Redis的缓存问题

pptg大约 5 分钟

1. 缓存问题

Redis因为读写性能更强，往往用来环节数据库的压力，但是如果使用不当也会有很大的隐患

在热点数据上，Redis用来缓存数据库的内容。缓存穿透是指当Redis和数据库中都没有目标数据时，此时的请求会不断尝试查询数据库而无法放入缓存，进而导致数据库性能下降甚至挂掉

解决方案：

接口鉴权：在接口层进行基本的验证，如鉴权、判断请求参数
空值缓存：将未查询到的请求设置为key-null，并设置较短的过期时间
布隆过滤器（BloomFilter）：空值缓存如果存在很多空值的话内存压力还是蛮大的，布隆过滤器解决了这个问题，它其实也是key-null的思想，不过使用多个hash将key映射到bitmap中，极大减小了空间的占用

布隆过滤器由一系列Hash函数、一个固定大小的二进制向量或位图构成，支持 增加、查询，但在 不可删除。上图是一个长度为10的位数组，他的增、查、删过程如下：

增加：baidu.com经过3个不同的Hash函数计算，分别映射到了2、5、7上；同时，google.com映射到了2、6、9上
查询：存在一定的误差，同样的输入经过Hash的计算后，如果对应的位上都为1则判定为存在；否则判定为不存在，因为可能有的位置被其他的key填充为1了，但所有位置都被填充的概率较低。所以对于查询的结果，不存在是可信的，存在是有一定误差的
删除：当两个key的映射存在相同的位时，此时如果删除其中一个key，将导致另外一个key也会不存在

缓存击穿指缓存中没有数据，但数据库中有数据（比如说缓存过期了），这时如果大规模的请求同时涌入，将导致数据进入缓存之前就有大量的数据库请求。

解决方案主要有防止数据过期、限制SQL查询两种策略：

缓存雪崩指缓存大批量同时到过期时间，导致数据库查询数据量巨大

解决方案：

缓存污染是指大量低频访问的缓存数据存活，消耗内存空间，如果内存临近限定值，则会触发Redis的淘汰策略，影响Redis性能。

Redis中存在8中缓存淘汰策略：

不淘汰
- noeviction：新写入的数据直接返回错误
Expire数据参与淘汰
- 随机：volatile-random，随机删除
- ttl：volatile-ttl，越早过期的数据随机的权重越大
- lru：volatile-lru，随机选取一个N大小的候选集，在候选集中删除最久未被使用的数据
- lfu：volatile-lfu，随机选取一个N大小的候选集，在候选集中删除访问次数最小的数据，但lfu只有8bit大小，最多记录到255次，如果N中很多数据都到了255，此时则退化为lru
全部数据参与淘汰
- 随机：allkeys-random，随机删除
- lru：allkeys-lru，随机选取一个N大小的候选集，在候选集中删除最久未被使用的数据
- lfu：allkeys-lfu，随机选取一个N大小的候选集，在候选集中删除访问次数最小的数据，但lfu只有8bit大小，最多记录到255次，如果N中很多数据都到了255，此时则退化为lru