Redis篇--常见问题篇2--缓存雪崩(过期时间分散,缓存预热,多级缓存)
1、概述
缓存雪崩是指在短时间内,大量的缓存同时失效或过期,导致大量的请求穿透到后端数据库或服务,从而引发系统负载骤增,甚至可能导致系统崩溃。这种情况通常发生在缓存的过期时间设置不合理时,所有缓存的过期时间相同,导致它们在同一时间点失效。
示意图:
2、解决方案
(1)、设置不同的过期时间(推荐)
为每个缓存项设置一个 随机的过期时间,而不是统一的过期时间。这样可以避免所有缓存项在同一时间点失效,分散了缓存失效的时间窗口,减少了对数据库的压力。
示例:
// 设置随机化的 TTL
int baseTtl = 60; // 基础 TTL 为 60 秒
int randomOffset = new Random().nextInt(20); // 随机偏移0-19秒
redisTemplate.opsForValue().set("key", "value", baseTtl + randomOffset, TimeUnit.SECONDS);
(2)、缓存预热
在系统启动时或定期进行缓存预热,提前加载或有策略的定期加载一些常用的数据库数据到缓存中,确保缓存中有足够的数据,减少缓存失效时的冲击。
(3)、多级缓存
使用多级缓存策略,例如:本地缓存+分布式缓存。当分布式缓存失效时,本地缓存可以继续提供服务,减少对数据库的直接访问。
应用:本地缓存(如Caffeine、Guava Cache)来缓存频繁访问的数据,同时使用分布式缓存(如Redis、Memcached)来存储全局共享的数据。
本地缓存的TTL可以设置得比分布式缓存更短,以减少对分布式缓存的依赖。
多级缓存示例(Caffine+Redis)
第一步:导入依赖
<dependency>
<groupId>com.github.ben-manes.caffeine</groupId>
<artifactId>caffeine</artifactId>
<version>2.9.0</version>
</dependency>
第二步:注入配置类
import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.cache.caffeine.CaffeineCacheManager;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import java.util.concurrent.TimeUnit;
@Configuration
@EnableCaching
public class CacheConfig {
@Bean
public Cache<String,Object> caffeineCache() { // 初始化注入CaffeineCache到容器
return Caffeine.newBuilder()
.initialCapacity(100) // 初始容量为100
.maximumSize(1000) // 最大存1000个key
.expireAfterWrite(1, TimeUnit.MINUTES) // 设置1分钟过期
.build();
}
}
第三步:测试类
import com.github.benmanes.caffeine.cache.Cache;
import com.zw.base.BaseController;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestMethod;
import org.springframework.web.bind.annotation.RestController;
import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;
@RestController
@RequestMapping(value = "redis3", method = {RequestMethod.POST, RequestMethod.GET})
public class RedisController3 extends BaseController {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
// 本地缓存CaffeineCache
@Resource
private Cache<String, Object> caffeineCache;
// 模拟数据库查询
private Object queryFromDatabase(String key) {
// 模拟数据库查询逻辑
System.out.println("Querying from database for key: " + key);
return null; // 假设数据库中没有该数据
}
/**
* 获取数据,优先从本地缓存获取,其次从 Redis 获取,最后从数据库获取
* @param key 数据的唯一标识
* @return 数据
*/
@RequestMapping("/get")
public Object getTest(String key) {
// 1. 尝试从本地缓存获取
Object cachedData = caffeineCache.getIfPresent(key);
if (cachedData != null) {
if ("NULL".equals(cachedData)) {
return null; // 返回空对象
}
return cachedData;
}
// 2. 尝试从 Redis 获取
cachedData = redisTemplate.opsForValue().get(key);
if (cachedData != null) {
if ("NULL".equals(cachedData)) {
caffeineCache.put(key, "NULL"); // 将空对象放入本地缓存
return null;
}
caffeineCache.put(key, cachedData); // 将数据放入本地缓存
return cachedData;
}
// 3. 从数据库获取数据
Object data = queryFromDatabase(key);
if (data != null) {
if (data != null) {
// 更新本地缓存和 Redis
caffeineCache.put(key, data.toString());
redisTemplate.opsForValue().set(key, data, getRandomTtl(), TimeUnit.SECONDS);
} else {
// 缓存空对象
caffeineCache.put(key, "NULL");
redisTemplate.opsForValue().set(key, "NULL", 60, TimeUnit.SECONDS); // 空对象过期时间为 60 秒
}
}
// 4. 返回旧的缓存数据(如果有)
return caffeineCache.getIfPresent(key);
}
/**
* 获取随机化的 TTL,避免所有缓存项在同一时间点失效
*
* @return 随机化的 TTL(秒)
*/
private long getRandomTtl() {
int baseTtl = 60; // 基础 TTL 为 60 秒
int randomOffset = (int) (Math.random() * 10); // 随机偏移 0-9 秒
return baseTtl + randomOffset;
}
}
第四步:测试验证
可以正常查询有的值
没有的key直接返回null