redis 缓存击穿 看一篇成高手系列 三
什么是緩存擊穿
在談論緩存擊穿之前，我們先來回憶下從緩存中加載數據的邏輯，如下圖所示
因此，如果黑客每次故意查詢一個在緩存內必然不存在的數據，導致每次請求都要去存儲層去查詢，這樣緩存就失去了意義。如果在大流量下數據庫可能掛掉。這就是緩存擊穿。
場景如下圖所示:
我們正常人在登錄首頁的時候，都是根據userID來命中數據，然而黑客的目的是破壞你的系統，黑客可以隨機生成一堆userID,然后將這些請求懟到你的服務器上，這些請求在緩存中不存在，就會穿過緩存，直接懟到數據庫上,從而造成數據庫連接異常。
解決方案
在這里我們給出三套解決方案，大家根據項目中的實際情況，選擇使用.
講下述三種方案前，我們先回憶下redis的setnx方法
SETNX?key?value
將 key 的值設為 value ，當且僅當 key 不存在。
若給定的 key 已經存在，則 SETNX 不做任何動作。
SETNX 是『SET if Not eXists』(如果不存在，則 SET)的簡寫。
可用版本：>= 1.0.0
時間復雜度：?O(1)
返回值：?設置成功，返回 1。設置失敗，返回 0 。
效果如下
redis>?EXISTS?job????????????????# job 不存在
(integer)?0
?
redis>?SETNX?job?"programmer"????# job 設置成功
(integer)?1
?
redis>?SETNX?job?"code-farmer"???# 嘗試覆蓋 job ，失敗
(integer)?0
?
redis>?GET?job???????????????????# 沒有被覆蓋
"programmer"
1、使用互斥鎖
該方法是比較普遍的做法，即，在根據key獲得的value值為空時，先鎖上，再從數據庫加載，加載完畢，釋放鎖。若其他線程發現獲取鎖失敗，則睡眠50ms后重試。
至于鎖的類型，單機環境用并發包的Lock類型就行，集群環境則使用分布式鎖( redis的setnx)
集群環境的redis的代碼如下所示:
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?{??
????????//其他線程休息50毫秒后重試??
????????Thread.sleep(50);??
????????get(key);??
????}??
??}??
}??
優點
思路簡單
保證一致性
缺點
代碼復雜度增大
存在死鎖的風險
2、異步構建緩存
在這種方案下，構建緩存采取異步策略，會從線程池中取線程來異步構建緩存，從而不會讓所有的請求直接懟到數據庫上。該方案redis自己維護一個timeout，當timeout小于System.currentTimeMillis()時，則進行緩存更新，否則直接返回value值。
集群環境的redis代碼如下所示:
String?get(final?String?key)?{??
????????V?v?=?redis.get(key);??
????????String?value?=?v.getValue();??
????????long?timeout?=?v.getTimeout();??
????????if?(v.timeout?<=?System.currentTimeMillis())?{??
????????????// 異步更新后臺異常執行??
????????????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;??
????}
優點
性價最佳，用戶無需等待
缺點
無法保證緩存一致性
3、布隆過濾器
1、原理
布隆過濾器的巨大用處就是，能夠迅速判斷一個元素是否在一個集合中。因此他有如下三個使用場景:
網頁爬蟲對URL的去重，避免爬取相同的URL地址
反垃圾郵件，從數十億個垃圾郵件列表中判斷某郵箱是否垃圾郵箱（同理，垃圾短信）
緩存擊穿，將已存在的緩存放到布隆過濾器中，當黑客訪問不存在的緩存時迅速返回避免緩存及DB掛掉。
OK，接下來我們來談談布隆過濾器的原理
其內部維護一個全為0的bit數組，需要說明的是，布隆過濾器有一個誤判率的概念，誤判率越低，則數組越長，所占空間越大。誤判率越高則數組越小，所占的空間越小。
假設，根據誤判率，我們生成一個10位的bit數組，以及2個hash函數（(f_1,f_2)），如下圖所示(生成的數組的位數和hash函數的數量，我們不用去關心是如何生成的，有數學論文進行過專業的證明)。
假設輸入集合為((N_1,N_2)),經過計算(f_1(N_1))得到的數值得為2，(f_2(N_1))得到的數值為5，則將數組下標為2和下表為5的位置置為1，如下圖所示
同理，經過計算(f_1(N_2))得到的數值得為3，(f_2(N_2))得到的數值為6，則將數組下標為3和下表為6的位置置為1，如下圖所示
這個時候，我們有第三個數(N_3)，我們判斷(N_3)在不在集合((N_1,N_2))中，就進行(f_1(N_3)，f_2(N_3))的計算
若值恰巧都位于上圖的紅色位置中，我們則認為，(N_3)在集合((N_1,N_2))中
若值有一個不位于上圖的紅色位置中，我們則認為，(N_3)不在集合((N_1,N_2))中
以上就是布隆過濾器的計算原理，下面我們進行性能測試，
2、性能測試
代碼如下:
(1)新建一個maven工程，引入guava包
<dependencies>??
