别让HR再质问我:我费劲招的人,你用缓存问废了,不能简单点?

微信扫一扫,分享到朋友圈

别让HR再质问我:我费劲招的人,你用缓存问废了,不能简单点?

概念

缓存穿透

在高并发下,查询一个不存在的值时,缓存不会被命中,导致大量请求直接落到数据库上,如活动系统里面查询一个不存在的活动。

缓存击穿

在高并发下,对一个特定的值进行查询,但是这个时候缓存正好过期了,缓存没有命中,导致大量请求直接落到数据库上,如活动系统里面查询活动信息,但是在活动进行过程中活动缓存突然过期了。

缓存雪崩

在高并发下,大量的缓存key在同一时间失效,导致大量的请求落到数据库上,如活动系统里面同时进行着非常多的活动,但是在某个时间点所有的活动缓存全部过期。

常见解决方案

  • 直接缓存NULL值
  • 限流
  • 缓存预热
  • 分级缓存
  • 缓存永远不过期

layering-cache实践

在layering-cache里面结合了缓存NULL值,缓存预热,限流、分级缓存和间接的实现”永不过期”等几种方案来应对缓存穿透、击穿和雪崩问题。

直接缓存NULL值

应对缓存穿透最有效的方法是直接缓存NULL值,但是缓存NULL的时间不能太长,否则NULL数据长时间得不到更新,也不能太短,否则达不到防止缓存击穿的效果。

我在layering-cache对NULL值进行了特殊处理,一级缓存不允许存NULL值,二级缓存可以配置缓存是否允许存NULL值,如果配置可以允许存NULL值,框架还支持配置缓存非空值和NULL值之间的过期时间倍率,这使得我们能精准的控制每一个缓存的NULL值过期时间,控制粒度非常细。当NULL缓存过期我还可以使用限流,缓存预热等手段来防止穿透。

示例:

@Cacheable(value = "people", key = "#person.id", depict = "用户信息缓存",        firstCache = @FirstCache(expireTime = 10, timeUnit = TimeUnit.MINUTES),        secondaryCache = @SecondaryCache(expireTime = 10, timeUnit = TimeUnit.HOURS,                isAllowNullValue = true, magnification = 10))public Person findOne(Person person) {    Person p = personRepository.findOne(Example.of(person));    logger.info("为id、key为:" + p.getId() + "数据做了缓存");    return p;}

在这个例子里面isAllowNullValue = true表示允许缓存NULL值,magnification = 10表示NULL值和非NULL值之间的时间倍率是10,也就是说当缓存值为NULL时,二级缓存的有效时间将是1个小时。

限流

应对缓存穿透的常用方法之一是限流,常见的限流算法有滑动窗口,令牌桶算法和漏桶算法,或者直接使用队列、加锁等,在layering-cache里面我主要使用分布式锁来做限流。

layering-cache数据读取流程:

下面是读取数据的核心代码:

private <T> T executeCacheMethod(RedisCacheKey redisCacheKey, Callable<T> valueLoader) {    Lock redisLock = new Lock(redisTemplate, redisCacheKey.getKey() + "_sync_lock");    // 同一个线程循环20次查询缓存,每次等待20毫秒,如果还是没有数据直接去执行被缓存的方法    for (int i = 0; i < RETRY_COUNT; i++) {        try {            // 先取缓存,如果有直接返回,没有再去做拿锁操作            Object result = redisTemplate.opsForValue().get(redisCacheKey.getKey());            if (result != null) {                logger.debug("redis缓存 key= {} 获取到锁后查询查询缓存命中,不需要执行被缓存的方法", redisCacheKey.getKey());                return (T) fromStoreValue(result);            }            // 获取分布式锁去后台查询数据            if (redisLock.lock()) {                T t = loaderAndPutValue(redisCacheKey, valueLoader, true);                logger.debug("redis缓存 key= {} 从数据库获取数据完毕,唤醒所有等待线程", redisCacheKey.getKey());                // 唤醒线程                container.signalAll(redisCacheKey.getKey());                return t;            }            // 线程等待            logger.debug("redis缓存 key= {} 从数据库获取数据未获取到锁,进入等待状态,等待{}毫秒", redisCacheKey.getKey(), WAIT_TIME);            container.await(redisCacheKey.getKey(), WAIT_TIME);        } catch (Exception e) {            container.signalAll(redisCacheKey.getKey());            throw new LoaderCacheValueException(redisCacheKey.getKey(), e);        } finally {            redisLock.unlock();        }    }    logger.debug("redis缓存 key={} 等待{}次,共{}毫秒,任未获取到缓存,直接去执行被缓存的方法", redisCacheKey.getKey(), RETRY_COUNT, RETRY_COUNT * WAIT_TIME, WAIT_TIME);    return loaderAndPutValue(redisCacheKey, valueLoader, true);}

当需要加载缓存的时候,需要获取到锁才有权限到后台去加载缓存数据,否则就会等待( 同一个线程循环20次查询缓存,每次等待20毫秒,如果还是没有数据直接去执行被缓存的方法,这个主要是为了防止获取到锁并且去加载缓存的线程出问题,没有返回而导致死锁 )。当获取到锁的线程执行完成会将获取到的数据放到缓存中,并且唤醒所有等待线程。

