在實(shí)際的工作項(xiàng)目中， 緩存成為高并發(fā)、高性能架構(gòu)的關(guān)鍵組件 ，那么Redis為什么可以作為緩存使用呢？首先可以作為緩存的兩個主要特征：

• 在分層系統(tǒng)中處于內(nèi)存/CPU具有訪問性能良好，
• 緩存數(shù)據(jù)飽和，有良好的數(shù)據(jù)淘汰機(jī)制

由于Redis 天然就具有這兩個特征，Redis基于內(nèi)存操作的，且其具有完善的數(shù)據(jù)淘汰機(jī)制，十分適合作為緩存組件。

其中，基于內(nèi)存操作，容量可以為32-96GB，且操作時間平均為100ns，操作效率高。而且數(shù)據(jù)淘汰機(jī)制眾多，在Redis 4.0 后就有8種了促使Redis作為緩存可以適用很多場景。

那Redis緩存為什么需要數(shù)據(jù)淘汰機(jī)制呢？有哪8種數(shù)據(jù)淘汰機(jī)制呢？

數(shù)據(jù)淘汰機(jī)制

Redis緩存基于內(nèi)存實(shí)現(xiàn)的，則其緩存其容量是有限的，當(dāng)出現(xiàn)緩存被寫滿的情況，那么這時Redis該如何處理呢？

Redis對于緩存被寫滿的情況，Redis就需要緩存數(shù)據(jù)淘汰機(jī)制，通過一定淘汰規(guī)則將一些數(shù)據(jù)刷選出來刪除，讓緩存服務(wù)可再使用。那么Redis使用哪些淘汰策略進(jìn)行刷選刪除數(shù)據(jù)？

在Redis 4.0 之后，Redis 緩存淘汰策略6+2種，包括分成三大類：

• 不淘汰數(shù)據(jù)
  • noeviction ，不進(jìn)行數(shù)據(jù)淘汰，當(dāng)緩存被寫滿后，Redis不提供服務(wù)直接返回錯誤。

• 在設(shè)置過期時間的鍵值對中，
  • volatile-random ，在設(shè)置過期時間的鍵值對中隨機(jī)刪除
  • volatile-ttl ，在設(shè)置過期時間的鍵值對，基于過期時間的先后進(jìn)行刪除，越早過期的越先被刪除。
  • volatile-lru ， 基于LRU(Least Recently Used) 算法篩選設(shè)置了過期時間的鍵值對， 最近最少使用的原則來篩選數(shù)據(jù)
  • volatile-lfu ，使用 LFU( Least Frequently Used ) 算法選擇設(shè)置了過期時間的鍵值對, 使用頻率最少的鍵值對,來篩選數(shù)據(jù)。

• 在所有的鍵值對中，
  • allkeys-random， 從所有鍵值對中隨機(jī)選擇并刪除數(shù)據(jù)
  • allkeys-lru， 使用 LRU 算法在所有數(shù)據(jù)中進(jìn)行篩選
  • allkeys-lfu， 使用 LFU 算法在所有數(shù)據(jù)中進(jìn)行篩選

img

Note: LRU( 最近最少使用，Least Recently Used)算法， LRU維護(hù)一個雙向鏈表 ，鏈表的頭和尾分別表示 MRU 端和 LRU 端，分別代表最近最常使用的數(shù)據(jù)和最近最不常用的數(shù)據(jù)。
LRU 算法在實(shí)際實(shí)現(xiàn)時，需要用鏈表管理所有的緩存數(shù)據(jù)，這會帶來額外的空間開銷。而且，當(dāng)有數(shù)據(jù)被訪問時，需要在鏈表上把該數(shù)據(jù)移動到 MRU 端，如果有大量數(shù)據(jù)被訪問，就會帶來很多鏈表移動操作，會很耗時，進(jìn)而會降低 Redis 緩存性能。

