今天給大家介紹一下如何在SpringBoot中解決Redis的緩存穿透、緩存擊穿、緩存雪崩的問題。

緩存穿透

什么是緩存穿透

緩存穿透指的是一個緩存系統(tǒng)無法緩存某個查詢的數(shù)據(jù)，從而導(dǎo)致這個查詢每一次都要訪問數(shù)據(jù)庫。

常見的Redis緩存穿透場景包括：

1. 查詢一個不存在的數(shù)據(jù)：攻擊者可能會發(fā)送一些無效的查詢來觸發(fā)緩存穿透。
2. 查詢一些非常熱門的數(shù)據(jù)：如果一個數(shù)據(jù)被訪問的非常頻繁，那么可能會導(dǎo)致緩存系統(tǒng)無法處理這些請求，從而造成緩存穿透。
3. 查詢一些異常數(shù)據(jù)：這種情況通常發(fā)生在數(shù)據(jù)服務(wù)出現(xiàn)故障或異常時，從而造成緩存系統(tǒng)無法訪問相關(guān)數(shù)據(jù)，從而導(dǎo)致緩存穿透。

如何解決

我們可以使用Guava在內(nèi)存中維護(hù)一個布隆過濾器。具體步驟如下：

1. 添加Guava和Redis依賴：

<dependency>
    <groupId>com.google.guava<span class="hljs-name"groupId>
    <artifactId>guava<span class="hljs-name"artifactId>
    <version>29.0-jre<span class="hljs-name"version>
<span class="hljs-name"dependency>

<dependency>
    <groupId>org.springframework.boot<span class="hljs-name"groupId>
    <artifactId>spring-boot-starter-data-redis<span class="hljs-name"artifactId>
<span class="hljs-name"dependency>

2. 創(chuàng)建一個BloomFilterUtil類，用于在緩存中維護(hù)Bloom Filter。

public class BloomFilterUtil {
    // 布隆過濾器的預(yù)計容量
    private static final int expectedInsertions = 1000000;
    // 布隆過濾器誤判率
    private static final double fpp = 0.001;
    private static BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), expectedInsertions, fpp);
    /**
     * 向Bloom Filter中添加元素
     */
    public static void add(String key){
        bloomFilter.put(key);
    }
    /**
     * 判斷元素是否存在于Bloom Filter中
     */
    public static boolean mightContain(String key){
        return bloomFilter.mightContain(key);
    }
}

3. 在Controller中查詢數(shù)據(jù)時，先根據(jù)請求參數(shù)進(jìn)行Bloom Filter的過濾

@Autowired
private RedisTemplate

緩存擊穿

什么是緩存擊穿

緩存擊穿指的是在一些高并發(fā)訪問下，一個熱點數(shù)據(jù)從緩存中不存在，每次請求都要直接查詢數(shù)據(jù)庫，從而導(dǎo)致數(shù)據(jù)庫壓力過大，并且系統(tǒng)性能下降的現(xiàn)象。

緩存擊穿的原因通常有以下幾種：

1. 緩存中不存在所需的熱點數(shù)據(jù)：當(dāng)系統(tǒng)中某個熱點數(shù)據(jù)需要被頻繁訪問時，如果這個熱點數(shù)據(jù)最開始沒有被緩存，那么就會導(dǎo)致系統(tǒng)每次請求都需要直接查詢數(shù)據(jù)庫，造成數(shù)據(jù)庫負(fù)擔(dān)。
2. 緩存的熱點數(shù)據(jù)過期：當(dāng)一個熱點數(shù)據(jù)過期并需要重新緩存時，如果此時有大量請求，那么就會導(dǎo)致所有請求都要直接查詢數(shù)據(jù)庫。

如何解決

主要思路 : 在遇到緩存擊穿問題時，我們可以在查詢數(shù)據(jù)庫之前，先判斷一下緩存中是否已有數(shù)據(jù)，如果沒有數(shù)據(jù)則使用Redis的單線程特性，先查詢數(shù)據(jù)庫然后將數(shù)據(jù)寫入緩存中。

1. 添加Redis依賴

<dependency>
    <groupId>org.springframework.boot<span class="hljs-name"groupId>
    <artifactId>spring-boot-starter-data-redis<span class="hljs-name"artifactId>
<span class="hljs-name"dependency>

2. 在Controller中查詢數(shù)據(jù)時，先從緩存中查詢數(shù)據(jù)，如果緩存中無數(shù)據(jù)則進(jìn)行鎖操作

@Autowired
private RedisTemplate<String, Object> redisTemplate;

