1. 緩存來由

隨著互聯(lián)網(wǎng)系統(tǒng)發(fā)展的逐步完善，提高系統(tǒng)的qps，目前的絕大部分系統(tǒng)都增加了緩存機(jī)制從而避免請求過多的直接與數(shù)據(jù)庫操作從而造成系統(tǒng)瓶頸，極大的提升了用戶體驗(yàn)和系統(tǒng)穩(wěn)定性。

2. 緩存問題

雖然使用緩存給系統(tǒng)帶來了一定的質(zhì)的提升，但同時(shí)也帶來了一些需要注意的問題。

[[249106]]

(1) 緩存穿透

緩存穿透是指查詢一個(gè)一定不存在的數(shù)據(jù)，因?yàn)榫彺嬷幸矡o該數(shù)據(jù)的信息，則會直接去數(shù)據(jù)庫層進(jìn)行查詢，從系統(tǒng)層面來看像是穿透了緩存層直接達(dá)到db，從而稱為緩存穿透，沒有了緩存層的保護(hù)，這種查詢一定不存在的數(shù)據(jù)對系統(tǒng)來說可能是一種危險(xiǎn)，如果有人惡意用這種一定不存在的數(shù)據(jù)來頻繁請求系統(tǒng)，不，準(zhǔn)確的說是攻擊系統(tǒng)，請求都會到達(dá)數(shù)據(jù)庫層導(dǎo)致db癱瘓從而引起系統(tǒng)故障。

(2) 解決方案

緩存穿透業(yè)內(nèi)的解決方案已經(jīng)比較成熟，主要常用的有以下幾種：

• bloom filter：類似于哈希表的一種算法，用所有可能的查詢條件生成一個(gè)bitmap，在進(jìn)行數(shù)據(jù)庫查詢之前會使用這個(gè)bitmap進(jìn)行過濾，如果不在其中則直接過濾，從而減輕數(shù)據(jù)庫層面的壓力。guava中有實(shí)現(xiàn)BloomFilter算法。
• 空值緩存：一種比較簡單的解決辦法，在第一次查詢完不存在的數(shù)據(jù)后，將該key與對應(yīng)的空值也放入緩存中，只不過設(shè)定為較短的失效時(shí)間，例如幾分鐘，這樣則可以應(yīng)對短時(shí)間的大量的該key攻擊，設(shè)置為較短的失效時(shí)間是因?yàn)樵撝悼赡軜I(yè)務(wù)無關(guān)，存在意義不大，且該次的查詢也未必是攻擊者發(fā)起，無過久存儲的必要，故可以早點(diǎn)失效。

[[249107]]

(3) 緩存雪崩

在普通的緩存系統(tǒng)中一般例如redis、memcache等中，我們會給緩存設(shè)置一個(gè)失效時(shí)間，但是如果所有的緩存的失效時(shí)間相同，那么在同一時(shí)間失效時(shí)，所有系統(tǒng)的請求都會發(fā)送到數(shù)據(jù)庫層，db可能無法承受如此大的壓力導(dǎo)致系統(tǒng)崩潰。

(4) 解決方案

線程互斥：只讓一個(gè)線程構(gòu)建緩存，其他線程等待構(gòu)建緩存的線程執(zhí)行完，重新從緩存獲取數(shù)據(jù)才可以，每個(gè)時(shí)刻只有一個(gè)線程在執(zhí)行請求，減輕了db的壓力，但缺點(diǎn)也很明顯，降低了系統(tǒng)的qps。

交錯(cuò)失效時(shí)間：這種方法時(shí)間比較簡單粗暴，既然在同一時(shí)間失效會造成請求過多雪崩，那我們錯(cuò)開不同的失效時(shí)間即可從一定長度上避免這種問題，在緩存進(jìn)行失效時(shí)間設(shè)置的時(shí)候，從某個(gè)適當(dāng)?shù)闹涤蛑须S機(jī)一個(gè)時(shí)間作為失效時(shí)間即可。

(5) 緩存擊穿

緩存擊穿實(shí)際上是緩存雪崩的一個(gè)特例，大家使用過微博的應(yīng)該都知道，微博有一個(gè)熱門話題的功能，用戶對于熱門話題的搜索量往往在一些時(shí)刻會大大的高于其他話題，這種我們成為系統(tǒng)的“熱點(diǎn)“，由于系統(tǒng)中對這些熱點(diǎn)的數(shù)據(jù)緩存也存在失效時(shí)間，在熱點(diǎn)的緩存到達(dá)失效時(shí)間時(shí)，此時(shí)可能依然會有大量的請求到達(dá)系統(tǒng)，沒有了緩存層的保護(hù)，這些請求同樣的會到達(dá)db從而可能引起故障。擊穿與雪崩的區(qū)別即在于擊穿是對于特定的熱點(diǎn)數(shù)據(jù)來說，而雪崩是全部數(shù)據(jù)。

