?前言：此篇文章系本人學習過程中記錄下來的筆記，里面難免會有不少欠缺的地方，誠心期待大家多多給予指教。

---

基礎篇：

1. Redis（一）
2. Redis（二）
3. Redis（三）
4. Redis（四）
5. Redis（五）
6. Redis（六）
7. Redis（七）
8. Redis（八）

---

進階篇：

1. Redis（九）
2. Redis（十）
3. Redis（十一）
4. Redis（十二）

接上期內容：上期完成了相關案例的學習。下面學習緩存穿透、預熱、雪崩、擊穿，話不多說，直接發車。

---

一、緩存預熱

（一）、定義

緩存預熱是一種在系統啟動階段或者特定時間點，將一些經常訪問或者關鍵的數據提前加載到緩存中的操作，以減少對數據源（如數據庫）的訪問次數，從而提高系統的響應速度和性能。避免在用戶首次請求時才去加載數據而導致的性能延遲。

---

（二）、功能

1. 減少首次請求延遲：當用戶首次訪問某些數據時，如果沒有進行緩存預熱，系統需要從數據庫等數據源中查詢數據，這個過程可能會比較耗時。
2. 減輕數據庫壓力：在系統運行初期，如果大量用戶同時發起請求，這些請求都直接訪問數據庫，會給數據庫帶來巨大的壓力，甚至可能導致數據庫性能下降或者崩潰。緩存預熱可以將部分數據提前加載到緩存中，后續的請求優先從緩存中獲取數據，從而減少了對數據庫的訪問頻率，降低了數據庫的負載
3. 提高系統性能和穩定性：由于緩存的讀寫速度通常比數據庫等數據源快很多，緩存預熱可以讓系統在處理請求時更快地獲取數據，從而提高系統的整體性能。同時，減少了對數據庫的依賴，降低了因數據庫故障或性能問題導致系統不可用的風險，增強了系統的穩定性。

---

（三）、常用方案

1. ?硬編碼（不大推薦）：在代碼中直接明確地指定需要加載到緩存的數據和邏輯，不通過外部配置或動態計算來改變。在系統啟動時，按照預先編寫好的代碼邏輯將數據加載到緩存中。
2. @PostConstruct注解：?Java 中的一個注解，用于標記一個方法，該方法會在依賴注入完成之后、對象正式投入使用之前被自動調用。
3. 定時器任務：通過定時任務框架（如 Spring 的@Scheduled注解、Quartz 等），按照預設的時間間隔（如每天凌晨、每小時等）自動執行緩存預熱操作。
4. 數據腳本：使用腳本語言（如 Python、Shell 等）編寫腳本，通過腳本連接到緩存系統，將數據加載到緩存中。?

---

二、緩存雪崩

（一）、名詞解釋

緩存雪崩是指在某一時刻，緩存中大量的鍵在同一時間點或者在極短的時間內集中過期失效，或者緩存服務器發生故障導致緩存服務不可用，此時大量原本可以從緩存中獲取數據的請求，都直接涌向了數據庫等后端數據源，給數據庫帶來巨大的壓力，甚至可能導致數據庫不堪重負而崩潰，進而使整個系統出現性能急劇下降、服務不可用等嚴重問題。

---

（二）、發生場景

1、硬件方面

緩存服務器的硬件設備（如硬盤、內存、網卡等）出現故障，可能會導致緩存服務無法正常運行，從而發生緩存雪崩現象。

---

2、業務方面

大量的業務key同時過期，比如在進行緩存預熱時，為大量緩存數據設置了相同的過期時間，當這個過期時間到達時，這些緩存數據會同時失效，從而引起緩存雪崩現象。

---

（三）、預防與解決措施

硬件方面無法把控，主要從業務方面來解決。

業務方面：

1. 避免大量緩存鍵同時過期：①、設置隨機時間：在設置緩存鍵的過期時間時，為每個鍵的過期時間添加一個隨機的偏移量，避免它們集中在同一時刻過期。②、設置key用不過期。

2. redis集群實現服務高可用：使用緩存服務器的集群模式，集群模式可以將數據分散存儲在多個節點上，當某個節點出現故障時，其他節點仍然可以正常提供服務，保證緩存服務的可用性。

3. 多緩存結合：采用多級緩存架構，例如同時使用本地緩存(ehcache)+redis緩存。

4. 服務降級：在應用層對請求進行限流，當請求量超過一定閾值時，直接拒絕部分請求，避免過多的請求直接訪問數據庫。

---

三、緩存穿透

（一）、名詞解釋

緩存穿透是指客戶端請求的數據在緩存中不存在，同時在數據庫中也不存在，這樣每次該請求都會穿透緩存，直接訪問數據庫。如果有大量這樣的無效請求持續涌入，會對數據庫造成極大的壓力，甚至可能導致數據庫不堪重負而崩潰。例如，黑客可能會故意發起大量不存在的鍵的請求，以消耗數據庫資源。

