[[332833]]

緩存雪崩

我們多次提到了「cache miss」這個(gè)詞，利用「cache miss」來更好的保障DB和緩存之間的數(shù)據(jù)一致性。

然而，任何事物都是有兩面性的，「cache miss」在提供便利的同時(shí)，也帶來了一個(gè)潛在風(fēng)險(xiǎn)。

這個(gè)風(fēng)險(xiǎn)就是「緩存雪崩」。

在圖中的第二步，大量的請(qǐng)求并發(fā)進(jìn)入，這里的一次「cache miss」就有可能導(dǎo)致產(chǎn)生「緩存雪崩」。

不過，雖然「cache miss」會(huì)產(chǎn)生「緩存雪崩」，但「緩存雪崩」并不僅僅產(chǎn)生于「cache miss」。

雪崩一詞源于「雪崩效應(yīng)」，是指像「多米勒骨牌」這樣的級(jí)聯(lián)反應(yīng)。前面沒頂住，導(dǎo)致影響后面，如此蔓延。(關(guān)于對(duì)應(yīng)雪崩的方式參考之前的文章，文末放鏈接)

所以「緩存雪崩」的根本問題是：緩存由于某些原因未起到預(yù)期的緩沖效果，導(dǎo)致請(qǐng)求全部流轉(zhuǎn)到數(shù)據(jù)庫，造成數(shù)據(jù)庫壓力過重。

因此，流量激增、高并發(fā)下的緩存過期、甚至緩存系統(tǒng)宕機(jī)都有可能產(chǎn)生「緩存雪崩」問題。

怎么解決這個(gè)問題呢?宕機(jī)可以通過做高可用來解決(可以參考之前的文章，文末放鏈接)。而在“流量激增”、“高并發(fā)下的緩存過期”這兩種場(chǎng)景下，也有兩種方式可以來解決。

加鎖排隊(duì)

通過加鎖或者排隊(duì)機(jī)制來限制讀數(shù)據(jù)庫寫緩存的線程數(shù)量。比如，下面的偽代碼就是對(duì)某個(gè)key只允許一個(gè)線程進(jìn)入的效果。

key = "aaa"； 
​ 
var cacheValue = cache.read(key); 
if (cacheValue != null) { 
 return cacheValue; 
} 
else { 
 lock(key) { 
 cacheValue = cache.read(key); 
 if (cacheValue != null) { 
 return cacheValue; 
 }  
 else { 
 cacheValue = db.read(key); 
 cache.set(key,cacheValue); 
 } 
 } 
 return cacheValue; 
} 

這個(gè)比較好理解，就不廢話了。

緩存時(shí)間增加隨機(jī)值

這個(gè)主要針對(duì)的是「緩存定時(shí)過期」機(jī)制下的取巧方案。它的目的是避免多個(gè)緩存key在同一時(shí)間失效，導(dǎo)致壓力更加集中。

比如，你有10個(gè)key，他們的過期時(shí)間都是30分鐘的話，那么30分鐘后這10個(gè)key的所有請(qǐng)求會(huì)同時(shí)流到db去。

而這里說的這種方式就是將這10個(gè)key的過期時(shí)間打亂，比如設(shè)置成25、26、27、...、34分的過期時(shí)間，這樣壓力就被分散了，每分鐘只有一個(gè)key過期。

最簡(jiǎn)單粗暴的方式就是在設(shè)置「過期時(shí)間」的時(shí)候加一個(gè)隨機(jī)數(shù)字。

cache.set(key,cacheValue,30+random())

總體來看，相比后者，前者的適用面更廣，所以Z哥建議你用「加鎖排隊(duì)」作為默認(rèn)的通用方案不失為一個(gè)不錯(cuò)的選擇。

「緩存穿透」、「緩存雪崩」傻傻分不清楚?

如果你聽說過「緩存穿透」的話，可能會(huì)問：「緩存雪崩」和「緩存穿透」一樣嗎?

從產(chǎn)生的效果上看是一樣的，但是過程不同。

來舉個(gè)例子。例子純屬虛構(gòu)，別太在意合理性。

在一個(gè)方圓一萬里的地區(qū)內(nèi)，只有一個(gè)修手機(jī)的老師傅。他收了一個(gè)徒弟，希望徒弟能幫他分擔(dān)掉一部分的工作壓力。這里的老師傅可以看作是DB，徒弟看作是緩存。

老師傅對(duì)徒弟說，如果遇到你不會(huì)做的事你來請(qǐng)教我。

然后，一個(gè)客戶過來說要修一下他的衛(wèi)星電話，徒弟去請(qǐng)教老師傅，老師傅說他也不會(huì)，先拒絕了吧。

但是由于沒告訴他后續(xù)遇到修衛(wèi)星電話的人該怎么做，所以后續(xù)這個(gè)客戶一直來問，徒弟每次都又去請(qǐng)教老師傅。最終，在修衛(wèi)星電話這件事上，徒弟并沒有幫老師傅緩解任何的壓力，快被煩死了。

