还是没有，最后查mysql数据库
productMysql = getProductFromMysql(productId);
} finally {
lock.unlock();
}
return productMysql;
}
private Product getProductFromRedis(String redisId) {
Product product = null;
String productRedis = jedis.get(redisId);
if (!StringUtil.isBlank(productRedis)) {
if (productRedis.equals(SystemConstants.REDIS_DEFAULT_CACHE)) {
// 缓存中存在，却是缓存默认值，也就是数据库没有数据，设置过期时间，避免缓存穿透
jedis.expire(redisId, genRandomExpiredTime(3));
return new Product(); // 特殊情况
}
// 缓存中存在，也是正常值
jedis.expire(redisId, genRandomExpiredTime(5));
product = gson.fromJson(productRedis, Product.class);
}
return product;
}
private Product getProductFromMysql(Long productId) {
String redisId = SystemConstants.REDIS_KEY_PREFIX + productId;
Product productMysql = productRepo.findByProductId(productId);
if (productMysql != null) {
// 数据库有，则同步更新redis缓存数据【但是可能出现突发性热点缓存重建导致数据库系统压力倍增，也就是这段代码大量执行】
jedis.set(redisId, gson.toJson(productMysql));
jedis.expire(redisId, genRandomExpiredTime(5));
} else {
// 数据库没有，则设置默认值缓存 + 过期时间，避免缓存穿透
jedis.set(redisId, SystemConstants.REDIS_DEFAULT_CACHE);
jedis.expire(redisId, genRandomExpiredTime(3));
}
return productMysql;
}
// 解决方案三：锁优化-读写锁
public Product getProductByReadWriteLock(Long productId) {
String redisId = SystemConstants.REDIS_KEY_PREFIX + productId;
// 1. 先查redis缓存
Product product = getProductFromRedis(redisId);
if (product != null) {
return product;
}
// 加写锁
ReadWriteLock readWriteLock = redisson.getReadWriteLock(SystemConstants.LOCK_HOT_UPDATE_PREFIX + productId);
Lock writeLock = readWriteLock.writeLock();
writeLock.lock();
// 2. DCL再查redis，因为只要有一次查询数据库操作，redis就已经有缓存数据了
Product productMysql;
try {
product = getProductFromRedis(redisId);
if (product != null) {
return product;
}
// 3. 加读锁 读数据库
ReadWriteLock readWriteLock2 = redisson.getReadWriteLock(SystemConstants.LOCK_HOT_UPDATE_PREFIX + productId);
Lock readLock = readWriteLock2.readLock();
readLock.lock();
productMysql = getProductFromMysql(productId);
readLock.unlock();
} finally {
writeLock.unlock();
}
return productMysql;
}
11. redis之缓存击穿、缓存穿透、缓存雪崩
- 缓存击穿-缓存无数据/数据库有数据
单个热点key失效的瞬间，持续的大并发请求就会击破缓存，直接请求到数据库，好像蛮力击穿一样。这种情况就是缓存击穿（Cache Breakdown）。
1. 使用互斥锁（Mutex Key）
只让一个线程构建缓存，其他线程等待构建缓存执行完毕，重新从缓存中获取数据。
2. 热点数据设置随机过期时间，后台异步更新缓存，适用于不严格要求缓存一致性的场景。
-
缓存穿透-缓存无数据/数据库无数据
缓存穿透（cache penetration）是用户访问的数据既不在缓存当中，也不在数据库中。但出于容错的考虑，如果从数据库查询不到数据，则无法写入缓存。这就导致每次请求都会到底层数据库进行查询，缓存也失去了意义。当高并发或有人利用不存在的Key频繁攻击时，数据库的压力骤增，甚至崩溃，这就是缓存穿透问题。
解决方案：
方案一：缓存空值（null）或默认值 + 过期时间
在数据库查询不存在时，将其缓存为空值（null）或默认值,缓存失效时间一般设置为5分钟之内，当数据库被写入或更新该key的新数据时，缓存必须同时被刷新，避免数据不一致。
方案二：业务逻辑前置校验
在业务请求的入口处进行数据合法性校验，检查请求参数是否合理、是否包含非法值、是否恶意请求等，提前有效阻断非法请求。比如，根据年龄查询时，请求的年龄为-10岁，这显然是不合法的请求参数，直接在参数校验时进行判断返回。
方案三：使用布隆过滤器请求白名单
写入数据时，使用布隆过滤器进行标记（相当于设置白名单），业务请求发现缓存中无对应数据时，可先通过查询布隆过滤器判断数据是否在白名单内，如果不在白名单内，则直接返回空或失败。
方案四：用户黑名单限制
当发生异常情况时，实时监控访问的对象和数据，分析用户行为，针对故意请求、爬虫或攻击者，进行特定用户的限制；
-
缓存雪崩-缓存无数据/数据库有数据
在使用缓存时，通常会对缓存设置过期时间，一方面目的是保持缓存与数据库数据的一致性，另一方面是减少冷缓存占用过多的内存空间。但当缓存中大量热点缓存在某一个时刻同时实效，请求全部转发到数据库，从而导致数据库压力骤增，造成系统崩溃等情况，这就是缓存雪崩（Cache Avalanche）。
解决方案：
1. key均匀失效: 将key的过期时间后面加上一个随机数（比如随机1-5分钟），让key均匀的失效。
2. 双key策略: 主key设置过期时间，备key不设置过期时间，当主key失效时，直接返回备key值。
3. 构建缓存高可用集群（针对缓存服务故障情况）
12. redis实现分布式session
基于redis的分布式session实现，依赖于前台请求中携带的cookie和后台生成的token。大致原理可以分为以下步骤：
1，前端请求目标方法，拦截器判断请求头中是否携带cookie。
2，如果请求头中携带cookie，则取出cookie并查询redis中该cookie是否过期。
如果没有过期，则放行让该请求去请求目标方法；
如果已经过期，重新登陆
3，如果请求头中，没有携带cookie，则跳转到登录方法（同时携带当前请求的链接作为登录后的回调地址）
4，进行登录，登录完毕生成指定的token存入redis中，生成cookie设置到response中。
5，登录成功之后前端通过回调继续请求目标方法。