---

（二）、發生場景

1. 黑客惡意攻擊：攻擊者可能會利用系統的漏洞，構造大量不存在的請求，如不存在的用戶 ID、商品 ID 等，向系統發起請求。由于這些請求對應的數據在緩存和數據庫中都不存在，會導致大量請求直接穿透緩存訪問數據庫，從而影響系統的正常運行。
2. 業務數據異常：在業務系統中，可能會出現數據不一致或者數據刪除不及時的情況。
3. 錯誤的用戶輸入：如果系統沒有對用戶輸入進行嚴格的驗證，用戶可能會輸入錯誤的查詢條件，如輸入一個不存在的訂單號、手機號碼等。這些無效請求會直接穿透緩存訪問數據庫。

---

（三）、預防與解決措施

1、方案一

緩存空值或默認值，當查詢的數據在數據庫中不存在時，在緩存中存儲一個空值或者默認值，并設置一個較短的過期時間。這樣下次相同的請求就可以直接從緩存中獲取空值或默認值，而不會再穿透到數據庫。

---

2、方案二

使用布隆過濾器，①、自研布隆過濾器。②、使用Google? Guava 庫實現布隆過濾器。

---

（四）、案例演示

自研簡略版布隆過濾器在上一篇已經學習過了，下面將學習Google Guava實現方式。Guava源碼地址：GitHub - google/guava: Google core libraries for Java

1、需求說明

模擬使用Guava布隆過濾器攔截掉非法數字，對于合法的數字放行。

---

2、導入依賴

<!-- https://mvnrepository.com/artifact/com.google.guava/guava -->
<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>32.1.2-jre</version>
</dependency>

---

3、編碼實現

public class GuavaBloomFilterDemo {public static void main(String[] args) {//誤判率,它越小誤判的個數也就越少(思考，是不是可以設置的無限小，沒有誤判豈不更好)//fpp the desired false positive probability 0.0 < fpp < 1.0,誤判率越低，消耗的資源越多，哈希函數也用的越多，誤判率也就越低// 默認值 0.03BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 1000000, 0.03);//1 先往布隆過濾器里面插入100萬的樣本數據for (int i = 1; i <= 1000000; i++) {bloomFilter.put(i);}List<Integer> list1 = Arrays.asList(120000000, 111111, 10, 222222222, 42575, 123457);list1.forEach(e -> {boolean result = bloomFilter.mightContain(e);if (result) {// TODO 查redis → 查數據庫 → .....System.out.println("存在，放行" + e);} else {// 直接返回結果System.out.println("不存在，攔截" + e);}});//故意取10萬個不在過濾器里的值，看看有多少個會被認為在過濾器里List<Integer> list = new ArrayList<>(1000000);for (int i = 1000000 + 1; i <= 1100000; i++) {if (bloomFilter.mightContain(i)) {list.add(i);}}System.out.println("誤判的總數量：:{}" + list.size());}
}

---

四、緩存擊穿

（一）、名詞解釋

緩存擊穿是指在高并發的場景下，一個非常熱點的 key 在緩存中過期失效的瞬間，大量針對該 key 的請求同時涌入。由于此時緩存中沒有該 key 對應的數據，這些請求就會全部轉向數據庫去查詢。數據庫在短時間內需要處理大量的查詢請求，從而承受巨大的壓力，可能會導致數據庫性能急劇下降，甚至出現崩潰的情況，進而影響整個系統的正常運行。

---

（二）、發生場景

1. 熱點數據過期：在電商系統中，一款熱門商品的信息會被大量用戶頻繁訪問，為了減輕數據庫壓力，會將該商品信息緩存起來并設置過期時間。當這個過期時間到達，緩存中的數據失效，而此時恰好有大量用戶同時發起對該商品信息的請求，就會出現緩存擊穿的情況。
2. 流量突發：一些突發的熱點事件會導致瞬間產生大量的請求。比如，某明星突然發布一條微博，引發大量粉絲同時訪問其個人主頁，而該主頁信息在緩存中過期，大量請求就會直接沖向數據庫。
3. 數據預熱不正確：比如新聞網站在每天早上進行緩存預熱，但遺漏了當天的一條重大熱點新聞，當用戶大量訪問該新聞時，就會出現問題。

