前言
設計一個緩存系統，不得不要考慮的問題就是：緩存穿透、緩存擊穿與失效時的雪崩效應。
css
緩存穿透
緩存穿透是指查詢一個必定不存在的數據，因爲緩存是不命中時被動寫的，而且出於容錯考慮，若是從存儲層查不到數據則不寫入緩存，這將致使這個不存在的數據每次請求都要到存儲層去查詢，失去了緩存的意義。在流量大時，可能DB就掛掉了，要是有人利用不存在的key頻繁攻擊咱們的應用，這就是漏洞。html
解決方案
有不少種方法能夠有效地解決緩存穿透問題，最多見的則是採用布隆過濾器，將全部可能存在的數據哈希到一個足夠大的bitmap中，一個必定不存在的數據會被 這個bitmap攔截掉，從而避免了對底層存儲系統的查詢壓力。另外也有一個更爲簡單粗暴的方法（咱們採用的就是這種），若是一個查詢返回的數據爲空（不論是數 據不存在，仍是系統故障），咱們仍然把這個空結果進行緩存，但它的過時時間會很短，最長不超過五分鐘。java
緩存雪崩
緩存雪崩是指在咱們設置緩存時採用了相同的過時時間，致使緩存在某一時刻同時失效，請求所有轉發到DB，DB瞬時壓力太重雪崩。redis
解決方案
緩存失效時的雪崩效應對底層系統的衝擊很是可怕。大多數系統設計者考慮用加鎖或者隊列的方式保證緩存的單線 程（進程）寫，從而避免失效時大量的併發請求落到底層存儲系統上。這裏分享一個簡單方案就時講緩存失效時間分散開，好比咱們能夠在原有的失效時間基礎上增長一個隨機值，好比1-5分鐘隨機，這樣每個緩存的過時時間的重複率就會下降，就很難引起集體失效的事件。數據庫
緩存擊穿
對於一些設置了過時時間的key，若是這些key可能會在某些時間點被超高併發地訪問，是一種很是「熱點」的數據。這個時候，須要考慮一個問題：緩存被「擊穿」的問題，這個和緩存雪崩的區別在於這裏針對某一key緩存，前者則是不少key。後端
緩存在某個時間點過時的時候，剛好在這個時間點對這個Key有大量的併發請求過來，這些請求發現緩存過時通常都會從後端DB加載數據並回設到緩存，這個時候大併發的請求可能會瞬間把後端DB壓垮。緩存
解決方案
1.使用互斥鎖(mutex key)
業界比較經常使用的作法，是使用mutex。簡單地來講，就是在緩存失效的時候（判斷拿出來的值爲空），不是當即去load db，而是先使用緩存工具的某些帶成功操做返回值的操做（好比Redis的SETNX或者Memcache的ADD）去set一個mutex key，當操做返回成功時，再進行load db的操做並回設緩存；不然，就重試整個get緩存的方法。
安全
SETNX，是「SET if Not eXists」的縮寫，也就是隻有不存在的時候才設置，能夠利用它來實現鎖的效果。在redis2.6.1以前版本未實現setnx的過時時間，因此這裏給出兩種版本代碼參考：
網絡
-
//2.6.1前單機版本鎖
-
String get(String key) {
-
String value = redis.get(key);
-
if (value ==
null) {
-
if (redis.setnx(key_mutex,
"1")) {
-
// 3 min timeout to avoid mutex holder crash
-
redis.expire(key_mutex,
3 *
60)
-
value = db.get(key);
-
redis.set(key, value);
-
redis.delete(key_mutex);
-
}
else {
-
//其餘線程休息50毫秒後重試
-
Thread.sleep(
50);
-
get(key);
-
}
-
}
-
}
最新版本代碼：
-
public String get(key) {
-
String value = redis.get(key);
-
if (value ==
null) {
//表明緩存值過時
-
//設置3min的超時，防止del操做失敗的時候，下次緩存過時一直不能load db
-
if (redis.setnx(key_mutex,
1,
3 *
60) ==
1) {
//表明設置成功
-
value = db.get(key);
-
redis.set(key, value, expire_secs);
-
redis.del(key_mutex);
-
}
else {
//這個時候表明同時候的其餘線程已經load db並回設到緩存了，這時候重試獲取緩存值便可
-
sleep(
50);
-
get(key);
//重試
-
}
-
}
else {
-
return value;
-
}
-
}
memcache代碼：
-
if (memcache.get(key) ==
null) {
-
// 3 min timeout to avoid mutex holder crash
-
if (memcache.add(key_mutex,
3 *
60 *
1000) ==
true) {
-
value = db.get(key);
-
memcache.set(key, value);
-
memcache.delete(key_mutex);
-
}
else {
-
sleep(
50);
-
retry();
