6個常見的高并發緩存問題，你知道幾個？

前言

一般來說，現在的互聯網應用網站或者APP，它的整體流程可以用我們這個圖里展示的來表示，用戶請求開始，從這個界面是最里面的瀏覽器和APP，到網絡轉發，再到應用服務，最后到存儲，這純屬可能是數據庫文件系統，然后再返回到界面呈現內容。

隨著互聯網的普及，內容信息越來越復雜，用戶數和訪問量越來越大，我們的應用需要支撐更多的并發量，同時，我們的應用服務器和數據庫服務器所做的計算也越來越多，但是，往往我們的應用服務器的資源是有限的，而且技術變革是緩慢的，所以每秒能接收請求次數也是有限的，或者說文件的讀寫也是有限的。

如何能有效利用有限的資源來提供盡可能大的吞吐量呢？一個有效的辦法就是引入緩存，打破圖中的標準的流程，每個環節中請求可以從緩存中直接獲取目標數據并返回，從而減少他們的計算量，來有效提升響應速度，讓有限的資源服務更多的用戶，像我們這個圖里展示的緩存的使用，它其實可以出現在1到4的各個環節中。

緩存一致性問題

當數據時效性要求很高時，需要保證緩存中的數據與數據庫中的保持一致，而且需要保證緩存節點和副本中的數據也保持一致，不能出現差異現象。

這就比較依賴緩存的過期和更新策略。一般會在數據發生更改的時，主動更新緩存中的數據或者移除對應的緩存。

緩存并發問題

緩存過期后將嘗試從后端數據庫獲取數據，這是一個看似合理的流程。但是，在高并發場景下，有可能多個請求并發的去從數據庫獲取數據，對后端數據庫造成極大的沖擊，甚至導致 “雪崩”現象。

此外，當某個緩存key在被更新時，同時也可能被大量請求在獲取，這也會導致一致性的問題。那如何避免類似問題呢？

我們會想到類似“鎖”的機制，在緩存更新或者過期的情況下，先嘗試獲取到鎖，當更新或者從數據庫獲取完成后再釋放鎖，其他的請求只需要犧牲一定的等待時間，即可直接從緩存中繼續獲取數據。

緩存穿透問題

緩存穿透在有些地方也稱為“擊穿”。很多朋友對緩存穿透的理解是：由于緩存故障或者緩存過期導致大量請求穿透到后端數據庫服務器，從而對數據庫造成巨大沖擊。

這其實是一種誤解。真正的緩存穿透應該是這樣的：

在高并發場景下，如果某一個key被高并發訪問，沒有被命中，出于對容錯性考慮，會嘗試去從后端數據庫中獲取，從而導致了大量請求達到數據庫，而當該key對應的數據本身就是空的情況下，這就導致數據庫中并發的去執行了很多不必要的查詢操作，從而導致巨大沖擊和壓力。

可以通過下面的幾種常用方式來避免緩存傳統問題：

1、緩存空對象

對查詢結果為空的對象也進行緩存，如果是集合，可以緩存一個空的集合（非null），如果是緩存單個對象，可以通過字段標識來區分。這樣避免請求穿透到后端數據庫。

同時，也需要保證緩存數據的時效性。這種方式實現起來成本較低，比較適合命中不高，但可能被頻繁更新的數據。

2、單獨過濾處理

對所有可能對應數據為空的key進行統一的存放，并在請求前做攔截，這樣避免請求穿透到后端數據庫。這種方式實現起來相對復雜，比較適合命中不高，但是更新不頻繁的數據。

緩存顛簸問題

緩存的顛簸問題，有些地方可能被成為“緩存抖動”，可以看做是一種比“雪崩”更輕微的故障，但是也會在一段時間內對系統造成沖擊和性能影響。一般是由于緩存節點故障導致。業內推薦的做法是通過一致性Hash算法來解決。

歡迎大家關注我的公種浩【程序員追風】，文章都會在里面更新，整理的資料也會放在里面。

緩存的雪崩現象

緩存雪崩就是指由于緩存的原因，導致大量請求到達后端數據庫，從而導致數據庫崩潰，整個系統崩潰，發生災難。

導致這種現象的原因有很多種，上面提到的“緩存并發”，“緩存穿透”，“緩存顛簸”等問題，其實都可能會導致緩存雪崩現象發生。這些問題也可能會被惡意攻ji者所利用。

還有一種情況，例如某個時間點內，系統預加載的緩存周期性集中失效了，也可能會導致雪崩。為了避免這種周期性失效，可以通過設置不同的過期時間，來錯開緩存過期，從而避免緩存集中失效。

從應用架構角度，我們可以通過限流、降級、熔斷等手段來降低影響，也可以通過多級緩存來避免這種災難。

此外，從整個研發體系流程的角度，應該加強壓力測試，盡量模擬真實場景，盡早的暴露問題從而防范。

緩存無底洞現象

該問題由 facebook 的工作人員提出的， facebook 在 2010 年左右，memcached 節點就已經達3000 個，緩存數千 G 內容。

他們發現了一個問題---memcached 連接頻率，效率下降了，于是加 memcached 節點，添加了后，發現因為連接頻率導致的問題，仍然存在，并沒有好轉，稱之為”無底洞現象”。

目前主流的數據庫、緩存、Nosql、搜索中間件等技術棧中，都支持“分片”技術，來滿足“高性能、高并發、高可用、可擴展”等要求。

有些是在client端通過Hash取模（或一致性Hash）將值映射到不同的實例上，有些是在client端通過范圍取值的方式映射的。當然，也有些是在服務端進行的。

但是，每一次操作都可能需要和不同節點進行網絡通信來完成，實例節點越多，則開銷會越大，對性能影響就越大。

主要可以從如下幾個方面避免和優化：

1、數據分布方式

有些業務數據可能適合Hash分布，而有些業務適合采用范圍分布，這樣能夠從一定程度避免網絡IO的開銷。

2、IO優化

可以充分利用連接池，NIO等技術來盡可能降低連接開銷，增強并發連接能力。

3、數據訪問方式

一次性獲取大的數據集，會比分多次去獲取小數據集的網絡IO開銷更小。

當然，緩存無底洞現象并不常見。在絕大多數的公司里可能根本不會遇到。

最后

歡迎大家一起交流，喜歡文章記得點個贊喲，感謝支持！