其中，LRU和LFU 基于Redis的對象結(jié)構(gòu)redisObject的lru和refcount屬性實(shí)現(xiàn)的:

typedef struct redisObject { unsigned type:4; unsigned encoding:4; // 對象最后一次被訪問的時間 unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or * LFU data (least significant 8 bits frequency // 引用計(jì)數(shù) * and most significant 16 bits access time). */ int refcount; void *ptr; } robj; 復(fù)制代碼

Redis的LRU會使用redisObject的lru記錄最近一次被訪問的時間，隨機(jī)選取參數(shù)maxmemory-samples 配置的數(shù)量作為候選集合，在其中選擇 lru 屬性值最小的數(shù)據(jù)淘汰出去。

在實(shí)際項(xiàng)目中，那么該如何選擇數(shù)據(jù)淘汰機(jī)制呢？

• 優(yōu)先選擇 allkeys-lru算法，將最近最常訪問的數(shù)據(jù)留在緩存中，提升應(yīng)用的訪問性能。
• 有頂置數(shù)據(jù)使用 volatile-lru算法 ,頂置數(shù)據(jù)不設(shè)置緩存過期時間，其他數(shù)據(jù)設(shè)置過期時間，基于LRU 規(guī)則進(jìn)行篩選 。

在理解了Redis緩存淘汰機(jī)制后，來看看Redis作為緩存其有多少種模式呢？

Redis緩存模式

Redis緩存模式基于是否接收寫請求，可以分成只讀緩存和讀寫緩存：

只讀緩存：只處理讀操作，所有的更新操作都在數(shù)據(jù)庫中，這樣數(shù)據(jù)不會有丟失的風(fēng)險。

• Cache Aside模式

image.png

讀寫緩存，讀寫操作都在緩存中執(zhí)行，出現(xiàn)宕機(jī)故障，會導(dǎo)致數(shù)據(jù)丟失。緩存回寫數(shù)據(jù)到數(shù)據(jù)庫有分成兩種同步和異步：

• 同步：訪問性能偏低，其更加側(cè)重于保證數(shù)據(jù)可靠性
  • Read-Throug模式
  • Write-Through模式

• 異步：有數(shù)據(jù)丟失風(fēng)險，其側(cè)重于提供低延遲訪問
  • Write-Behind模式

image.png

Cache Aside模式

查詢數(shù)據(jù)先從緩存讀取數(shù)據(jù)，如果緩存中不存在，則再到數(shù)據(jù)庫中讀取數(shù)據(jù)，獲取到數(shù)據(jù)之后更新到緩存Cache中，但更新數(shù)據(jù)操作，會先去更新數(shù)據(jù)庫種的數(shù)據(jù)，然后將緩存種的數(shù)據(jù)失效。

而且Cache Aside模式會存在并發(fā)風(fēng)險：執(zhí)行讀操作未命中緩存，然后查詢數(shù)據(jù)庫中取數(shù)據(jù)，數(shù)據(jù)已經(jīng)查詢到還沒放入緩存，同時一個更新寫操作讓緩存失效，然后讀操作再把查詢到數(shù)據(jù)加載緩存，導(dǎo)致緩存的臟數(shù)據(jù)。

Read/Write-Throug模式

查詢數(shù)據(jù)和更新數(shù)據(jù)都直接訪問緩存服務(wù)，緩存服務(wù)同步方式地將數(shù)據(jù)更新到數(shù)據(jù)庫。出現(xiàn)臟數(shù)據(jù)的概率較低，但是就強(qiáng)依賴緩存，對緩存服務(wù)的穩(wěn)定性有較大要求，但同步更新會導(dǎo)致其性能不好。

Write Behind模式

查詢數(shù)據(jù)和更新數(shù)據(jù)都直接訪問緩存服務(wù)，但緩存服務(wù)使用異步方式地將數(shù)據(jù)更新到數(shù)據(jù)庫（通過異步任務(wù)） 速度快，效率會非常高，但是數(shù)據(jù)的一致性比較差，還可能會有數(shù)據(jù)的丟失情況，實(shí)現(xiàn)邏輯也較為復(fù)雜。

在實(shí)際項(xiàng)目開發(fā)中根據(jù)實(shí)際的業(yè)務(wù)場景需求來進(jìn)行選擇緩存模式。那了解上述后，我們的應(yīng)用中為什么需要使用到redis緩存呢？