-
}
-
}
2. "提早"使用互斥鎖(mutex key)：
在value內部設置1個超時值(timeout1), timeout1比實際的memcache timeout(timeout2)小。當從cache讀取到timeout1發現它已通過期時候，立刻延長timeout1並從新設置到cache。而後再從數據庫加載數據並設置到cache中。僞代碼以下：併發
-
v = memcache.get(key);
-
if (v ==
null) {
-
if (memcache.add(key_mutex,
3 *
60 *
1000) ==
true) {
-
value = db.get(key);
-
memcache.set(key, value);
-
memcache.delete(key_mutex);
-
}
else {
-
sleep(
50);
-
retry();
-
}
-
}
else {
-
if (v.timeout <= now()) {
-
if (memcache.add(key_mutex,
3 *
60 *
1000) ==
true) {
-
// extend the timeout for other threads
-
v.timeout +=
3 *
60 *
1000;
-
memcache.set(key, v, KEY_TIMEOUT *
2);
-
-
// load the latest value from db
-
v = db.get(key);
-
v.timeout = KEY_TIMEOUT;
-
memcache.set(key, value, KEY_TIMEOUT *
2);
-
memcache.delete(key_mutex);
-
}
else {
-
sleep(
50);
-
retry();
-
}
-
}
-
}
3. "永遠不過時"：
這裏的「永遠不過時」包含兩層意思：
(1) 從redis上看，確實沒有設置過時時間，這就保證了，不會出現熱點key過時問題，也就是「物理」不過時。
(2) 從功能上看，若是不過時，那不就成靜態的了嗎？因此咱們把過時時間存在key對應的value裏，若是發現要過時了，經過一個後臺的異步線程進行緩存的構建，也就是「邏輯」過時
從實戰看，這種方法對於性能很是友好，惟一不足的就是構建緩存時候，其他線程(非構建緩存的線程)可能訪問的是老數據，可是對於通常的互聯網功能來講這個仍是能夠忍受。
-
String get(final String key) {
-
V v = redis.get(key);
-
String value = v.getValue();
-
long timeout = v.getTimeout();
-
if (v.timeout <= System.currentTimeMillis()) {
-
// 異步更新後臺異常執行
-
threadPool.execute(
new Runnable() {
-
public void run() {
-
String keyMutex =
"mutex:" + key;
-
if (redis.setnx(keyMutex,
"1")) {
-
// 3 min timeout to avoid mutex holder crash
-
redis.expire(keyMutex,
3 *
60);
-
String dbValue = db.get(key);
-
redis.set(key, dbValue);
-
redis.delete(keyMutex);
-
}
-
}
-
});
-
}
-
return value;
-
}
4. 資源保護：
採用netflix的hystrix，能夠作資源的隔離保護主線程池，若是把這個應用到緩存的構建也何嘗不可。
四種解決方案：沒有最佳只有最合適
| 解決方案 | 優勢 | 缺點 |
| 簡單分佈式互斥鎖（mutex key） | 1. 思路簡單 2. 保證一致性 |
1. 代碼複雜度增大 2. 存在死鎖的風險 3. 存在線程池阻塞的風險 |
| 「提早」使用互斥鎖 | 1. 保證一致性 | 同上 |
| 不過時(本文) | 1. 異步構建緩存，不會阻塞線程池 |
1. 不保證一致性。 2. 代碼複雜度增大(每一個value都要維護一個timekey)。 3. 佔用必定的內存空間(每一個value都要維護一個timekey)。 |
| 資源隔離組件hystrix(本文) | 1. hystrix技術成熟，有效保證後端。 2. hystrix監控強大。
|
1. 部分訪問存在降級策略。 |
四種方案來源網絡，詳文請連接：http://carlosfu.iteye.com/blog/2269687?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io
總結
針對業務系統，永遠都是具體狀況具體分析，沒有最好，只有最合適。
最後，對於緩存系統常見的緩存滿了和數據丟失問題，須要根據具體業務分析，一般咱們採用LRU策略處理溢出，Redis的RDB和AOF持久化策略來保證必定狀況下的數據安全。