1、快取穿透

先來看一下快取穿透，是指業務請求穿過了快取層，落到持久化存盤上，在大多數場景下，我們應用快取是為了承載前端業務請求，快取被擊穿以后，如果請求量比較大，則會導致資料庫出現風險，

以雙十一為例，由于各類促銷活動的疊加，整體網站的訪問量、商品曝光量會是平時的千倍甚至萬倍，巨大的流量暴漲，單靠資料庫是不能承載的，如果快取不能很好的作業，可能會影響資料庫的穩定性，繼而直接影響整體服務，

那么哪些場景下會發生快取穿透呢？

不合理的快取失效策略

快取失效策略如果設定不合理，比如設定了大量快取在同一時間點失效，那么將導致大量快取資料在同一時刻發生快取穿透，業務請求直接打到持久化存盤層，

外部用戶的惡意攻擊

外部惡意用戶利用不存在的 Key，來構造大批量不存在的資料請求我們的服務，由于快取中并不存在這些資料，因此海量請求全部穿過快取，落在資料庫中，將導致資料庫崩潰，

首先是設定合理的快取失效策略，避免快取資料在同一時間失效，
快取穿透還可以通過快取空資料的方式避免，快取空資料非常好理解，就是針對資料庫不存在的資料，在查詢為空時，添加一個對應 null 的值到快取中，這樣在下次請求時，可以通過快取的結果判斷資料庫中是否存在，避免反復的請求資料庫，不過這種方式，需要考慮空資料的 Key 在新增后的處理，
快取擊穿也是快取應用常見的問題場景，其是一個非常形象的表達，具體表現：前端請求大量的訪問某個熱點 Key，而這個熱點 Key 在某個時刻恰好失效，導致請求全部落到資料庫上，
另外一個方案是使用布隆過濾器，布隆過濾器是應用非常廣泛的一種資料結構，我們熟悉的 Bitmap，可以看作是一種特殊的布隆過濾器，使用布隆過濾器，可在快取前添加一層過濾，布隆過濾器映射到快取，在快取中不存在的資料，會在布隆過濾器這一層攔截，從而保護快取和資料庫的安全，

在任何一組東西中，最重要的只占其中一小部分，約 20%，其余 80% 盡管是多數，卻是次要的，因此又稱二八定律，

二八定律在快取應用中也不能避免，往往是 20% 的快取資料，承擔了 80% 或者更高的請求，剩下 80% 的快取資料，僅僅承擔了 20% 的訪問流量，

由于二八定律的存在，快取擊穿雖然可能只是一小部分資料失效，但這部分資料如果恰好是熱點資料，還是會對系統造成非常大的危險，

快取擊穿和快取穿透都是降低了整體的快取命中率，不過在表現上比較類似，快取擊穿可以認為是快取穿透的一種特殊場景，所以在解決方案上也可以應用上面提到的那幾種手段，

其是快取穿透和快取擊穿升級的一種問題場景，

快取雪崩的表現有兩種，一種是大量的快取資料在同一時刻失效，請求全部轉發到資料庫，將導致資料庫壓力過大，服務宕機；另外一種是快取服務不穩定，比如負責快取的 Redis 集群宕機，

在業務開發中，出現快取雪崩非常危險，可能會直接導致大規模服務不可用，因為快取失效時導致的雪崩，一方面是整體的資料存盤鏈路，另一方面是服務呼叫鏈路，最終導致微服務整體的對外服務出現問題，

我們知道，微服務本身就存在雪崩效應，在電商場景中，如果商品服務不可用，最終可能會導致依賴的訂單服務、購物車服務、用戶瀏覽等級聯出現故障，

你考慮一下，如果商品服務出現快取雪崩，繼而商品服務不可用，關聯的周邊服務都會受影響，

首先是明確快取集群的容量峰值，通過合理的限流和降級，防止大量請求直接拖垮快取；其次是做好快取集群的高可用，以 Redis 為例，可以通過部署 RedisCluster、Proxy 等不同的快取集群，來實作快取集群高可用，

首先明確應用快取的目的，大部分快取都是記憶體資料庫，并且可以支持非常高的 QPS，所以快取應用，可以防止海量業務請求擊垮資料庫，保護正常的服務運行，

其次，在考慮快取的穩定性時，要從兩個方面展開，第一個是快取的資料，第二個是快取容器也就是快取服務本身的穩定性，

從快取資料的層面，有一個快取命中率的概念，是指落到快取上的請求占整體請求總量的占比，快取命中率在電商大促等場景中是一個非常關鍵的指標，我們要盡可能地提高快取資料的命中率，一般要求達到 90% 以上，如果是大促等場景，會要求 99% 以上的命中率，

從快取服務的層面，快取集群本身也是一個服務，也會有集群部署，服務可用率，服務的最大容量等，在應用快取時，要對快取服務進行壓測，明確快取的最大水位，如果當前系統容量超過快取閾值，就要通過其他的高可用手段來進行調整，比如服務限流，請求降級，使用訊息佇列等不同的方式，

所以我們在使用快取的時候，要把這幾個場景都考慮到，做到在使用快取的時候，保持穩定狀態，

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/500674.html

標籤：Java