在應(yīng)用使用Redis緩存可以提高系統(tǒng)性能和并發(fā)，主要體現(xiàn)在

• 高性能：基于內(nèi)存查詢，KV結(jié)構(gòu)，簡單邏輯運(yùn)算
• 高并發(fā)： Mysql 每秒只能支持2000左右的請求，Redis輕松每秒1W以上。讓80%以上查詢走緩存，20%以下查詢走數(shù)據(jù)庫，能讓系統(tǒng)吞吐量有很大的提高

雖然使用Redis緩存可以大大提升系統(tǒng)的性能，但是使用了緩存，會出現(xiàn)一些問題，比如，緩存與數(shù)據(jù)庫雙向不一致、緩存雪崩等，對于出現(xiàn)的這些問題該怎么解決呢？

使用緩存常見的問題

使用了緩存，會出現(xiàn)一些問題，主要體現(xiàn)在：

• 緩存與數(shù)據(jù)庫雙寫不一致
• 緩存雪崩: Redis 緩存無法處理大量的應(yīng)用請求，轉(zhuǎn)移到數(shù)據(jù)庫層導(dǎo)致數(shù)據(jù)庫層的壓力激增;
• 緩存穿透：訪問數(shù)據(jù)不存在在Redis緩存中和數(shù)據(jù)庫中，導(dǎo)致大量訪問穿透緩存直接轉(zhuǎn)移到數(shù)據(jù)庫導(dǎo)致數(shù)據(jù)庫層的壓力激增;
• 緩存擊穿：緩存無法處理高頻熱點(diǎn)數(shù)據(jù)，導(dǎo)致直接高頻訪問數(shù)據(jù)庫導(dǎo)致數(shù)據(jù)庫層的壓力激增;

緩存與數(shù)據(jù)庫數(shù)據(jù)不一致

只讀緩存(Cache Aside模式)

對于只讀緩存(Cache Aside模式)， 讀操作都發(fā)生在緩存中，數(shù)據(jù)不一致只會發(fā)生在刪改操作上（新增操作不會，因?yàn)樾略鲋粫跀?shù)據(jù)庫處理），當(dāng)發(fā)生刪改操作時，緩存將數(shù)據(jù)中標(biāo)志為無效和更新數(shù)據(jù)庫 。因此在更新數(shù)據(jù)庫和刪除緩存值的過程中，無論這兩個操作的執(zhí)行順序誰先誰后，只要有一個操作失敗了就會出現(xiàn)數(shù)據(jù)不一致的情況。

總結(jié)出，當(dāng)不存在并發(fā)的情況使用重試機(jī)制（消息隊(duì)列使用），當(dāng)存在高并發(fā)的情況，使用延遲雙刪除(在第一次刪除后，睡眠一定時間后，再進(jìn)行刪除)，具體如下：

操作順序是否高并發(fā)潛在問題現(xiàn)象應(yīng)對方案NOTE:
延遲雙刪除偽代碼：
redis.delKey(X) db.update(X) Thread.sleep(N) redis.delKey(X)

讀寫緩存（Read/Write-Throug、Write Behind模式 ）

對于讀寫緩存，寫操作都發(fā)生在緩存中，后再更新數(shù)據(jù)庫，只要有一個操作失敗了就會出現(xiàn)數(shù)據(jù)不一致的情況。

總結(jié)出，當(dāng)不存在并發(fā)的情況使用重試機(jī)制（消息隊(duì)列使用），當(dāng)存在高并發(fā)的情況，使用分布鎖。具體如下：

操作順序是否高 并發(fā)潛在問題現(xiàn)象應(yīng)對方案

緩存雪崩

緩存雪崩，由于緩存中有大量數(shù)據(jù)同時過期失效或者緩存出現(xiàn)宕機(jī)，大量的應(yīng)用請求無法在 Redis 緩存中進(jìn)行處理，進(jìn)而發(fā)送到數(shù)據(jù)庫層導(dǎo)致數(shù)據(jù)庫層的壓力激增，嚴(yán)重的會造成數(shù)據(jù)庫宕機(jī)。

