15.1 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。
15.2 緩存穿透
緩存穿透是指用戶查詢數據，在數據庫沒有，自然在緩存中也不會有。這樣就導致用戶查詢的時候，在緩存中找不到，每次都要去數據庫再查詢一遍，然後返回空（相當於進行了兩次無用的查詢）。這樣請求就繞過緩存直接查數據庫，這也是經常提的緩存命中率問題。
15.2.1 解決方案
有很多種方法可以有效地解決緩存穿透問題，最常見的則是採用布隆過濾器，將所有可能存在的數據哈 希到一個足夠大的bitmap 中，一個一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，如果一個查詢返回的數據爲空（不管是數據不 存在，還是系統故障），我們仍然把這個空結果進行緩存，但它的過期時間會很短，最長不超過五分鐘。通過這個直接設置的默認值存放到緩存，這樣第二次到緩衝中獲取就有值了，而不會繼續訪問數據庫。
15.3 緩存雪崩
緩存雪崩是指在我們設置緩存時採用了相同的過期時間，導致緩存在某一時刻同時失效，請求全部轉發到DB，DB瞬時壓力過重雪崩。我們也可以簡單的理解爲：由於原有緩存失效，新緩存未到期間所有原本應該訪問緩存的請求都去查詢數據庫了，而對數據庫 CPU 和內存造成巨大壓力，嚴重的會造成數據庫宕機。從而形成一系列連鎖反應，造成整個系統崩潰。
15.3.1 解決方案
緩存失效時的雪崩效應對底層系統的衝擊非常可怕。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，比如我們可以在原有的失效時間基礎上增加一個隨機值，比如1-5分鐘隨機，這樣每一個緩存的過期時間的重複率就會降低，就很難引發集體失效的事件。
一般有三種處理辦法：
- 一般併發量不是特別多的時候，使用最多的解決方案是加鎖排隊。
- 給每一個緩存數據增加相應的緩存標記，記錄緩存的是否失效，如果緩存標記失效，則更新數據緩存。
- 爲 key 設置不同的緩存失效時間。
15.4 緩存擊穿
對於一些設置了過期時間的key，如果這些key可能會在某些時間點被超高併發地訪問，是一種非常“熱點”的數據。這個時候，需要考慮一個問題：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，前者則是很多key。
緩存在某個時間點過期的時候，恰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期一般都會從後端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。
15.4.1 解決方案
我們的目標是：儘量少的線程構建緩存(甚至是一個) + 數據一致性 + 較少的潛在危險，下面會介紹四種方法來解決這個問題：
1、使用互斥鎖(mutex key): 這種解決方案思路比較簡單，就是隻讓一個線程構建緩存，其他線程等待構建緩存的線程執行完，重新從緩存獲取數據就可以了（如下圖）
如果是單機，可以用synchronized或者lock來處理，如果是分佈式環境可以用分佈式鎖就可以了（分佈式鎖，可以用memcache的add, redis的setnx, zookeeper的添加節點操作）。
下面是Tim yang博客的代碼，是memcache的僞代碼實現
if(memecache).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();
}
}
如果換成redis，就是：
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(ket,value);
redis.delete(key_mutex);
}else {
//其他線程休息50毫秒後重試
Thread.sleep(50);
get(key);
}
}
}
2、"提前"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發現它已經過期時候，馬上延長timeout1並重新設置到cache。然後再從數據庫加載數據並設置到cache中。僞代碼如下：
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、“永遠不過期”：
這裏的“永遠不過期”包含兩層意思：
1、從redis上看，確實沒有設置過期時間，這就保證了，不會出現熱點key過期問題，也就是“物理”不過期。
2、從功能上看，如果不過期，那不就成靜態的了嗎？所以我們把過期時間存在key對應的value裏，如果發現要過期了，通過一個後臺的異步線程進行緩存的構建，也就是“邏輯”過期
從實戰看，這種方法對於性能非常友好，唯一不足的就是構建緩存時候，其餘線程(非構建緩存的線程)可能訪問的是老數據，但是對於一般的互聯網功能來說這個還是可以忍受。
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
thread.Pool.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：
可以做資源的隔離保護主線程池，如果把這個應用到緩存的構建也未嘗不可。
四種方案對比：
作爲一個併發量較大的互聯網應用，我們的目標有3個:
1、加快用戶訪問速度，提高用戶體驗。
2、降低後端負載，保證系統平穩。
3、保證數據“儘可能”及時更新(要不要完全一致，取決於業務，而不是技術。)
所以提到的四種方法，可以做如下比較，還是那就話：沒有最好，只有最合適。
解決方案
一、簡單分佈式鎖(Tim yang)
優點
1、思路簡單
2、保證一致性
缺點
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
二、加另外一個過期時間(Tim yang)
優點
1、保證一致性
缺點
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
三、不過期(本文)
優點
1、異步構建緩存，不會阻塞線程池
缺點
1、不保證一致性。
2、代碼複雜度增大(每個value都要維護一個timekey)。
3、佔用一定的內存空間(每個value都要維護一個timekey)。
四、不過期(本文)
優點
1、hystrix技術成熟，有效保證後端。
2、hystrix監控強大。
缺點
1、部分訪問存在降級策略。
15.4.2 總結
熱點key + 過期時間 + 複雜的構建緩存過程 => mutex key問題
構建緩存一個線程做就可以了。
四種解決方案：沒有最佳只有最合適。
15.5 緩存預熱
緩存預熱就是系統上線後，將相關的緩存數據直接加載到緩存系統。這樣就可以避免在用戶請求的時候， 先查詢數據庫，然後再將數據緩存的問題！用戶直接查詢事先被預熱的緩存數據！
15.6 緩存更新
緩存更新除了緩存服務器自帶的緩存失效策略之外（Redis 默認的有 6 種策略可供選擇），我們還可以根據具體的業務需求進行自定義的緩存淘汰，常見的策略有兩種：
- 定時去清理過期的緩存；
- 當有用戶請求過來時，再判斷這個請求所用到的緩存是否過期，過期的話就去底層系統得到新數據並更新緩存。
15.7 緩存降級
當訪問量劇增、服務出現問題（如響應時間慢或不響應）或非核心服務影響到核心流程的性能時，仍然需要保證服務還是可用的，即使是有損服務。系統可以根據一些關鍵數據進行自動降級，也可以配置開關實現人工降級。降級的最終目的是保證核心服務可用，即使是有損的。而且有些服務是無法降級的（如加入購物車、結算）。