面试笔记——Redis（缓存击穿、缓存雪崩）

缓存击穿

缓存击穿（Cache Breakdown）： 当某个缓存键的缓存失效时（如，过期时间），同时有大量的请求到达，并且这些请求都需要获取相同的数据，这些请求会同时绕过缓存系统，直接访问数据库。由于在缓存失效的瞬间，数据库可能会承受大量的请求压力，导致响应时间增加，甚至可能导致系统崩溃。

造成缓存击穿的原因可能包括：

1. 热点数据：某些特定的数据在短时间内被大量请求访问，导致缓存失效。
2. 缓存失效策略不当：缓存系统的失效策略可能不够灵活或者不合理，导致某些数据的缓存过期时间设置过短，容易触发缓存击穿。
3. 并发请求过多：系统同时接收到大量的并发请求，导致缓存失效的同时大量的请求同时访问相同的数据。

为了避免缓存击穿的问题，可以采取以下策略：

1. 使用互斥锁：可以使用互斥锁或者分布式锁等机制，确保只有一个请求能够查询数据库，其他请求等待查询结果返回。
2. 逻辑过期：在缓存数据失效之前，通过一些逻辑手段来判断是否需要更新缓存数据，从而避免大量请求同时访问数据库。

方案一——互斥锁：
流程：

1. 请求到达时的缓存查询：

   • 当有请求到达时，首先检查缓存中是否存在对应的数据。
   • 如果缓存中存在数据，直接返回数据给客户端。
   • 如果缓存中不存在数据，则进入下一步处理。

2. 获取互斥锁：

   • 当缓存中不存在数据时，先尝试获取一个互斥锁。
   • 如果成功获取到互斥锁，则继续下一步处理；如果获取失败（即有其他请求已经获取了锁），则等待一段时间后重试或者直接返回错误信息给客户端。

3. 查询数据库：

   • 获取到互斥锁后，再次检查缓存中是否存在数据，因为在等待获取锁的过程中，可能有其他请求已经查询到了数据并放入缓存中。
   • 如果缓存中存在数据，释放互斥锁，然后直接返回数据给客户端。
   • 如果缓存中仍然不存在数据，则查询数据库获取数据。

4. 更新缓存：

   • 获取到数据后，将数据存入缓存中。
   • 设置合适的缓存过期时间。
   • 释放互斥锁。

5. 返回数据：

   • 将查询到的数据返回给客户端。

过程如图：

特点： 强一致，性能差。

方案二——逻辑过期
逻辑过期是指在缓存数据失效之前，通过一些逻辑手段来判断是否需要更新缓存数据，从而避免大量请求同时访问数据库。
实现步骤：

1. 设置逻辑过期时间：为缓存数据设置两个过期时间，一个是实际的物理过期时间，另一个是逻辑过期时间。逻辑过期时间比物理过期时间要早一些，通常在物理过期时间的一小段时间内。

2. 请求到达时的逻辑判断：当有请求到达时，首先查询缓存数据是否过期(是否到达逻辑过期时间)。如果缓存数据已经过期，进入下一步逻辑判断；如果缓存数据未过期，则直接返回缓存数据。

3. 逻辑判断：在缓存数据过期后，不立即去底层存储系统查询新数据，而是通过一些逻辑手段来判断是否需要更新缓存数据。例如，可以使用分布式锁来确保只有一个线程能够去查询底层存储系统，其他线程等待查询结果返回；或者可以先返回旧数据，并且在后台异步更新缓存数据。

4. 更新缓存数据：如果经过逻辑判断确定需要更新缓存数据，那么就去底层存储系统查询新数据，并将新数据存入缓存中。然后，更新逻辑过期时间，同时更新物理过期时间。

流程如图：在该例子中，线程1发现数据的逻辑时间过期后，申请获取互斥锁，在申请成功后，重新创建一个线程——线程2用于更新缓存数据，但线程1不必等到线程2执行结束后再继续执行，而是获取缓存中的旧数据（没有到达物理过期时间，因此还可以获取该数据）继续执行；线程3运行时，也发现数据的逻辑时间已过期，但此时线程1已拿到了互斥锁，因此，线程3也是通过获取缓存中的旧数据继续执行；线程4运行时，线程2已经完成了数据更新，因此线程4拿到的是刚从数据库加载的新数据。

特点： 高可用，性能优。

缓存雪崩

缓存雪崩是指在使用缓存系统时，大量的缓存数据在同一时间段内失效或者Redis服务宕机，导致大量的请求同时涌入数据库进行查询，从而给底层存储系统造成短时间内的巨大压力，甚至导致系统崩溃的现象。

