java-redis-雪崩

本文主要是介绍java-redis-雪崩，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Redis 雪崩问题

Redis雪崩 是指在 Redis 缓存系统中，当大量缓存同时失效时，所有请求直接打到数据库，导致数据库瞬间压力激增，甚至崩溃的现象。雪崩问题通常出现在高并发的系统中，因为缓存的失效导致后端数据库承受不了巨大的请求量。

具体表现：

大量缓存同时失效后，所有流量直接访问数据库。
数据库承载过大的并发量，导致性能急剧下降，甚至崩溃。
之后，当 Redis 缓存恢复正常时，由于数据库崩溃或者性能下降，依然无法正常服务。

一、Redis 雪崩的原因

大批量缓存同时失效：当 Redis 中的大批量缓存设置了相同的过期时间，并且过期后没有及时重新生成，所有原本应从缓存中获取的数据都会直接从数据库中请求，导致数据库压力瞬间增加。
缓存服务器宕机：如果 Redis 缓存服务器因为某种原因宕机，所有请求将直接访问数据库，这可能会导致数据库无法承受高并发的请求，进而崩溃。
网络问题：Redis 服务在某些时段因为网络原因无法连接，导致缓存服务不可用，所有请求也直接打到数据库上，可能引发类似雪崩的情况。

二、Redis 雪崩的解决方案

缓存预热：在系统上线之前，可以提前将一些常用数据缓存到 Redis 中，避免上线后大量请求直接打到数据库。这可以通过后台线程预先加载一些热门数据，也可以手动设置缓存。
设置不同的缓存过期时间：如果所有的缓存数据设置相同的过期时间，当缓存到期后，可能会出现大量缓存同时失效的情况。为了避免这种情况，可以为不同的缓存设置不同的过期时间，或者在设置缓存时加上一个随机的时间差。
缓存永不过期：对于一些热点数据，特别是经常被访问但又很少变化的数据，可以设置缓存永不过期，同时在后台更新缓存。
缓存降级：当 Redis 宕机或者出现异常时，可以使用缓存降级策略，允许某些非核心数据的读取失败。也可以通过服务降级手段，限制对数据库的访问，从而保护数据库。
互斥锁（防止击穿）：当大量缓存同时失效时，如果多个线程同时请求数据库并写入缓存，可能会导致数据库压力剧增。可以使用互斥锁的方式，确保只有一个线程能够更新缓存，其他线程等待缓存更新完成后再读取缓存。
数据持久化与集群：使用 Redis 的持久化机制（如 RDB、AOF）或搭建 Redis 集群来保证缓存的高可用性。当某个节点失效时，可以自动切换到其他节点，避免缓存服务器宕机导致雪崩。
请求限流和熔断：对系统进行限流和熔断保护，当缓存失效时，限制对数据库的请求数量，防止数据库过载。

三、解决方案的具体实现

1. 缓存预热

通过提前加载一些常用的缓存数据，避免在系统刚启动时，所有请求直接打到数据库。这可以通过手动加载或者后台任务实现。

@Service
public class CachePrewarmService {@Autowiredprivate RedisTemplate<String, Object> redisTemplate;public void preloadCache() {// 假设我们要预热一些数据String key = "hot_data_key";Object data = loadDataFromDB();  // 从数据库加载数据redisTemplate.opsForValue().set(key, data, 1, TimeUnit.HOURS); // 设置缓存，并设定1小时过期}private Object loadDataFromDB() {// 模拟从数据库加载数据return new Object();  // 返回数据库中的数据}
}

2. 随机过期时间（解决大规模缓存同时失效）

我们可以通过在设置缓存过期时间时，给每个缓存增加一个随机值，避免同时过期导致雪崩。

@Service
public class CacheService {@Autowiredprivate RedisTemplate<String, Object> redisTemplate;public void setCacheWithRandomTTL(String key, Object value) {// 设置基础的缓存时间，比如1小时long baseTime = 60 * 60;// 添加一个随机的过期时间，避免同一时间大量缓存同时失效long randomTime = new Random().nextInt(300);  // 随机增加0~300秒redisTemplate.opsForValue().set(key, value, baseTime + randomTime, TimeUnit.SECONDS);}
}

3. 使用互斥锁防止缓存击穿

缓存击穿是指某个热点数据的缓存失效后，瞬间大量请求直接打到数据库，导致数据库压力骤增。可以使用分布式锁，确保在缓存失效时，只有一个线程能请求数据库，其他线程等待缓存重新生成。

@Service
public class CacheWithLockService {@Autowiredprivate RedisTemplate<String, Object> redisTemplate;// 获取数据时，使用分布式锁public Object getCacheWithLock(String key) {Object value = redisTemplate.opsForValue().get(key);if (value == null) {// 使用 Redis 的 setIfAbsent (NX) 命令实现分布式锁String lockKey = key + "_lock";Boolean lockAcquired = redisTemplate.opsForValue().setIfAbsent(lockKey, "LOCK", 5, TimeUnit.SECONDS);if (lockAcquired != null && lockAcquired) {try {// 缓存失效且获得锁，查询数据库并更新缓存value = loadDataFromDB();redisTemplate.opsForValue().set(key, value, 60, TimeUnit.SECONDS);} finally {// 释放锁redisTemplate.delete(lockKey);}} else {// 未获得锁，等待缓存更新try {Thread.sleep(100);} catch (InterruptedException e) {e.printStackTrace();}return redisTemplate.opsForValue().get(key);  // 再次尝试获取缓存}}return value;}private Object loadDataFromDB() {// 模拟从数据库加载数据return new Object();  // 返回数据库中的数据}
}

4. 缓存降级

当 Redis 不可用时，系统可以通过降级策略，直接访问数据库或者返回一些默认值。我们可以通过 try-catch 捕获 Redis 异常，来实现降级逻辑。

@Service
public class CacheDegradeService {@Autowiredprivate RedisTemplate<String, Object> redisTemplate;public Object getData(String key) {try {Object value = redisTemplate.opsForValue().get(key);if (value != null) {return value;}} catch (Exception e) {// Redis 发生异常时，执行降级逻辑System.out.println("Redis不可用，执行降级策略");}// Redis不可用或者缓存失效，直接从数据库获取数据return loadDataFromDB();}private Object loadDataFromDB() {// 模拟从数据库加载数据return new Object();  // 返回数据库中的数据}
}

5. 数据持久化与集群

Redis 提供了 RDB 和 AOF 的持久化机制来保证数据不会因为 Redis 崩溃而丢失。同时，通过 Redis 的集群模式，我们可以将数据分布在多个节点上，提升系统的可靠性和可用性。

# 开启 AOF 持久化
appendonly yes
# 每秒同步一次 AOF 文件
appendfsync everysec# Redis Cluster 配置，启动多个节点，配置集群
cluster-enabled yes
cluster-config-file nodes-6379.conf
cluster-node-timeout 5000

四、总结

Redis 雪崩 是在缓存失效后，大量请求直接打到数据库，导致数据库压力骤增甚至崩溃的问题。在高并发场景下，Redis 雪崩可能会带来严重后果。
为了避免 Redis 雪崩，可以采取多种措施，如 缓存预热、设置不同过期时间、使用互斥锁防止缓存击穿、缓存降级、限流与熔断机制 等。
持久化与集群 是提升 Redis 可用性的关键，确保即便在单个节点失效的情况下，服务依然能够正常工作。