【黑马程序员】Redis学习笔记005:企业级解决方案
【⿊马程序员】Redis学习笔记005：企业级解决⽅案
005：企业级解决⽅案
⼀、缓存预热
在⾼请求之前，做好⼀系列措施，保证⼤量⽤户数量点击造成灾难。
1. 请求数量较⾼
2. 主从之间数据吞吐量较⼤，数据同步操作频度较⾼
缓存预热解决⽅案
前置准备⼯作：
1. ⽇常例⾏统计数据访问记录，统计访问频度较⾼的热点数据
2. 利⽤LRU数据删除策略，构建数据留存队列
例如：storm与kafka配合
准备⼯作：
1. 将统计结果中的数据分类，根据级别，redis优先加载级别较⾼的热点数据
2. 利⽤分布式多服务器同时进⾏数据读取，提速数据加载过程
实施：
1. 使⽤脚本程序固定出⼤数据预热过程
2. 如果条件允许，使⽤CDN（内容分发⽹络），效果会更好
缓存预热总结：
缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在⽤户请求的时候，先查询数据库，然后再将数据缓存的问题！⽤户直接查询事先被预热的缓存数据!
⼆、缓存雪崩
数据库服务器崩溃（1）
1. 系统平稳运⾏过程中，忽然数据库连接量激增
2. 应⽤服务器⽆法及时请求
3. ⼤量408，500错误页⾯出现
4. 客户反复刷新页⾯获取数据
5. 数据库崩溃
6. 应⽤服务器崩溃
7. 重启应⽤服务器⽆效
8. Redis服务器崩溃
9. Redis集崩溃
10. 重启数据之后再次被瞬间流量放倒
问题排查
1. 在⼀个较短的时间内，缓存中较多的key集中过期
2. 此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
3. 数据库同时接受到⼤量的请求⽆法即时处理
4. Redis⼤量请求被积压，开始出现超时现象
5. 数据库流量激增，数据库崩溃
6. 重启后任然⾯对缓存中⽆数据可⽤
7. Redis服务器资源被严重占⽤，Redis服务器崩溃
8. Redis集呈现崩塌，集⽡解
9. 应⽤服务器⽆法即时得到数据响应请求，来⾃客户端的请求数量越来越多，应⽤服务器崩溃
10. 应⽤服务器，redis，数据库全部重启，效果不理想
问题分析
短时间范围内
⼤量key集中过期
解决⽅案（道）
1. 更多的页⾯静态化处理
2. 构建多级缓存架构
Nginx缓存+redis缓存+ehcache缓存
3. 检测Mysql严重耗时业务进⾏优化
对数据库的瓶颈排查：例如超时查询、耗时较⾼事务等
4. 灾难预警机制
监控redis服务器性能指标
1、CPU占⽤、CPU使⽤率
2、内存容量
3、查询平均响应时间
4、线程数
5. 限流、降级
短时间范围内习⽣⼀些客户体验，限制⼀部分请求访问，降低应⽤服务器压⼒，待业务低速运转后再逐渐放开访问
解决⽅案（术）
1. LRU与LFU切换
2. 数据有效期策略调整
根据业务数据有效期进⾏分类错峰，A类90分钟，B类80分钟，C类70分钟
过期时间使⽤固定形式+随机值的形式，稀释集中到期的key的数量
3. 超热数据使⽤永久key
4. 定期维护（⾃动+⼈⼯）
对即将过期数据做访问量分析，确认是否演⽰，配合访问量统计，做热点数据的延时
5. 加锁 慎⽤
总结
缓存雪崩式瞬间过期数量太⼤，导致对数据库服务器造成压⼒。如果能有效避免过期时间集中，可以有效解决雪崩现象的出现（约40%）。配合其他策略⼀起使⽤，并监控服务器的运⾏数据，根据运⾏巨⿅做快速调整
三、缓存击穿
数据库服务器崩溃（2）
1. 系统平稳运⾏过程中
未受信任的企业级开发者怎么解决2. 数据库连接量瞬间激增
