缓存的那些事
?
1.為何需要緩存？
在高并發請求時，為何我們頻繁提到緩存技術？最直接的原因是，目前磁盤IO和網絡IO相對于內存IO的成百上千倍的性能劣勢。
做個簡單計算，如果我們需要某個數據，該數據從數據庫磁盤讀出來需要0.1s，從交換機傳過來需要0.05s，那么每個請求完成最少0.15s（當然，事實上磁盤和網絡IO也沒有這么慢，這里只是舉例），該數據庫服務器每秒只能響應67個請求；而如果該數據存在于本機內存里，讀出來只需要10us，那么每秒鐘能夠響應100，000個請求。
通過將高頻使用的數據存在離cpu更近的位置，以減少數據傳輸時間，從而提高處理效率，這就是緩存的意義。
2.在哪里用緩存？
一切地方。例如：
- 我們從硬盤讀數據的時候，其實操作系統還額外把附近的數據都讀到了內存里
- 例如，CPU在從內存里讀數據的時候，也額外讀了許多數據到各級cache里
- 各個輸入輸出之間用buffer保存一批數據統一發送和接受，而不是一個byte一個byte的處理
上面這是系統層面，在軟件系統設計層面，很多地方也用了緩存：
- 瀏覽器會緩存頁面的元素，這樣在重復訪問網頁時，就避開了要從互聯網上下載數據（例如大圖片）
- web服務會把靜態的東西提前部署在CDN上，這也是一種緩存
- 數據庫會緩存查詢，所以同一條查詢第二次就是要比第一次快
- 內存數據庫（如redis）選擇把大量數據存在內存而非硬盤里，這可以看作是一個大型緩存，只是把整個數據庫緩存了起來
- 應用程序把最近幾次計算的結果放在本地內存里，如果下次到來的請求還是原請求，就跳過計算直接返回結果
3.本次事故分析
回到本文開始的問題上，該系統是怎么設計的呢？底層是數據庫，中間放了一層redis，前面的業務系統所需的數據都直接從redis里取，然后計算出結果返回給app；數據庫和redis的同步另外有程序保證，避免redis的穿透，防止了程序里出現大量請求從redis里找不到，于是又一窩蜂的去查數據庫，直接壓垮數據庫的情況。從這個角度講，其實這一步是做的還可以的。
但是這個系統有兩個問題：
1.業務系統需要的數據雖然都在redis里，但是是分開存放的。什么意思呢，比如我前臺發起一個請求，后臺先去redis里取一下標題，然后再取一下作者，然后再取一下內容，再取一下評論，再取一下轉發數等等……結果前臺一次請求，后臺要請求redis十幾次。高并發的時候，壓力一下被放大十幾倍，redis響應、網絡響應必然會變慢。
2.其實做業務的那波人也意識到了這個情況可能發生，所以做了熔斷機制，另起了一個緩存池，里面放了一些備用數據，如果主業務超時，直接從緩存池里取數據返回。但是他們設計的時候沒想周全，這個備選池的數據過期時間設計的太長了，里面居然還有三天前更新進去的數據，最終導致了一大波用戶刷出來三天前的野外生態小視頻……
說到這，不知道讀者有沒有意識到他們最致命的一個問題：這個業務系統完全沒有考慮本地緩存（也就是在業務服務器內存里做緩存）。比如像我們這種app，一旦大量用戶同一時間涌進來，必定都是奔著少數幾個內容去的，這種特別集中的高頻次極少量數據訪問，又不需要對每個用戶做特化的，簡直就是在臉上寫上“請緩存我”。
這時候，如果能在業務端做一層本地緩存，直接把算好的數據本地存一份，那么就會極大減少網絡和redis的壓力，不至于當場觸發熔斷了。
4.淺談緩存的那些坑
緩存很有用，但是緩存用不好也會埋很多坑：
緩存穿透
緩存穿透是說收到了一個請求，但是該請求緩存里沒有，只能去數據庫里查詢，然后放進緩存。這里面有兩個風險，一個是同時有好多請求訪問同一個數據，然后業務系統把這些請求全發到了數據庫；第二個是有人惡意構造一個邏輯上不存在的數據，然后大量發送這個請求，這樣每次請求都會被發送到數據庫，可能導致數據掛掉。
怎么應對這種情況呢？對于惡意訪問，一個思路是事先做校驗，對惡意數據直接過濾掉，不要發到數據庫層；第二個思路是緩存空結果，就是對查詢不存在的數據仍然記錄一條該數據不存在在緩存里，這樣能有效的減少查詢數據庫的次數。
那么非惡意訪問呢？這個要結合緩存擊穿來講。
緩存擊穿
上面提到的某個數據沒有，然后好多請求都被發到數據庫其實可以歸為緩存擊穿的范疇：對于熱點數據，當數據失效的一瞬間，所有請求都被下放到數據庫去請求更新緩存，數據庫被壓垮。
怎么防范這種問題呢？一個思路是全局鎖，就是所有訪問某個數據的請求都共享一個鎖，獲得鎖的那個才有資格去訪問數據庫，其他線程必須等待。但是現在的業務都是分布式的，本地鎖沒法控制其他服務器也等待，所以要用到全局鎖，比如用redis的setnx實現全局鎖。
另一個思路是對即將過期的數據主動刷新，做法可以有很多，比如起一個線程輪詢數據，比如把所有數據劃分為不同的緩存區間，定期分區間刷新數據等等。這第二個思路又和我們接下來要講的緩存雪崩有關系。
緩存雪崩
緩存雪崩是指比如我們給所有的數據設置了同樣的過期時間，然后在某一個歷史性時刻，整個緩存的數據全部過期了，然后瞬間所有的請求都被打到了數據庫，數據庫就崩了。
解決思路要么是分治，劃分更小的緩存區間，按區間過期；要么是給每個key的過期時間加個隨機值，避免同時過期，達到錯峰刷新緩存的目的。
緩存刷新
說到刷新緩存，其實也有坑的。比如我之前的一份工作里，有一次大活動，正是如火如荼的時候，所有的廣告位突然都變空白了。后來追查原因，所有的廣告素材都在緩存里，然后起了個程序，專門負責刷新緩存，每次把當前的素材全量刷新。
壞就壞在這個全量上。因為大活動的時候流量極大，廣告更新壓力也很大，把負責提供更新素材的程序壓崩了。刷新緩存的程序在請求時，收到了一個返回結果Null。接下來就喜聞樂見了，刷新程序根據這個null，清空了整個緩存，所有廣告素材都失效了。
總之，想要做好高并發系統的緩存，就要考慮到各種邊角情況，小心設計，任何細小的疏忽都可能導致系統崩潰。
轉載于:https://www.cnblogs.com/yecao8888/p/9242713.html
總結
