分散式之快取擊穿

發表於2018-05-19

什麼是快取擊穿

在談論快取擊穿之前,我們先來回憶下從快取中載入資料的邏輯,如下圖所示
image

因此,如果黑客每次故意查詢一個在快取內必然不存在的資料,導致每次請求都要去儲存層去查詢,這樣快取就失去了意義。如果在大流量下資料庫可能掛掉。這就是快取擊穿。
場景如下圖所示:
image

我們正常人在登入首頁的時候,都是根據userID來命中資料,然而黑客的目的是破壞你的系統,黑客可以隨機生成一堆userID,然後將這些請求懟到你的伺服器上,這些請求在快取中不存在,就會穿過快取,直接懟到資料庫上,從而造成資料庫連線異常。

解決方案

在這裡我們給出三套解決方案,大家根據專案中的實際情況,選擇使用.

講下述三種方案前,我們先回憶下redis的setnx方法

SETNX key value

將 key 的值設為 value ,當且僅當 key 不存在。

若給定的 key 已經存在,則 SETNX 不做任何動作。

SETNX 是『SET if Not eXists』(如果不存在,則 SET)的簡寫。

可用版本:>= 1.0.0

時間複雜度: O(1)

返回值: 設定成功,返回 1。設定失敗,返回 0 。

效果如下

1、使用互斥鎖

該方法是比較普遍的做法,即,在根據key獲得的value值為空時,先鎖上,再從資料庫載入,載入完畢,釋放鎖。若其他執行緒發現獲取鎖失敗,則睡眠50ms後重試。

至於鎖的型別,單機環境用併發包的Lock型別就行,叢集環境則使用分散式鎖( redis的setnx)

叢集環境的redis的程式碼如下所示:

優點:

  1. 思路簡單
  2. 保證一致性

缺點

  1. 程式碼複雜度增大
  2. 存在死鎖的風險

2、非同步構建快取

在這種方案下,構建快取採取非同步策略,會從執行緒池中取執行緒來非同步構建快取,從而不會讓所有的請求直接懟到資料庫上。該方案redis自己維護一個timeout,當timeout小於System.currentTimeMillis()時,則進行快取更新,否則直接返回value值。
叢集環境的redis程式碼如下所示:

優點:

  1. 性價最佳,使用者無需等待

缺點

  1. 無法保證快取一致性

3、布隆過濾器

1、原理

布隆過濾器的巨大用處就是,能夠迅速判斷一個元素是否在一個集合中。因此他有如下三個使用場景:

  1. 網頁爬蟲對URL的去重,避免爬取相同的URL地址
  2. 反垃圾郵件,從數十億個垃圾郵件列表中判斷某郵箱是否垃圾郵箱(同理,垃圾簡訊)
  3. 快取擊穿,將已存在的快取放到布隆過濾器中,當黑客訪問不存在的快取時迅速返回避免快取及DB掛掉。

OK,接下來我們來談談布隆過濾器的原理
其內部維護一個全為0的bit陣列,需要說明的是,布隆過濾器有一個誤判率的概念,誤判率越低,則陣列越長,所佔空間越大。誤判率越高則陣列越小,所佔的空間越小。

假設,根據誤判率,我們生成一個10位的bit陣列,以及2個hash函式((f_1,f_2)),如下圖所示(生成的陣列的位數和hash函式的數量,我們不用去關心是如何生成的,有數學論文進行過專業的證明)。
image

假設輸入集合為((N_1,N_2)),經過計算(f_1(N_1))得到的數值得為2,(f_2(N_1))得到的數值為5,則將陣列下標為2和下表為5的位置置為1,如下圖所示
image

同理,經過計算(f_1(N_2))得到的數值得為3,(f_2(N_2))得到的數值為6,則將陣列下標為3和下表為6的位置置為1,如下圖所示
image

這個時候,我們有第三個數(N_3),我們判斷(N_3)在不在集合((N_1,N_2))中,就進行(f_1(N_3),f_2(N_3))的計算

  1. 若值恰巧都位於上圖的紅色位置中,我們則認為,(N_3)在集合((N_1,N_2))中
  2. 若值有一個不位於上圖的紅色位置中,我們則認為,(N_3)不在集合((N_1,N_2))中

以上就是布隆過濾器的計算原理,下面我們進行效能測試,

2、效能測試

程式碼如下:

(1)新建一個maven工程,引入guava包

(2)測試一個元素是否屬於一個百萬元素集合所需耗時

輸出如下所示

也就是說,判斷一個數是否屬於一個百萬級別的集合,只要0.219ms就可以完成,效能極佳。

(3)誤判率的一些概念

首先,我們先不對誤判率做顯示的設定,進行一個測試,程式碼如下所示

輸出結果如下

如果上述程式碼所示,我們故意取10000個不在過濾器裡的值,卻還有330個被認為在過濾器裡,這說明了誤判率為0.03.即,在不做任何設定的情況下,預設的誤判率為0.03。
下面上原始碼來證明:
image

接下來我們來看一下,誤判率為0.03時,底層維護的bit陣列的長度如下圖所示
image

將bloomfilter的構造方法改為

即,此時誤判率為0.01。在這種情況下,底層維護的bit陣列的長度如下圖所示
image
由此可見,誤判率越低,則底層維護的陣列越長,佔用空間越大。因此,誤判率實際取值,根據伺服器所能夠承受的負載來決定,不是拍腦袋瞎想的。

3、實際使用

redis虛擬碼如下所示

優點:

  1. 思路簡單
  2. 保證一致性
  3. 效能強

缺點

  1. 程式碼複雜度增大
  2. 需要另外維護一個集合來存放快取的Key
  3. 布隆過濾器不支援刪值操作

總結

在總結部分,來個漫畫把。希望對大家找工作有幫助
image

相關文章