。

缓存穿透将导致不存在的数据每次请求都要到存储层去查询#xff0c;

缓存穿透

如果从存储层查不到数据则不写入缓存层。

缓存穿透将导致不存在的数据每次请求都要到存储层去查询

一些恶意攻击、

(StringUtils.isBlank(cacheValue))

从存储中获取

对于恶意攻击向服务器请求大量不存在的数据造成的缓存穿透还可以用布隆过滤器先做一次过滤对于不存在的数据布隆过滤器一般都能够过滤掉不让请求再往后端发送。

当布隆过滤器说某个值存在时这个值可能不存在当它说不存在时那就肯定不存在

hash

算得一个整数索引值然后对位数组长度进行取模运算得到一个位置每个

hash

存在所致。

如果这个位数组比较稀疏这个概率就会很大如果这个位数组比较拥挤这个概率就会降低。

这种方法适用于数据命中不高、

由于大批量缓存在同一时间失效可能导致大量请求同时穿透缓存直达数据库可能会造成数据库瞬间压力过大甚至挂掉对于这种情况我们在批量增加缓存时最好将这一批数据的缓存过期时间设置为一个时间段内的不同时间

String

(StringUtils.isBlank(cacheValue))

从存储中获取

但是如果缓存层由于某些原因不能提供服务(比如超大并发过来缓存层支撑不住或者由于缓存设计不好类似大量请求访问bigkey导致缓存能支撑的并发急剧下降)

预防和解决缓存雪崩问题

依赖隔离组件为后端限流熔断并降级。

比如使用Sentinel或Hystrix限流降级组件。

比如服务降级我们可以针对不同的数据采取不同的处理方式。

当业务应用访问的是非核心数据例如电商商品属性用户信息等时暂时停止从缓存中查询这些数据而是直接返回预定义的默认降级信息、空值或是错误提示信息当业务应用访问的是核心数据例如电商商品库存时仍然允许查询缓存如果缓存缺失

在项目上线前

当前key是一个热点key例如一个热门的娱乐新闻并发量非常大。

重建缓存不能在短时间完成

要解决这个问题主要就是要避免大量线程同时重建缓存。

我们可以利用互斥锁来解决此方法只允许一个线程重建缓存

String

1、对于并发几率很小的数据(如个人维度的订单数据、用户数据等)这种几乎不用考虑这个问题很少会发生

缓存不一致可以给缓存数据加上过期时间每隔一段时间触发读的主动更新即可。

2、就算并发很高如果业务上能容忍短时间的缓存数据不一致(如商品名称商品分类菜单等)缓存加上过期

3、如果不能容忍缓存数据不一致可以通过加分布式读写锁保证并发读写或写写的时候按顺序排好队读读的时候相当于无锁。

4、也可以用阿里开源的canal通过监听数据库的binlog日志及时的去修改缓存但是引入了新的中间件增加了系统的复杂度

以上我们针对的都是读多写少的情况加入缓存提高性能如果写多读多的情况又不能容忍缓存数据不一致那就没必要加缓存了可以直接操作数据库。

当然如果数据库抗不住压力还可以把缓存作为数据读写的主存储异步将数据同步到数据库数据库只是作为数据的备份。

放入缓存的数据应该是对实时性、一致性要求不是很高的数据。

切记不要为了用缓存同时又要保证绝对的一致性做大量的过度设计和控制增加系统复杂性