????????<dependency>??
????????????<groupId>com.google.guava</groupId>??
????????????<artifactId>guava</artifactId>??
????????????<version>22.0</version>??
????????</dependency>??
????</dependencies>
(2)測試一個元素是否屬于一個百萬元素集合所需耗時
package?bloomfilter;
?
import?com.google.common.hash.BloomFilter;
import?com.google.common.hash.Funnels;
import?java.nio.charset.Charset;
?
public?class?Test?{
????private?static?int?size?=?1000000;
?
????private?static?BloomFilter<Integer>?bloomFilter?=BloomFilter.create(Funnels.integerFunnel(),?size);
?
????public?static?void?main(String[]?args)?{
????????for?(int?i?=?0;?i?<?size;?i++)?{
????????????bloomFilter.put(i);
????????}
????????long?startTime?=?System.nanoTime();?// 獲取開始時間
????????
????????//判斷這一百萬個數中是否包含29999這個數
????????if?(bloomFilter.mightContain(29999))?{
????????????System.out.println("命中了");
????????}
????????long?endTime?=?System.nanoTime();???// 獲取結束時間
?
????????System.out.println("程序運行時間： "?+?(endTime?-?startTime)?+?"納秒");
?
????}
}
輸出如下所示
命中了
程序運行時間：?219386納秒
也就是說，判斷一個數是否屬于一個百萬級別的集合，只要0.219ms就可以完成，性能極佳。
(3)誤判率的一些概念
首先，我們先不對誤判率做顯示的設置，進行一個測試，代碼如下所示
package?bloomfilter;
?
import?java.util.ArrayList;
import?java.util.List;
?
import?com.google.common.hash.BloomFilter;
import?com.google.common.hash.Funnels;
?
public?class?Test?{
????private?static?int?size?=?1000000;
?
????private?static?BloomFilter<Integer>?bloomFilter?=BloomFilter.create(Funnels.integerFunnel(),?size);
?
????public?static?void?main(String[]?args)?{
????????for?(int?i?=?0;?i?<?size;?i++)?{
????????????bloomFilter.put(i);
????????}
????????List<Integer>?list?=?new?ArrayList<Integer>(1000);??
????????
????????//故意取10000個不在過濾器里的值，看看有多少個會被認為在過濾器里
????????for?(int?i?=?size?+?10000;?i?<?size?+?20000;?i++)?{??
????????????if?(bloomFilter.mightContain(i))?{??
????????????????list.add(i);??
????????????}??
????????}??
????????System.out.println("誤判的數量："?+?list.size());
?
????}
}
輸出結果如下
誤判對數量：330
如果上述代碼所示，我們故意取10000個不在過濾器里的值，卻還有330個被認為在過濾器里，這說明了誤判率為0.03.即，在不做任何設置的情況下，默認的誤判率為0.03。
下面上源碼來證明：
接下來我們來看一下，誤判率為0.03時，底層維護的bit數組的長度如下圖所示
將bloomfilter的構造方法改為
private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size,0.01);
即，此時誤判率為0.01。在這種情況下，底層維護的bit數組的長度如下圖所示
由此可見，誤判率越低，則底層維護的數組越長，占用空間越大。因此，誤判率實際取值，根據服務器所能夠承受的負載來決定，不是拍腦袋瞎想的。
3、實際使用
redis偽代碼如下所示
String?get(String?key)?{??
???String?value?=?redis.get(key);??
???if?(value??==?null)?{??
????????if(!bloomfilter.mightContain(key)){
????????????return?null;
????????}else{
???????????value?=?db.get(key);??
???????????redis.set(key,?value);??
????????}
????}
????return?value；
}
優點
思路簡單
保證一致性
性能強
缺點
代碼復雜度增大
需要另外維護一個集合來存放緩存的Key
布隆過濾器不支持刪值操作
?
總結
以上是生活随笔為你收集整理的redis 缓存击穿 看一篇成高手系列 三的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Redis 总结精讲 看一篇成高手系统
- 下一篇： redis 延时任务 看一篇成高手系列