@GetMapping("/user/{id}")
public User getUserById(@PathVariable Long id){
    // 先從緩存中獲取值
    String userKey = "user_"+id.toString();
    User user = (User) redisTemplate.opsForValue().get(userKey);
    if(user == null){
        // 查詢數(shù)據(jù)庫之前加鎖
        String lockKey = "lock_user_"+id.toString();
        String lockValue = UUID.randomUUID().toString();
        try{
            Boolean lockResult = redisTemplate.opsForValue().setIfAbsent(lockKey, lockValue, 60, TimeUnit.SECONDS);
            if(lockResult != null && lockResult){
                // 查詢數(shù)據(jù)庫
                user = userRepository.findById(id).orElse(null);
                if(user != null){
                    // 將查詢到的數(shù)據(jù)加入緩存
                    redisTemplate.opsForValue().set(userKey, user, 300, TimeUnit.SECONDS);
                }
            }
        }finally{
            // 釋放鎖
            if(lockValue.equals(redisTemplate.opsForValue().get(lockKey))){
                redisTemplate.delete(lockKey);
            }
        }
    }
    return user;
}

緩存雪崩

什么是緩存雪崩

指緩存中大量數(shù)據(jù)的失效時間集中在某一個時間段，導(dǎo)致在這個時間段內(nèi)緩存失效并額外請求數(shù)據(jù)庫查詢數(shù)據(jù)的請求大量增加，從而對數(shù)據(jù)庫造成極大的壓力和負(fù)荷。

常見的Redis緩存雪崩場景包括：

1. 緩存服務(wù)器宕機：當(dāng)緩存服務(wù)器宕機或重啟時，大量的訪問請求將直接命中數(shù)據(jù)庫，并在同一時間段內(nèi)導(dǎo)致大量的數(shù)據(jù)庫查詢請求，從而將數(shù)據(jù)庫壓力大幅提高。
2. 緩存數(shù)據(jù)同時失效：在某個特定時間點，緩存中大量數(shù)據(jù)的失效時間集中在一起，這些數(shù)據(jù)會在同一時間段失效，并且這些數(shù)據(jù)被高頻訪問，將導(dǎo)致大量的訪問請求去查詢數(shù)據(jù)庫。
3. 緩存中數(shù)據(jù)過期時間設(shè)計不合理：當(dāng)緩存中的數(shù)據(jù)有效時間過短，且數(shù)據(jù)集中在同一時期失效時，就容易導(dǎo)致大量的請求直接查詢數(shù)據(jù)庫，加劇數(shù)據(jù)庫壓力。
4. 波動式的訪問過程：當(dāng)數(shù)據(jù)的訪問存在波動式特征時，例如輸出某些活動物品或促銷商品時，將會帶來高頻的查詢請求訪問，導(dǎo)致緩存大量失效并產(chǎn)生緩存雪崩。

如何解決

在遇到緩存雪崩時，我們可以使用兩種方法：一種是將緩存過期時間分散開，即為不同的數(shù)據(jù)設(shè)置不同的過期時間；另一種是使用Redis的多級緩存架構(gòu)，通過增加一層代理層來解決。具體步驟如下：

1. 添加相關(guān)依賴

<dependency>
    <groupId>org.springframework.boot<span class="hljs-name"groupId>
    <artifactId>spring-boot-starter-data-redis<span class="hljs-name"artifactId>
<span class="hljs-name"dependency>
<dependency>
    <groupId>net.sf.ehcache<span class="hljs-name"groupId>
    <artifactId>ehcache<span class="hljs-name"artifactId>
    <version>2.10.6<span class="hljs-name"version>
<span class="hljs-name"dependency>

2. 在application.properties中配置Ehcache緩存

spring.cache.type=ehcache

3. 創(chuàng)建一個CacheConfig類，用于配置Ehcache：

@Configuration
@EnableCaching
public class CacheConfig {
    @Bean
    public EhCacheCacheManager ehCacheCacheManager(CacheManager cm){
        return new EhCacheCacheManager(cm);
    }
    @Bean
    public CacheManager ehCacheManager(){
        EhCacheManagerFactoryBean cmfb = new EhCacheManagerFactoryBean();
        cmfb.setConfigLocation(new ClassPathResource("ehcache.xml"));
        cmfb.setShared(true);
        return cmfb.getObject();
    }
}

4. 在ehcache.xml中添加緩存配置

<ehcache xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:noNamespaceSchemaLocation="http://ehcache.org/ehcache.xsd"
    updateCheck="true"
    monitoring="autodetect"
    dynamicConfig="true">

    <cache name="userCache" maxEntriesLocalHeap="10000" timeToLiveSeconds="60" timeToIdleSeconds="30"/>

<span class="hljs-name"ehcache>

5. 在Controller中查詢數(shù)據(jù)時，先從Ehcache緩存中獲取，如果緩存中無數(shù)據(jù)則再從Redis緩存中獲取數(shù)據(jù)

@Autowired
private RedisTemplate

以上就是使用SpringBoot時如何解決Redis的緩存穿透、緩存擊穿、緩存雪崩的常用方法。