1、 缓存穿透问题的解决思路
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。
常见的解决方案有两种:
缓存空对象
优点:
- 实现简单,维护方便
缺点:
- 额外的内存消耗
- 可能造成短期的不一致
布隆过滤
优点:
- 内存占用较少,没有多余key
缺点:
- 实现复杂
- 存在误判可能
缓存空对象思路分析:
当我们客户端访问不存在的数据时,先请求redis,但是此时redis中没有数据,此时会访问到数据库,但是数据库中也没有数据,这个数据穿透了缓存,直击数据库,我们都知道数据库能够承载的并发不如redis这么高,如果大量的请求同时过来访问这种不存在的数据,这些请求就都会访问到数据库。
简单的解决方案就是哪怕这个数据在数据库中也不存在,我们也把这个数据存入到redis中去,这样,下次用户过来访问这个不存在的数据,那么在redis中也能找到这个数据就不会进入到缓存了
布隆过滤:
布隆过滤器其实采用的是哈希思想来解决这个问题
,通过一个庞大的二进制数组,走哈希思想去判断当前这个要查询的这个数据是否存在,如果布隆过滤器判断存在,则放行,这个请求会去访问redis,哪怕此时redis中的数据过期了,但是数据库中一定存在这个数据,在数据库中查询出来这个数据后,再将其放入到redis中。假设布隆过滤器判断这个数据不存在,则直接返回
这种
方式优点在于节约内存空间,存在误判,误判原因在于:布隆过滤器走的是哈希思想,只要哈希思想,就可能存在哈希冲突
① 编码解决商品查询的缓存穿透问题:
核心思路如下:
- 在原来的逻辑中:
我们如果发现这个数据在mysql中不存在,直接就返回404了
,这样是会存在缓存穿透问题
的
- 现在的逻辑中:
如果这个
数据不存在
,我们不会返回404 ,还是会把这个数据写入到Redis中,并且将value设置为空
,当再次发起查询时
,我们如果发现命中之后,判断value
是否是null,如果是null,则是之前写入的数据,证明是缓存穿透数据,如果不是,则直接返回数据。
代码:
修改 ShopServiceImpl 中 queryShopById 方法 中的 不存在逻辑
/**
* 查询商铺
* @param id
* @return
*/
@Override
public Result queryShopById(Long id) {
// 1. 从 Redis 中查询商铺缓存
String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
// 2. 判断是否存在
// 3. 存在 , 直接返回
if(StrUtil.isNotBlank(shopJson)){
Shop shop=JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
//判断命中空值 返回 404
if(shopJson != null) {
// 返回一个错误信息
return Result.fail("商铺不存在");
}
// 4. 不存在 ,根据 id 去数据库查询
Shop shop = getById(id);
// 5. 不存在 , 返回 404
if(shop==null){
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, "",CACHE_NULL_TTL,TimeUnit.MINUTES);
return Result.fail("商铺不存在");
}
// 6. 存在 , 写入 Redis
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
return Result.ok(shop);
}
② 总结:
缓存穿透产生的原因是什么?
用户请求的数据在缓存中和数据库中都不存在
,不断发起这样的请求,给数据库带来巨大压力
缓存穿透的解决方案有哪些
?
缓存null值
布隆过滤
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
- 加强
用户权限校验
- 做好
热点参数的限流
2、 缓存雪崩问题及解决思路
缓存雪崩:
缓存雪崩
是指在同一时段大量的缓存key同时失效或者Redis服务宕机
,导致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
降级限流策略
- 给业务添加
多级缓存