對于緩存中有大量數(shù)據(jù)同時過期，導(dǎo)致大量請求無法得到處理， 解決方式：

• 數(shù)據(jù)預(yù)熱，將發(fā)生大并發(fā)訪問前手動觸發(fā)加載緩存不同的key， 可以避免在用戶請求的時候，先查詢數(shù)據(jù)庫
• 設(shè)置不同的過期時間，讓緩存失效的時間點(diǎn)盡量均勻
• 雙層緩存策略， 在原始緩存上加上拷貝緩存，原始緩存失效時可以訪問拷貝緩存，且原始緩存失效時間設(shè)置為短期，拷貝緩存設(shè)置為長期
• 服務(wù)降級 ， 發(fā)生緩存雪崩時，針對不同的數(shù)據(jù)采取不同的降級方案 ，比如，非核心數(shù)據(jù)直接返回預(yù)定義信息、空值或是錯誤信息

對于緩存出現(xiàn)宕機(jī)，解決方式：

• 業(yè)務(wù)系統(tǒng)中實(shí)現(xiàn)服務(wù)熔斷或請求限流機(jī)制，防止大量訪問導(dǎo)致數(shù)據(jù)庫出現(xiàn)宕機(jī)

緩存穿透

緩存穿透，數(shù)據(jù)在數(shù)據(jù)庫和緩存中都不存在，這樣就導(dǎo)致查詢數(shù)據(jù)，在緩存中找不到對應(yīng)key的value，都要去數(shù)據(jù)庫再查詢一遍，然后返回空（相當(dāng)于進(jìn)行了兩次無用的查詢）。

當(dāng)有大量訪問請求，且其繞過緩存直接查數(shù)據(jù)庫，導(dǎo)致數(shù)據(jù)庫層的壓力激增，嚴(yán)重的會造成數(shù)據(jù)庫宕機(jī)。

對于緩存穿透，解決方式：

• 緩存空值或缺省值，當(dāng)一個查詢返回的數(shù)據(jù)為空時， 空結(jié)果也將進(jìn)行緩存，并將它的過期時間設(shè)置比較短，下次訪問直接從緩存中取值，避免了把大量請求發(fā)送給數(shù)據(jù)庫處理，造成數(shù)據(jù)庫出問題。
• 布隆過濾器( BloomFilter )，將所有可能查詢數(shù)據(jù)key哈希到一個足夠大的bitmap中 , 在查詢的時候先去BloomFilter去查詢key是否存在，如果不存在就直接返回，存在再去查詢緩存，緩存中沒有再去查詢數(shù)據(jù)庫 ，從而避免了數(shù)據(jù)庫層的壓力激增出現(xiàn)宕機(jī)。

緩存擊穿

緩存擊穿，針對某個訪問非常頻繁的熱點(diǎn)數(shù)據(jù)過期失效，導(dǎo)致訪問無法在緩存中進(jìn)行處理，進(jìn)而會有導(dǎo)致大量的直接請求數(shù)據(jù)庫，從而使得數(shù)據(jù)庫層的壓力激增，嚴(yán)重的會造成數(shù)據(jù)庫宕機(jī)。

對于緩存擊穿，解決方式：

• 不設(shè)置過期時間，對于訪問特別頻繁的熱點(diǎn)數(shù)據(jù)，不設(shè)置過期時間。

總結(jié)

在大多數(shù)業(yè)務(wù)場景下，Redis緩存作為只讀緩存使用。針對只讀緩存來說， 優(yōu)先使用先更新數(shù)據(jù)庫再刪除緩存的方法保證數(shù)據(jù)一致性 。

其中，緩存雪崩，緩存穿透，緩存擊穿三大問題的原因和解決方式

作者：Ccww
鏈接：https://juejin.cn/post/6919271744754679815

總結(jié)

以上是生活随笔為你收集整理的redis 查询缓存_Redis缓存总结：淘汰机制、缓存雪崩、数据不一致....的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。