这里需要注意一下让线程等待一定不能用Thread.sleep(),我在使用Spring Redis Cache的时候,我发现当并发达到300左右,缓存一旦过期就会引起死锁,原因是使用的是sleep方法来让没有获取到锁的线程等待,当等待的线程很多的时候会产生大量上下文切换,导致获取到锁的线程一直获取不到cpu的执行权,导致死锁。在layering-cache里面,我们使用的是LockSupport.parkNanos方法,它会释放cpu资源, 因为我们使用的是redis分布式锁,所以也不能使用wait-notify机制。

缓存预热

有效应对缓存的击穿和雪崩的方式之一是缓存预加载。

@Cacheable(value = "people", key = "#person.id", depict = "用户信息缓存",        firstCache = @FirstCache(expireTime = 10, timeUnit = TimeUnit.MINUTES),        secondaryCache = @SecondaryCache(expireTime = 10, preloadTime = 2,timeUnit = TimeUnit.HOURS,))public Person findOne(Person person) {    Person p = personRepository.findOne(Example.of(person));    logger.info("为id、key为:" + p.getId() + "数据做了缓存");    return p;}

在 layering-cache里面二级缓存会配置两个时间,expireTime是缓存的过期时间,preloadTime 是缓存的刷新时间(预加载时间)。每次二级缓存被命中都会去检查缓存的过去时间是否小于刷新时间,如果小于就会开启一个异步线程预先去更新缓存,并将新的值放到缓存中,有效的保证了热点数据**”永不过期”**。这里预先更新缓存也是需要加锁的,并不是所有的线程都会落到库上刷新缓存,如果没有获取到锁就直接结束当前线程。

/** * 刷新缓存数据 */private <T> void refreshCache(RedisCacheKey redisCacheKey, Callable<T> valueLoader, Object result) {    Long ttl = redisTemplate.getExpire(redisCacheKey.getKey());    Long preload = preloadTime;    // 允许缓存NULL值,则自动刷新时间也要除以倍数    boolean flag = isAllowNullValues() && (result instanceof NullValue || result == null);    if (flag) {        preload = preload / getMagnification();    }    if (null != ttl && ttl > 0 && TimeUnit.SECONDS.toMillis(ttl) <= preload) {        // 判断是否需要强制刷新在开启刷新线程        if (!getForceRefresh()) {            logger.debug("redis缓存 key={} 软刷新缓存模式", redisCacheKey.getKey());            softRefresh(redisCacheKey);        } else {            logger.debug("redis缓存 key={} 强刷新缓存模式", redisCacheKey.getKey());            forceRefresh(redisCacheKey, valueLoader);        }    }
/** * 硬刷新(执行被缓存的方法) * * @param redisCacheKey {@link RedisCacheKey} * @param valueLoader   数据加载器 */private <T> void forceRefresh(RedisCacheKey redisCacheKey, Callable<T> valueLoader) {    // 尽量少的去开启线程,因为线程池是有限的    ThreadTaskUtils.run(() -> {        // 加一个分布式锁,只放一个请求去刷新缓存        Lock redisLock = new Lock(redisTemplate, redisCacheKey.getKey() + "_lock");        try {            if (redisLock.lock()) {                // 获取锁之后再判断一下过期时间,看是否需要加载数据                Long ttl = redisTemplate.getExpire(redisCacheKey.getKey());                if (null != ttl && ttl > 0 && TimeUnit.SECONDS.toMillis(ttl) <= preloadTime) {                    // 加载数据并放到缓存                    loaderAndPutValue(redisCacheKey, valueLoader, false);                }            }        } catch (Exception e) {            logger.error(e.getMessage(), e);        } finally {            redisLock.unlock();        }    });}

在缓存总量和并发量都很大的时候,这个时候缓存如果同时失效,缓存预热将是一个非常漫长的过程,就比如说服务重启或新上线一个新的缓存。这个时候我们可以采用切流的方式,让缓存慢慢预热,如开始切10%流量,观察没有异常后,再切30%流量,观察没有异常后,再切60%流量,然后全量。这种方式虽然有点繁琐,但是一旦遇到异常我们可以快速的切回流量,让风险可控。

总结

总体来说layering-cache在缓存穿透、击穿和雪崩上是以预防为主,补救为辅。而在应对缓存的这些问题上其实也没有一个完全完美的方案,只有最适合自己业务系统的方案。目前如果直接使用layering-cache缓存框架已经基本能应对大部分的缓存问题了。

这是关于缓存的问题,但是相信每一个程序员都清楚,当你在面试的过程中,只要涉及到缓存了,必定和一个技术脱不开关系,对,就是Redis,

关于Redis我之前整理过一篇文章: 第一次见到这么齐全的redis知识图谱,老大再也不用担心我的技术

有兴趣的老铁,可以看一下

而对于Redis的学习感兴趣的老铁,或者今天的文章没怎么看明白的老铁,没关系,等更新太慢了,视频+文档资料来了,需要这份资料的,关注+转发,私信“资料”即可

redis学习面试集锦

zookeeper解决方案

关注公众号:Java架构师联盟,后台回复思否即可

Python连接HDFS实现文件上传下载及Pandas转换文本文件到CSV操作

上一篇

了解Java中的注解

下一篇

你也可能喜欢

别让HR再质问我:我费劲招的人,你用缓存问废了,不能简单点?

长按储存图像,分享给朋友