高併發請求的緩存設計策略

前幾天，我司出了個簍子。當時正值某喜聞樂見的關鍵比賽結束，一堆人打開我司app準備看點東西，結果歷來沒有感覺到過這麼多關注量的該功能瞬間幸福到眩暈，觸發了熔斷，結果就是大量興致沖沖打開app準備看該比賽結果的人被迫刷了十分鐘三天前的野外跑酷，負責內容的人火大到直接罵娘。

雖然這個業務不是我負責，可是也跟相關的人聊了下狀況，感慨了一下，因而有了這一篇文章。

1.爲什麼須要緩存？

在高併發請求時，爲什麼咱們頻繁提到緩存技術？最直接的緣由是，目前磁盤IO和網絡IO相對於內存IO的成百上千倍的性能劣勢。
作個簡單計算，若是咱們須要某個數據，該數據從數據庫磁盤讀出來須要0.1s，從交換機傳過來須要0.05s，那麼每一個請求完成最少0.15s（固然，事實上磁盤和網絡IO也沒有這麼慢，這裏只是舉例），該數據庫服務器每秒只能響應67個請求；而若是該數據存在於本機內存裏，讀出來只須要10us，那麼每秒鐘可以響應100，000個請求。

經過將高頻使用的數據存在離cpu更近的位置，以減小數據傳輸時間，從而提升處理效率，這就是緩存的意義。

2.在哪裏用緩存？

一切地方。例如：

• 咱們從硬盤讀數據的時候，其實操做系統還額外把附近的數據都讀到了內存裏
• 例如，CPU在從內存裏讀數據的時候，也額外讀了許多數據到各級cache裏
• 各個輸入輸出之間用buffer保存一批數據統一發送和接受，而不是一個byte一個byte的處理

上面這是系統層面，在軟件系統設計層面，不少地方也用了緩存：

• 瀏覽器會緩存頁面的元素，這樣在重複訪問網頁時，就避開了要從互聯網上下載數據（例如大圖片）
• web服務會把靜態的東西提早部署在CDN上，這也是一種緩存
• 數據庫會緩存查詢，因此同一條查詢第二次就是要比第一次快
• 內存數據庫（如redis）選擇把大量數據存在內存而非硬盤裏，這能夠看做是一個大型緩存，只是把整個數據庫緩存了起來
• 應用程序把最近幾回計算的結果放在本地內存裏，若是下次到來的請求仍是原請求，就跳過計算直接返回結果

3.本次事故分析

回到本文開始的問題上，該系統是怎麼設計的呢？底層是數據庫，中間放了一層redis，前面的業務系統所需的數據都直接從redis裏取，而後計算出結果返回給app；數據庫和redis的同步另外有程序保證，避免redis的穿透，防止了程序裏出現大量請求從redis裏找不到，因而又一窩蜂的去查數據庫，直接壓垮數據庫的狀況。從這個角度講，其實這一步是作的還能夠的。

可是這個系統有兩個問題：
1.業務系統須要的數據雖然都在redis裏，可是是分開存放的。什麼意思呢，好比我前臺發起一個請求，後臺先去redis裏取一下標題，而後再取一下做者，而後再取一下內容，再取一下評論，再取一下轉發數等等……結果前臺一次請求，後臺要請求redis十幾回。高併發的時候，壓力一下被放大十幾倍，redis響應、網絡響應必然會變慢。
2.其實作業務的那波人也意識到了這個狀況可能發生，因此作了熔斷機制，另起了一個緩存池，裏面放了一些備用數據，若是主業務超時，直接從緩存池裏取數據返回。可是他們設計的時候沒想周全，這個備選池的數據過時時間設計的太長了，裏面竟然還有三天前更新進去的數據，最終致使了一大波用戶刷出來三天前的野外生態小視頻……

說到這，不知道讀者有沒有意識到他們最致命的一個問題：這個業務系統徹底沒有考慮本地緩存（也就是在業務服務器內存裏作緩存）。好比像咱們這種app，一旦大量用戶同一時間涌進來，一定都是奔着少數幾個內容去的，這種特別集中的高頻次極少許數據訪問，又不須要對每一個用戶作特化的，簡直就是在臉上寫上「請緩存我」。
這時候，若是能在業務端作一層本地緩存，直接把算好的數據本地存一份，那麼就會極大減小網絡和redis的壓力，不至於當場觸發熔斷了。

4.淺談緩存的那些坑

緩存頗有用，可是緩存用很差也會埋不少坑：

緩存穿透

緩存穿透是說收到了一個請求，可是該請求緩存裏沒有，只能去數據庫裏查詢，而後放進緩存。這裏面有兩個風險，一個是同時有好多請求訪問同一個數據，而後業務系統把這些請求全發到了數據庫；第二個是有人惡意構造一個邏輯上不存在的數據，而後大量發送這個請求，這樣每次請求都會被髮送到數據庫，可能致使數據掛掉。

怎麼應對這種狀況呢？對於惡意訪問，一個思路是事先作校驗，對惡意數據直接過濾掉，不要發到數據庫層；第二個思路是緩存空結果，就是對查詢不存在的數據仍然記錄一條該數據不存在在緩存裏，這樣能有效的減小查詢數據庫的次數。

那麼非惡意訪問呢？這個要結合緩存擊穿來說。

緩存擊穿

上面提到的某個數據沒有，而後好多請求都被髮到數據庫其實能夠歸爲緩存擊穿的範疇：對於熱點數據，當數據失效的一瞬間，全部請求都被下放到數據庫去請求更新緩存，數據庫被壓垮。

怎麼防範這種問題呢？一個思路是全局鎖，就是全部訪問某個數據的請求都共享一個鎖，得到鎖的那個纔有資格去訪問數據庫，其餘線程必須等待。可是如今的業務都是分佈式的，本地鎖無法控制其餘服務器也等待，因此要用到全局鎖，好比用redis的setnx實現全局鎖。

另外一個思路是對即將過時的數據主動刷新，作法能夠有不少，好比起一個線程輪詢數據，好比把全部數據劃分爲不一樣的緩存區間，按期分區間刷新數據等等。這第二個思路又和咱們接下來要講的緩存雪崩有關係。

緩存雪崩

緩存雪崩是指好比咱們給全部的數據設置了一樣的過時時間，而後在某一個歷史性時刻，整個緩存的數據所有過時了，而後瞬間全部的請求都被打到了數據庫，數據庫就崩了。

解決思路要麼是分治，劃分更小的緩存區間，按區間過時；要麼是給每一個key的過時時間加個隨機值，避免同時過時，達到錯峯刷新緩存的目的。

緩存刷新

說到刷新緩存，其實也有坑的。好比我以前的一份工做裏，有一次大活動，正是如火如荼的時候，全部的廣告位忽然都變空白了。後來追查緣由，全部的廣告素材都在緩存裏，而後起了個程序，專門負責刷新緩存，每次把當前的素材全量刷新。

壞就壞在這個全量上。由於大活動的時候流量極大，廣告更新壓力也很大，把負責提供更新素材的程序壓崩了。刷新緩存的程序在請求時，收到了一個返回結果Null。接下來就喜聞樂見了，刷新程序根據這個null，清空了整個緩存，全部廣告素材都失效了。

總之，想要作好高併發系統的緩存，就要考慮到各類邊角狀況，當心設計，任何細小的疏忽均可能致使系統崩潰。

原文：https://www.cnblogs.com/bethunebtj/p/9159914.html