3. Redis服务器⽆⼤量key过期
4. Redis内存平稳，⽆波动
5. Redis服务器CPU正常
6. 数据库崩溃
问题排查
1. Redis中某个key过期，该key访问量巨⼤
2. 多个数据请求从服务器直接压到Redis后，均为命中
3. Redis在短时间内发起了⼤量对数据库中同⼀个数据的访问问题分析
单个key⾼热数据
key过期
解决⽅案（术）
以电商为例，每个商家根据店铺等级，指定若⼲款主打商品，在购物节期间，加⼤此类信息key的过期时常
注意：购物节不仅仅指当天，以及后续若⼲天，访问峰值呈现逐渐降低趋势
2. 现场调整
监控访问量，对⾃然流量激增的数据延长过期时间或设置为永久性key
3. 后台刷新数据
启动定时任务，⾼峰期来临之前，刷新数据有效期，保存不丢失
4. ⼆级缓存
设置不同的失效时间，保障不会被同时淘汰就⾏
5. 加锁
分布式锁，防⽌被击穿，但是要注意也是性能瓶颈，慎重
总结：
缓存击穿就是单个⾼热数据过期的瞬间，数据访问较⼤，未命中redis后，发起了⼤量对同⼀数据的数据库访问，导致对数据库服务器造成压⼒。应对策略应该在业务数据分析与预防⽅⾯进⾏，配合运⾏监控测试与即时调整策略，毕竟单个key的过期监控难度较⾼，配合雪崩处理策略即可
四、缓存穿透
数据库服务器崩溃（3）
1. 系统平稳运⾏过程中
2. 应⽤服务器流量随时间增量较⼤
3. Redis服务器命中率随时间逐步降低
4. Redis内存平稳，内存⽆压⼒
5. Redis服务器CPU占⽤激增
6. 数据库服务器压⼒激增
7. 数据库崩溃
问题排查
1. redis中⼤⾯积出现未命中
2. 出现⾮正常URL访问
问题分析
获取的数据在数据库中也不存在，数据库查询未得到对应数据
Redis获取到null数据未进⾏持久化，直接返回
下次此类数据到达重复上述过程
出现⿊客攻击服务器
解决⽅法（术）
对查询结果为null的数据进⾏缓存（长期使⽤，定期清理），设定短时限，例如30-60秒，最⾼五分钟
2. ⽩名单策略
提前预热各种分类数据id对应的bitmaps,id作为bitmaps的offset，相当于设置了数据⽩名单。当加载正常数据后放型，加载异常数据时直接拦截（效率偏低）
使⽤布隆过滤器（有关布隆过滤器的命中问题对当前状态可以忽略）
3. 实时监控
试试监控redis命中率（业务正常范围时，通常回有⼀个波动值）与null数据的占⽐
⾮活动时间波动：通常检测3-5倍，超过5倍纳⼊重点排查对象
活动时间波动：通常检测10-50倍，超过50倍纳⼊重点排查对象
根据背书不同，启动不同的排查流程。然后使⽤⿊名单进⾏防控（运营）
4. key加密
问题出现后，临时启动防灾业务key，对key进⾏业务层传输加密服务，设定校验程序，过来的key校验
例如每天随机分配60个加密串，挑选2-3个，混淆到页⾯数据id中，发现访问key不满⾜规则，驳回数据访问
总结
缓存穿透是访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致对数据库服务器造成压⼒。通常此类数据的出现量是⼀个较低的值，当出现此类情况以毒攻毒，并即时报警。应对策略应该在临时预案防范⽅⾯多做⽂章
⽆论是⿊名单还是⽩名单，都是对整体系统的压⼒，警报解除后尽快移除
四、性能指标监控
性能指标
性能指标：Performance
内存指标：Memory
基本活动指标：Basic activity

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。