（三）、預防與解決措施

1、方案一

使用雙檢加鎖策略。前面已經學習過了，不在闡述。

public String get(String key) {String value = redis.get(key);// 查詢緩存if (value != null) {//緩存存在直接返回return value;} else {//緩存不存在則對方法加鎖//假設請求量很大，緩存過期synchronized (this) {value = redis.get(key); // 在查一遍redisif (value == null) {// 從數據庫獲取數據value = dao.get(key);// 設置過期時間并回寫到緩存redis.setex(key, time, value);}return value;}}}

---

2、方案二

隨機退避策略。當發現緩存中熱點 key 失效時，讓各個請求不要立即去訪問數據庫，而是各自隨機等待一段不同的時間后再去嘗試獲取數據。這樣可以避免大量請求在同一時刻集中訪問數據庫，將請求的時間分散開，減輕數據庫在短時間內的壓力。

public String randomBackoffMethod(String key) {try {Jedis jedis = RedisUtils.getJedis();String data = jedis.get(key);if (data == null) {try {// 生成隨機退避時間 毫秒int backoffTime = new Random().nextInt(2000);Thread.sleep(backoffTime);// 再次嘗試從緩存獲取數據,// 但是在高并發場景下，可能線程隨機退避時間會一樣，// 為了避免造成緩存雙寫不一致問題，使用雙檢鎖策略來防止String value = jedis.get(key);// 查詢緩存if (value != null) {//緩存存在直接返回return value;} else {//緩存不存在則對方法加鎖//假設請求量很大，緩存過期synchronized (this) {value = jedis.get(key); // 在查一遍redisif (value == null) {// 從數據庫獲取數據value = dao.get(key);// 設置過期時間并回寫到緩存jedis.setex(key, time, value);}return value;}}} catch (InterruptedException e) {Thread.currentThread().interrupt();}}jedis.close();return data;} catch (Exception e) {e.printStackTrace();}return null;}

---

3、方案三

差異失效策略。它的核心思想是避免多個熱點 Key 在同一時刻同時失效，從而防止大量請求在瞬間全部涌向數據庫，給數據庫造成過大壓力。

在緩存擊穿場景中的實現方式為一個熱點key拷貝兩份，兩份緩存過期時間不一樣，將緩存失效的時間分散開來，以此保障系統的穩定性與性能。

/*** 差異失效策略查詢*/public String differentialFailureSelectMethod(String key) {// 同一個熱點key的前綴String prefixA = "keyA:";String prefixB = "keyB:";try {Jedis jedis = RedisUtils.getJedis();String data = jedis.get(prefixA + key);if (data == null) {System.out.println("=========A緩存已經失效");//用戶先查詢緩存A(上面的代碼)，如果緩存A查詢不到（例如，更新緩存的時候刪除了），再查詢緩存Bdata = jedis.get(prefixB + key);if (data == null) {System.out.println("=========B緩存已經失效");//TODO 查數據庫 → 回寫redis}return data;}System.out.println("查詢結果：{}" + data);} catch (Exception ex) {ex.printStackTrace();}return null;}/*** 差異失效策略更新*/public void differentialFailureUpdateMethod(String key) {try {// 以前的某個熱點keyString oldHotKeyA = "oldHotKey:" + key;String oldHotKeyB = "oldHotKey:" + key;// 新熱點key前綴String prefixA = "newKeyA:";String prefixB = "newKeyB:";//模擬從數據庫查數據Jedis jedis = RedisUtils.getJedis();Object o = dao.get(key);//先更新B緩存jedis.del(oldHotKeyB);jedis.set(prefixB + o.getId());jedis.expire(prefixB + o.getId(), 2000);//再更新A緩存jedis.del(oldHotKeyA);jedis.set(prefixA + o.getId());jedis.expire(prefixA + o.getId(), 1000);} catch (Exception e) {e.printStackTrace();}}

---

五、總結?

一圖總結，四個問題以及解決辦法：

問題類型	核心問題	解決方案	典型場景
緩存預熱	數據未提前加載	啟動加載、定時任務、腳本	電商大促前的商品信息加載
緩存雪崩	大量緩存失效	隨機過期、集群、高可用、限流	大量key過期、緩存服務器宕機時
緩存穿透	無效請求攻擊	布隆過濾器、緩存空值	惡意攻擊場景
緩存擊穿	熱點 Key 失效	雙檢鎖、差異失效、隨機退避	秒殺活動中的商品信息訪問

---

ps：努力到底，讓持續學習成為貫穿一生的堅守。學習筆記持續更新中。。。。