(6) 解決方案

二級緩存：對于熱點(diǎn)數(shù)據(jù)進(jìn)行二級緩存，并對于不同級別的緩存設(shè)定不同的失效時(shí)間，則請求不會直接擊穿緩存層到達(dá)數(shù)據(jù)庫。

這里參考了阿里雙11萬億流量的緩存擊穿解決方案，解決此問題的關(guān)鍵在于熱點(diǎn)訪問。由于熱點(diǎn)可能隨著時(shí)間的變化而變化，針對固定的數(shù)據(jù)進(jìn)行特殊緩存是不能起到治本作用的，結(jié)合LRU算法能夠較好的幫我們解決這個(gè)問題。那么LRU是什么，下面粗略的介紹一下。

LRU(Least recently used，最近最少使用)算法根據(jù)數(shù)據(jù)的歷史訪問記錄來進(jìn)行淘汰數(shù)據(jù)，其核心思想是“如果數(shù)據(jù)最近被訪問過，那么將來被訪問的幾率也更高”。最常見的實(shí)現(xiàn)是使用一個(gè)鏈表保存緩存數(shù)據(jù)，如下圖所示

這個(gè)鏈表即是我們的緩存結(jié)構(gòu)，緩存處理步驟為

• 首先將新數(shù)據(jù)放入鏈表的頭部
• 在進(jìn)行數(shù)據(jù)插入的過程中，如果檢測到鏈表中有數(shù)據(jù)被再次訪問也就是有請求再次訪問這些數(shù)據(jù)，那么就其插入的鏈表的頭部，因?yàn)樗鼈兿鄬ζ渌麛?shù)據(jù)來說可能是熱點(diǎn)數(shù)據(jù)，具有保留時(shí)間更久的意義
• 最后當(dāng)鏈表數(shù)據(jù)放滿時(shí)將底部的數(shù)據(jù)淘汰，也就是不常訪問的數(shù)據(jù)

LRU-K算法 ，其實(shí)上面的算法也是該算法的特例情況即LRU-1，上面的算法存在較多的不合理性，在實(shí)際的應(yīng)用過程中采用該算法進(jìn)行了改進(jìn)，例如偶然的數(shù)據(jù)影響會造成命中率較低，比如某個(gè)數(shù)據(jù)即將到達(dá)底部即將被淘汰，但由于一次的請求又放入了頭部，此后再無該數(shù)據(jù)的請求，那么該數(shù)據(jù)的繼續(xù)存在其實(shí)是不合理的，針對這類情況LRU-K算法擁有更好的解決措施。結(jié)構(gòu)圖如下所示：

LRU-K需要多維護(hù)一個(gè)隊(duì)列或者更多，用于記錄所有緩存數(shù)據(jù)被訪問的歷史。只有當(dāng)數(shù)據(jù)的訪問次數(shù)達(dá)到K次的時(shí)候，才將數(shù)據(jù)放入緩存。當(dāng)需要淘汰數(shù)據(jù)時(shí)，LRU-K會淘汰第K次訪問時(shí)間距當(dāng)前時(shí)間最大的數(shù)據(jù)。

• 第一步添加數(shù)據(jù)照樣放入第一個(gè)隊(duì)列的頭部。如果數(shù)據(jù)在該隊(duì)列里訪問沒有達(dá)到K次(該數(shù)值根據(jù)具體系統(tǒng)qps來定)則會繼續(xù)到達(dá)鏈表底部直至淘汰;如果該數(shù)據(jù)在隊(duì)列中時(shí)訪問次數(shù)達(dá)到了K次，那么它會被加入到接下來的2級(具體需要幾級結(jié)構(gòu)也同樣結(jié)合系統(tǒng)分析)鏈表中，按照時(shí)間順序在2級鏈表中排列
• 接下來2級鏈表中的操作與上面算法相同，鏈表中的數(shù)據(jù)如果再次被訪問則移到頭部，鏈表滿時(shí)，底部數(shù)據(jù)淘汰

相比LRU，LRU-K需要多維護(hù)一個(gè)隊(duì)列，用于記錄所有緩存數(shù)據(jù)被訪問的歷史，所以需要更多的內(nèi)存空間來用來構(gòu)建緩存，但優(yōu)點(diǎn)也很明顯，較好的降低了數(shù)據(jù)的污染率提高了緩存的命中率，對于系統(tǒng)來說可以用一定的硬件成本來換取系統(tǒng)性能也不失為一種辦法。當(dāng)然還有更為復(fù)雜的緩存結(jié)構(gòu)算法，點(diǎn)擊LRU算法即可學(xué)習(xí)，例如Two Queues和Mutil Queues等等，本文不過多贅述，只為讀者提供一種解決思路。