缓存雪崩发生情况如下：

1. 大规模缓存失效：当缓存中的大量数据同时过期或者失效时，例如缓存系统因为某种原因（如重启、内存溢出、网络故障等）而导致所有缓存数据失效。

2. 相同的过期时间：当缓存中的数据设置了相同的过期时间，并且这些数据又在同一时间段内失效时，可能会导致大量请求同时涌入底层存储系统。

3. 并发访问高峰期：当系统处于高并发访问的时候，例如热门活动、促销活动、秒杀活动等，大量的请求同时访问相同的缓存数据，可能会导致缓存数据同时失效。

避免缓存雪崩的策略：

1. 设置随机过期时间：避免所有缓存数据同时过期，可以在缓存数据的过期时间上增加一些随机性，使得缓存数据的过期时间分布在一个时间段内。

2. 利用Redis集群提高服务的可用性：可以提高服务的可用性，并在一定程度上减轻缓存雪崩的影响，如哨兵模式（Sentinel）、集群模式（Cluster）。

3. 给缓存业务添加降级限流策略：通过合理配置降级限流策略，可以在缓存系统出现异常或者压力过大时，及时采取措施来保护系统的稳定性和可用性，如Nginx、Spring Cloud Gateway。此策略可以作为系统的保底策略，适用于穿透、击穿和雪崩。

4. 使用多级缓存：可以使用多级缓存架构，例如将热点数据放在内存缓存中，将冷数据放在分布式缓存或者数据库中，以减轻缓存失效带来的影响，如Caffeine、Guava。

---

相关补充

哨兵模式（Sentinel）： 主要作用是监控 Redis 实例的健康状态，当主节点出现故障或不可用时，自动完成故障转移，并选择一个合适的从节点升级为新的主节点，以保证 Redis 服务的可用性，是Redis提供的一种高可用性解决方案。

工作原理：

1. 哨兵节点部署：首先，需要在 Redis 集群中部署多个哨兵节点，这些哨兵节点相互独立，互相监控，并且可以通过相互通信来实现协作工作。

2. 监控 Redis 实例状态：每个哨兵节点定期向 Redis 实例发送心跳检测请求，检测 Redis 实例的健康状态，包括主节点和所有从节点的连接状态、复制状态等。

3. 故障检测与选举：当一个哨兵节点检测到主节点失效时，它会将主节点标记为下线状态，并向其他哨兵节点发送通知。其他哨兵节点收到通知后，也会进行故障检测，并开始进行选举。

4. 选举新的主节点：哨兵节点通过一种基于投票的选举机制，选举一个合适的从节点升级为新的主节点。每个哨兵节点都可以发起投票，并且会向其他哨兵节点发送投票请求，收到最多选票的从节点将会被选举为新的主节点。

5. 故障转移：选举完成后，哨兵节点会将新的主节点信息广播给所有客户端，并通知其他哨兵节点更新配置信息。客户端收到通知后，会重新连接到新的主节点，从而完成故障转移。

6. 监控与恢复：新的主节点上线后，所有哨兵节点会持续监控 Redis 实例的运行状态，并定期发送心跳检测请求。如果发现新的主节点出现问题或者失效，哨兵节点会再次进行故障检测和选举，以保证 Redis 集群的持续可用。

集群模式（Cluster）： 是一种用于提供高可用性和横向扩展的Redis分布式部署方案。在Redis集群模式中，数据被分片（sharding）并存储在多个节点上，同时提供故障检测、自动故障转移、数据重分配等功能，通过分片和节点间的协作，从而允许存储和处理大量数据，因此该模式可以提供高性能、高可用性和横向扩展的特性，适用于处理大规模数据和高并发访问的场景。

相关概念及工作原理：

1. 分片（Sharding）：

   • Redis Cluster将整个数据集分割成16384个槽（slots）。
   • 每个节点负责管理其中一部分槽的数据，当有新的节点加入集群或节点离开时，槽会被重新分配。

2. 节点间通信：

   • 集群中的每个节点都了解其他节点的信息，并通过集群总线进行通信，用于集群配置的传播、节点间的信息交换等。

3. 故障检测与自动故障转移：

   • 集群使用一种基于 Gossip 协议的去中心化的方式进行节点间的状态信息传播。
   • 每个节点都会定期向集群中的随机节点发送PING消息，以检查对方是否在线。如果一个节点在一段时间内没有回应，则被标记为下线。
   • 当主节点失效时，集群中的从节点会发起投票，选举一个从节点升级为新的主节点。

4. 客户端路由：

   • 客户端在连接Redis Cluster时，需要连接到至少一个集群节点，然后由该节点将请求路由到正确的目标节点。
   • 客户端根据key计算出对应的槽，并将请求发送到负责该槽的节点上。

5. 数据重分配：

   • 当增加或删除节点时，Redis Cluster会重新分配槽，并将数据重新分片到新的节点上。
   • 重分片过程中，集群会负责迁移槽上的数据，确保数据的完整性和一致性。

相关文献可参考：https://www.cnblogs.com/yidengjiagou/p/17345831.html
此时，已经流下了无知的泪~