婚纱摄影介绍文山seo公司

Redis

缓存穿透

• 定义：redis查询一个不存在的数据，导致每次都查询数据库

• 解决方案：

  1. 如果查询的数据为空，在redis对应的key缓存空数据，并设置短TTL。

     因为缓存穿透通常是因为被恶意用不存在的查询参数进行压测攻击，所以采取这种方式会导致大量的无用空间被占用，所以不推荐。

  2. 布隆过滤器，因为哈希冲突，所以可能误判（计算出的下标位置会出现重复，导致不存在的元素被错误地判定为存在），实现框架：Redisson、Guava。

     1. bitmap（位图）：一个以bit为单位的数组，只存储二进制01

     2. 原理：对于一个给定的 key，通过多个不同的 hash 函数 计算得到多个 hash 值，每个 hash 值对 m（bitmap 的大小） 进行 取模运算，得到对应的 bitmap 下标位置，并将这些位置的 bit 值设置为 1。读取时，只需要判断其对应的多个下标位置的元素值是否都为1即可

     3. 如何控制误判率？调整参数：bitmap数组长度m、哈希函数个数k、元素数量n

     4. 支持删除操作吗？不支持，除非使用计数型布隆过滤器（整数数组，存计数值，即添加操作+1，删除操作-1，如果所有计数值都大于0时，元素才可能存在）

     5. 布隆过滤器相比使用 set 的优点？

        • 空间占用： 布隆过滤器相比 set 可以显著节省空间，因为它不存储完整的元素，而是通过哈希映射到bit位

          查询速度： 布隆过滤器通过少量哈希计算（O(k)）就能快速判断元素是否存在，在元素数量非常多时，可能比set数据更快，因为set可能需要遍历链表/红黑树

        • bitmap都是01数据，适合集合运算（交、并、补）

缓存击穿

• 定义：给一个key设置过期时间，当key过期时，恰好对这个key有大量并发请求，在重建缓存这段时间可能导致数据库压力过大

• 如何检测？监控 Redis 的 keyspace_hits（命中缓存次数） 和 keyspace_misses（未命中缓存次数），计算命中率

• 解决方案:

  1. 互斥锁（保证强一致性）：在Redis查询缓存未命中时，添加互斥锁，然后查询数据库并重建缓存，再释放锁
  2. 逻辑过期+互斥锁（高效）：对热点key不设置过期时间，而是给对应的数据添加一个过期时间的字段。过程：
     1. 在查询缓存时发现逻辑时间已经过期，此时添加互斥锁
     2. 开启新子线程：查询数据库并重建缓存，释放互斥锁
     3. 主线程和其他发起请求的线程不需要等待该子线程(trylock)，而是直接返回过期数据

缓存雪崩

• 定义：在同一时段大量的缓存key同时失效或者Redis服务宕机，导致数据库压力过大
• 解决方案：
  1. key失效：给不同key的TTL的原值加上随机值
  2. 服务宕机：Redis集群
  3. 通用：降级限流（nginx或spring cloud gateway）,多级缓存

双写一致性

• 定义：数据库中的数据需要与Redis中的数据保持一致

• 问题：

  1. 先删除缓存再操作数据库：在删除完缓存到操作数据库这段期间，另一个线程重建完缓存。
  2. 先操作数据库再删除缓存：在查询完数据库到重建缓存这段期间，另一个线程修改了数据库并删除缓存。

• 高一致性实现方案：

  1. 延迟双删：删除缓存，修改数据库，延迟一会再删除缓存，延迟的原因是等待数据库master同步到slave 。该方法的问题是延迟时间很难确定。

  2. 读数据时添加共享锁：其他线程可共享读操作

     写数据时添加排他锁：阻塞其他线程读写操作

• 弱一致性实现方案：

  1. MQ：修改数据库时，发布消息到mq中，由消费者来删除缓存，只能保证redis操作的可靠性
  2. Canal：监听mysql的binlog（日志文件），把更新后的日志同步到redis里面