Redis学习之：Redis的使用和优化

标签：使用   redis集群部署   不一致   节点   成本   复杂度   内存   思路   方案   

1.缓存的收益与成本

收益

• 加速读写
• 降低后端负载
  • 后端服务器通过前端缓存降低负载，业务端使用Redis降低后端MySql等数据库负载

成本

• 数据不一致：缓存层和数据层有时间窗口不一致，和更新策略有关
• 代码维护成本增大：多了一层缓存逻辑
• 运维成本：例如Redis Cluster

2.缓存更新策略

• LRU、LFU、FIFO算法剔除：例如maxmemory-policy
• 设置过期时间：expire
• 主动更新：开发控制生命周期

建议

• 低一致性：最大内存和淘汰策略
• 高一致性：超市剔除和主动更新结合，最大内存和淘汰策略兜底

3.缓存粒度控制

可以从以下三个维度考虑

• 通用性：全量属性更好
• 占用空间：部分属性更好
• 代码维护：表面上全量属性更好

4.缓存穿透问题

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0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

产生原因

• 业务代码自身原因
• 恶意攻击，爬虫等

如何发现

• 业务的响应时间
• 业务本身问题
• 相关指标：总调用数、缓存层命中数、存储层命中数

解决方案

• 缓存空对象：将查询到的null缓存到Redis中，并且设置过期时间。但这样会产生两个问题：1是需要更多的键，2是缓存层和存储层数据短期不一致（比如第一次查询数据库是null然后缓存了，第二次查询数据库已经有了但是缓存会返回null）
• 使用布隆过滤器拦截：
  • 本质上布隆过滤器是一种数据结构，比较巧妙的概率型数据结构，特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存在”。
  • 当插入的元素越来越多时，当一个不在布隆过滤器中的元素，经过同样规则的哈希计算之后，得到的值在位数组中查询，有可能这些位置因为其他的元素先被置1了。所以布隆过滤器存在误判的情况，但是如果布隆过滤器判断某个元素不在布隆过滤器中，那么这个值就一定不在。

5.缓存雪崩问题

缓存雪崩是指在某一个时间段，缓存集中过期失效，不能正常工作了。于是所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况

产生原因及解决

• 缓存大面积失效：避免缓存设置相近的有效期；为有效期增加随机值；统一规划有效期，失效时间均匀分布
• 对热点数据持续高并发：使用互斥锁：jvm锁机制；分布式锁机制
• 有效期本身的缺陷：缓存永不过期，异步更新
• 缓存服务器宕机：使用Redis哨兵模式或者Redis集群部署方式，即便个别Redis 节点下线，整个缓存层依然可以使用

6.热点key重建

比如微博某个大v发布了一条微博，此时将会有很大量的线程进入缓存重建，给数据库或底层造成很大的压力

目标

• 减少重新缓存的次数
• 数据尽可能一致
• 较少潜在的危险

解决方案

• 互斥锁：第一个线程进入重建缓存时，加上一把锁，等工作完成后，再把锁释放。锁定期间其他线程只能等待，等缓存重建成功后，从缓存中获取
• 永不过期：不设置过期时间expire，需要我们在程序中进行缓存的重建，重建完成之前获取到的都是旧的值

Redis学习之：Redis的使用和优化

标签：使用   redis集群部署   不一致   节点   成本   复杂度   内存   思路   方案   

原文地址：https://www.cnblogs.com/xiaoqingtian/p/13669509.html