怎么解決數據庫緩存常見問題

本篇內容介紹了“怎么解決數據庫緩存常見問題”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

緩存穿透

我們在使用緩存時，往往先嘗試去緩存中取值，如果沒有，再去數據庫取值，如果數據庫也沒有值，則根據業務需求，返回空或者拋異常。

如果用戶一直訪問一個數據庫不存在的數據，比如id為-1的數據，就會導致每次請求都會先去緩存查一次，然后再去數據庫查一次，造成嚴重的性能問題。這種情況就叫緩存穿透。

解決方案

以下幾種解決方案：

• 對請求參數做校驗，比如用戶鑒權校驗，id做基礎校驗，id <= 0的直接攔截。

• 如果查詢到數據庫沒有值，也將對應的key存進緩存中，value為null。這樣下次查詢就直接從緩存返回了。但這里的key的緩存時間應該比較短，比如30s。防止后面在數據庫插入了這條數據，而用戶獲取不到。

• 使用布隆過濾器，判斷一個key是否已經查過了，如果已經查過了，就不去數據庫查詢。

緩存擊穿

緩存擊穿指的是，一個key的訪問量非常大，比如某秒殺活動，有1w/s的并發量。這個key在某一時刻過期，那這些大量的請求就會一瞬間到數據庫，數據庫可能會直接崩潰。

解決方案

緩存擊穿的解決方案也有幾種，可以配合使用：

• 對于熱點數據，慎重考慮過期時間，確保熱點期間key不會過期，甚至有些可以設置永不過期。

• 使用互斥鎖(比如Java的多線程鎖機制)，第一個線程訪問key的時候就鎖住，等查詢數據庫返回后，把值插入到緩存后再釋放鎖，這樣后面的請求就可以直接取緩存里面的數據了。

緩存雪崩

緩存雪崩指的是，在某一時刻，多個key失效。這樣就會有大量的請求從緩存中獲取不到值，全部到數據庫。還有另一種情況，就是緩存服務器宕機，也算做緩存雪崩。

解決方案

針對上述兩種情況，緩存雪崩有兩種解決方案：

• 對每個key的過期時間設置一個隨機值，而不是所有key都相同。

• 使用高可用的分布式緩存集群，確保緩存的高可用性，比如redis-cluster。

雙寫不一致

在使用數據庫緩存的時候，讀和寫的流程往往是這樣的：

• 讀取的時候，先讀取緩存，如果緩存中沒有，就直接從數據庫中讀取，然后取出數據后放入緩存

• 更新的時候，先刪除緩存，再更新數據庫

所謂雙寫不一致，就是在發生寫操作(更新)的時候或寫操作之后，可能會存在數據庫里面的值和緩存中的值不同的情況。

為什么更新的時候要先刪除緩存，再更新數據庫?因為如果先更新數據庫，然后在刪除緩存的時候失敗了，就會造成緩存里面的值和數據庫的值不一致。

然而這樣并不能完全避免雙寫不一致問題。假設在大并發情景下，一個線程先刪除緩存，然后取更新數據庫，這個時候另一個線程去取緩存，發現沒有值，于是去讀數據庫，然后把數據庫舊的值設置進緩存。等第一個線程更新完數據庫后，數據庫里面就是新的值，而緩存里面是舊的值，所以就存在了數據不一致的問題。

一個比較簡單的解決辦法是把過期時間設置得比較低，這樣就只有在緩存沒過期之前存在數據不一致問題，在一些業務場景下也還能接受。

另一種解決方案是使用隊列輔助。先更新數據庫，再刪除緩存。如果刪除失敗，就放進隊列。然后另一個任務從隊列中取出消息，不斷去重試刪除相應的key。

還有一種解決方案是使用對一個數據使用一個隊列，使讀寫操作串行化。比如對id為n的數據建立一個隊列。對這條數據的寫操作，刪除緩存后，放進一個隊列;然后另一個線程過來了，發現沒有緩存，則把這個讀操作也放進這個隊列里面。

不過這樣會增加程序的復雜性，串行化也會降低程序的吞吐量，可能得不償失。一般主流的解決方案還是先刪除緩存，再更新數據庫。可以滿足絕大部分需求。

“怎么解決數據庫緩存常見問題”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！