本文主要是介绍缓存 | Redis 缓存避坑指南，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

作者：马功伟 青云科技软件开发工程师

目前从事青云数据库管理平台开发工作，一直从事 Server 端开发工作。

高并发业务场景下，常使用缓存技术缓解数据库压力，可极大的提升用户体验和系统稳定性。由于 Redis 自身的诸多特性，很适合用来做缓存。下面是一个常见的缓存查询流程。

虽然缓存带来了较多数据库使用性能方面的提升，也会带来一些缓存使用问题。

本文将为大家介绍并区分 缓存穿透，缓存击穿，缓存雪崩 三个常见缓存问题，并针对不同问题提供相应解决思路。

| 缓存击穿

查询请求下发后，缓存层中没有查询内容，数据库中有。在高并发场景下，某热点 Key 突然失效，所有请求都打到数据库上，导致数据库压力过大。

解决思路

永不失效

这里分两种情况：

• 对缓存数据的 Redis Key 不设置过期时间，在数据库写入后进行刷新缓存；
• 另起异步任务在 Redis Key 将要过期的时候来更新缓存。

使用互斥锁

业界常使用 mutex 。简单说，就是只允许一个线程重建缓存，其他线程等待重建缓存完成，再从缓存获取数据即可。

| 缓存穿透

查询下发后，缓存层和数据库层都没有数据的情况。由于存储层查不到，导致无数据缓存。不存在的数据请求每次都要到存储层去查询，在高并发场景下，导致数据库压力过大。

解决思路

缓存空值

对于缓存中没有并在数据库中查询不到的数据，可以缓存空值，并设置较短的有效期。

接口层进行校验

类似 ID=-1 这样的请求，可以在接口层增加参数和发性校验，对于校验不通过的请求直接 Return。

通过 IP 限流

对单一 IP 进行限流，比如 10 次/ 2 秒。虚拟货币交易所使用该解决方案。

布隆过滤器

当要查询一个数据时，使用 K 个哈希函数对元素值进行 K 次计算，得到 K 个哈希值，根据得到的哈希值，检查对应的 K 个比特值。

| 缓存雪崩

高并发场景下，同一时间大面积的缓存失效，所有的请求打到数据库上，导致数据库压力过大。与缓存击穿不同的是，缓存击穿是并发查询同一条数据，缓存雪崩是大量的缓存失效。

解决思路

随机生成 Redis Key 的过期时间

在写入缓存时随机生成 Key 的过期时间，比如随机在 1-10 之间生成秒数。

加锁排队

与缓存击穿解决思路一致。

缓存预热

系统上线时将相关数据写入缓存，这样可以避免在系统上线初期的高并发访问。

永不失效

和缓存击穿解决思路一致。

对于加锁排队方案可以减轻数据库压力，但是会降低吞吐量，分布式系统中，还要考虑分布式锁的问题，并且在高并发情况下，可能会导致用户等待超时，对系统并发能力并没有显著作用。

总结

对以上提及的解决思路，也存在如下一些缺点。

故针对不同的业务系统，需要根据不同的业务场景具体分析，对症下药。

关于 RadonDB

RadonDB开源社区 是一个面向云原生、容器化的数据库开源社区。为数据库技术爱好者提供围绕主流开源数据库（MySQL、PostgreSQL、Redis、MongoDB、ClickHouse 等）的技术分享平台，并提供企业级 RadonDB 开源产品及服务。

目前 RadonDB 开源数据库系列产品已被 光大银行、浦发硅谷银行、哈密银行、泰康保险、太平保险、安盛保险、阳光保险、百年人寿、安吉物流、安畅物流、蓝月亮、天财商龙、罗克佳华、升哲科技、无锡汇跑体育、北京电信、江苏交通控股、四川航空、昆明航空、国控生物 等上千家企业及社区用户采用。

RadonDB 可基于云平台与 Kubernetes 容器平台交付，不仅提供覆盖多场景的数据库产品解决方案，而且提供专业的集群管理和自动化运维能力，主要功能特性包括：高可用主从切换、数据强一致性、读写分离、一键安装部署、多维指标监控&告警、弹性扩容&缩容、横向自由扩展、自动备份&恢复、同城多活、异地灾备 等。RadonDB 仅需企业及社区用户专注于业务层逻辑开发，无需关注集群高可用选型、管理和运维等复杂问题，帮助企业及社区用户大幅度提升业务开发与价值创新的效率！

GitHub:https://github.com/radondb

微信群： 请搜索添加群助手微信号 radondb

这篇关于缓存 | Redis 缓存避坑指南的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！