上面這個(gè)故事就好比「緩存穿透」。

而「緩存雪崩」則是，由于徒弟年輕力壯，精力充沛，1小時(shí)能修20個(gè)手機(jī)，老師傅只能修10個(gè)(但是手藝好，更考究)。

然后，有一天徒弟請(qǐng)假了，但恰巧這天來了2000個(gè)修手機(jī)的，老師傅修不過來就被累垮了。

所以，「緩存穿透」和「緩存雪崩」最終產(chǎn)生的效果是一樣的，就是因?yàn)榇罅空?qǐng)求流到DB后，把DB拖垮(正如前面故事中的老師傅)。

兩者最大的不同在于，「緩存雪崩」問題只要數(shù)據(jù)從db中找到并放入緩存就能恢復(fù)正常(徒弟休假歸來)，而「緩存穿透」指的是所需的數(shù)據(jù)在DB中一直不存在的情況(老師傅也不會(huì)修)。并且，由于DB中數(shù)據(jù)不存在，所以自然每次從緩存中也找不到(徒弟也不會(huì)修)。

清楚了兩者的區(qū)別之后，我們下面就來聊聊「緩存穿透」的常見應(yīng)對(duì)方式。

緩存穿透

「緩存穿透」有時(shí)也叫做「緩存擊穿」，產(chǎn)生的邏輯過程是這樣，一直在虛線范圍內(nèi)流轉(zhuǎn)。

在這種場(chǎng)景下，緩存的作用完全失效，每次請(qǐng)求都“穿透”到了DB中。

可能你會(huì)想，為什么會(huì)存在大量的這種db中數(shù)據(jù)不存在的情況呢?其實(shí)，任何依賴外部參數(shù)進(jìn)行查詢的地方都可能有這個(gè)問題的存在。比如，一個(gè)文本輸入框，本來是讓你輸入用戶名的，但是手誤輸入了密碼，自然就找不到數(shù)據(jù)咯。更主要的問題是，會(huì)有惡意分子利用這種機(jī)制來對(duì)你的系統(tǒng)進(jìn)行攻擊，擊穿緩存搞垮你的數(shù)據(jù)庫，導(dǎo)致整個(gè)系統(tǒng)全面癱瘓。

同樣也有兩種方式來解決這個(gè)問題。

布隆過濾器(bloomfilter)

布隆過濾器就是由一個(gè)很長(zhǎng)的二進(jìn)制向量和一系列隨機(jī)映射函數(shù)組成，將確定不存在的數(shù)據(jù)構(gòu)建到過濾器中，用它來過濾請(qǐng)求。這里就放個(gè)圖，具體就不展開了，后續(xù)我們?cè)倭?有興趣的可以先到搜索引擎搜《Space time trade-offs in hash coding with allowable errors》找到bloom的原始論文)。

實(shí)現(xiàn)代碼其實(shí)并不很復(fù)雜，參考論文或者網(wǎng)上其他作者的一些實(shí)現(xiàn)就可以寫出來。

不過，布隆過濾器有一個(gè)最大的缺點(diǎn)，也是其為了高效利用內(nèi)存而付出的代價(jià)，就是無法確保100%的準(zhǔn)確率。

所以，如果你的場(chǎng)景要求是100%準(zhǔn)確的，就只能用下面這種方式了。

緩存空對(duì)象

其實(shí)就是哪怕從db中取出的數(shù)據(jù)是“空(null)”，也把它丟失到緩存中。

這樣一來，雖然緩存中存在著一個(gè)value為空的數(shù)據(jù)，但是至少他能表示“數(shù)據(jù)庫里也沒有不用找了”。

其實(shí)這個(gè)思路和布隆過濾器有些類似，但是它對(duì)內(nèi)存的消耗會(huì)大很多，畢竟布隆過濾器是利用的bit位來存儲(chǔ)。不過這種方式的優(yōu)勢(shì)是前面提到的，不會(huì)出現(xiàn)誤差，而布隆過濾器的錯(cuò)誤率會(huì)隨著「位數(shù)」的增加而減少，會(huì)不斷趨近于0，但不會(huì)為0。

總結(jié)

好了，我們一起總結(jié)一下。

這次呢，Z哥主要和你聊了隱藏在緩存中的兩顆具有“毀滅性”的種子，「緩存雪崩」和「緩存穿透」，以及應(yīng)對(duì)這兩顆種子的常用方式。

而且，順便幫你區(qū)分清楚了「緩存雪崩」和「緩存穿透」的差異。

希望對(duì)你有所啟發(fā)。