（五）Redis 快取異常、應對策略

冬先生發表於2024-07-09
Redis快取

1、快取和資料庫不一致

只要我們使用 Redis 快取，就必然會面對快取和資料庫間的一致性保證問題，這裡的“一致性”包含了兩種情況：快取中有資料且與資料庫中的值相同、快取中沒有資料，最新值在資料庫中。

對於讀寫快取來說，要想保證快取和資料庫中的資料一致，就要採用同步直寫策略，在業務應用中使用事務機制，來保證快取和資料庫的更新具有原子性。對資料一致性的要求不高的場景，可以使用非同步寫回策略。

只讀快取在新增資料時是符合資料一致性第二種情況的，但是在刪改資料時，無論是操作快取還是運算元據庫，有一項失敗，就會產生資料不一致的問題。具體情況如圖：
針對這種情況可以引用重試機制來解決，具體來說，可以把要資料暫存到訊息佇列中。無論哪項操作失敗，都可以從訊息佇列中重新讀取這些值，然後再次進行刪除或更新。如果刪改成功，就把資料從訊息佇列中去除，以免重複操作，以此來保證資料一致性。多次重試仍然失敗的話就需要業務層面預警來排查解決了。

除了操作失敗的原因，實際當有大量併發請求時，應用還是有可能讀到不一致的資料。根據刪改快取、資料庫的先後順序分為兩種情況：先操作快取和先運算元據庫。透過引用“延遲雙刪”的操作，來保證先操作快取後運算元據庫的資料一致性問題，程式碼示意如下：

redis.delKey(X)
db.update(X)
Thread.sleep(N)
redis.delKey(X)

具體情況與應對措施總結如圖：

2、雪崩

指大量的應用請求無法在 Redis 快取中進行處理，到達資料庫層面，導致資料庫的壓力激增。原因有二：
其一，快取中有大量資料同時過期。
其二，Redis 快取例項掛了。

原因一可以透過以下兩個方法解決：
（1）微調過期時間：對於同一批資料設定不同的過期時間，如透過隨機數延遲過期等。
（2）降級處理：非核心資料請求直接返回 空 或 錯誤 等預置資訊，核心資料執行未命中快取訪問資料庫。

原因二可以透過以下兩個方法解決：
（1）熔斷：拒絕快取客戶端的請求，保護資料庫，防止整個系統崩潰，直到 Redis 快取例項恢復正常，但是對業務應用的影響範圍大。
（2）限流：允許部分請求到達 Redis 快取，無法命中再訪問資料庫，減輕資料庫壓力，相對於熔斷來說影響範圍稍微縮小。
無論採取何種措施，雪崩都已經發生了，必定會影響到業務系統，所以要做好預防工作，構建 Redis 快取高可靠叢集，儘量避免事故。

3、擊穿

指標對某個熱點資料的請求，無法在快取中處理，大量訪問該資料的請求傳送到了後端資料庫，壓力激增影響到其他請求，如下圖：
為了避免快取擊穿給資料庫帶來的激增壓力，對於訪問特別頻繁的熱點資料，可以不設定過期時間了，全部在快取中進行處理。

4、穿透

指要訪問的資料既不在 Redis 快取中，也不在資料庫中，導致請求壓力還是落到資料庫，快取也就成了“擺設”。如下圖：
通常情況是由於業務資料被誤刪除，或者惡意攻擊訪問，有三種方案解決快取穿透的影響：
（1）快取空值或預設值：針對穿透的資料，在 Redis 中快取一個空值或是和業務層協商確定的預設值，避免把大量請求傳送給資料庫。
（2）布隆過濾器
布隆過濾器由一個初值都為 0 的 bit 陣列和 N 個雜湊函式組成，資料入庫則進行標記，過程如下：

  • 使用 N 個雜湊函式，分別計算這個資料的雜湊值，得到 N 個雜湊值。
  • 我們把這 N 個雜湊值對 bit 陣列的長度取模，得到每個雜湊值在陣列中的對應位置。
  • 我們把對應位置的 bit 位設定為 1，這就完成了在布隆過濾器中標記資料的操作。

當查詢某個資料時，按照雜湊函式的計算結果，檢視 bit 陣列中這 N 個位置上的 bit 值，只要有一個不為 1，這就表明布隆過濾器沒有對該資料做過標記。當快取穿透發生，布隆過濾器的快速檢測特性可以幫資料庫阻擋大部分的壓力。例子如下圖：
（3）前端請求過濾：在請求入口前端進行合法性檢測，把惡意的請求（如請求引數不合理、非法值或請求欄位不存在）直接過濾掉。

小結

雪崩、擊穿、穿透，這三類異常問題從成因來看，前兩個主要是因為資料不在快取中了，而穿透則是因為資料既不在快取中，也不在資料庫中。當雪崩或擊穿發生時，一旦資料庫中的資料被再次寫入到快取後，應用又可以在快取中快速訪問資料了，資料庫的壓力也會相應地降低，而穿透發生時，Redis 快取和資料庫會同時持續承受請求壓力。

對應的熔斷、降級、限流這些方法都是屬於“有損”方案，在保證資料庫和整體系統穩定的同時，會對業務應用帶來負面影響。降級時，有部分資料的請求就只能得到錯誤返回資訊，無法正常處理。熔斷時，整個快取系統暫停，影響的業務範圍更大。流機時，整個業務系統的吞吐率會降低，併發處理能力減弱，影響到使用者體驗。

所以，應當儘量使用預防式方案，總結如下：

  • 雪崩，合理地設定資料過期時間，以及搭建高可靠快取叢集。
  • 擊穿，在快取訪問非常頻繁的熱點資料時，不要設定過期時間。
  • 穿透，提前在入口前端實現惡意請求檢測，或者規範資料庫的資料刪除操作，避免誤刪除。

相關文章