Redis项目常见解决方案

1. 缓存预热

在项目启动,或者服务器重启后, 因为请求量较大,

此时对关系型数据库的访问量就有可能超标,导致服务卡顿,宕机,

所以在启动前应该对缓存进行预热:

前置准备工作:

1. 日常例行统计数据访问记录，统计访问频度较高的热点数据
2. 利用LRU数据删除策略(最少被使用策略)，构建数据留存队列 ,例如：storm与kafka配合

准备工作：

1. 将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
2. 利用分布式多服务器同时进行数据读取，提速数据加载过程
3. 热点数据主从同时预热

实施：

1. 使用脚本程序固定触发数据预热过程
2. 如果条件允许，使用了CDN（内容分发网络），效果会更好

总结:缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓 存的问题！用户直接查询事先被预热的缓存数据！

2. 缓存雪崩

问题所在:

在一个较短的时间内，缓存中较多的key集中过期 ,此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据 ,数据库同时接收到大量的请求无法及时处理 ,

数据库流量激增，导致数据库崩溃 ,级联导致整个引用服务不可用

解决思路

1. 构建多级缓存架构 例如: Nginx缓存+redis缓存+ehcache缓存
2. 检测Mysql严重耗时业务进行优化 对数据库的瓶颈排查：例如超时查询、耗时较高事务等
3. 灾难预警机制 监控redis服务器性能指标
   • CPU占用、CPU使用率
   • 内存容量
   • 查询平均响应时间
   • 线程数
4. 限流、降级 短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问

具体解决方法:

1. LRU(最近最久使用的数据)与LFU切换 (最近最少使用的数据)
2. 数据有效期策略调整
   • 根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟
   • 过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量
3. 超热数据使用永久key
4. 定期维护（自动+人工） :对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时 ,如果此时访问量非常大,则此key可以延迟过期
5. 加锁 慎用！

总结:

缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的出现 （约40%），配合其他策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整。

3. 缓存击穿

问题所在:

Redis在某一时刻中某个key过期，并且该key访问量巨大 ,但是此时 有大量的请求从服务器直接压到Redis后，均未命中,那么此时这些大量的请求都被压到了数据库, 而数据量又是非常强大, 同样可能导致数据库的崩溃

解决方案

1. 预先设定 :以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息key的过期时长

2. 现场调整 : 监控访问量，对突然流量激增的数据延长过期时间或设置为永久性key

3. 后台刷新数据: 启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失

4. 二级缓存: 设置不同的失效时间，保障不会被同时淘汰就行

5. 加锁: 分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！

总结

缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数据库服 务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略，毕竟单个key的过期监控难度 较高，配合雪崩处理策略即可。

4. 缓存穿透

问题所在:

由于出现大量非正常URL访问 ,例如黑客攻击等, 例如URL中通过指定id号,查询文章,对于正常访问的URL,这些ID都可以在Redis中获取,避免访问数据库, 那么如果当ID不存在时, 服务就试图从数据库中获取,对数据库进行访问,

那么如果访问量过大,同样将导致数据库服务崩溃

解决方案:

1. 缓存null: 对查询结果为null的数据进行缓存（长期使用，定期清理），设定短时限，例如30-60秒，最高5分钟

2. 白名单策略

   • 提前对所有合法的数据id设置 对应的bitmaps，id作为bitmaps的offset，相当于设置了数据白名单。当加载正常数据时，放行，加载异常数据时直接拦截（效率偏低）
   • 使用布隆过滤器（有关布隆过滤器的命中问题对当前状况可以忽略）

3. 实施监控

   实时监控redis命中率（业务正常范围时，通常会有一个波动值）与null数据的占比

   • 非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象
   • 活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象

   根据倍数不同，启动不同的排查流程。然后使用黑名单进行防控（运营）

4. key加密

   问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验 例如每天随机分配60个加密串，挑选2到3个，混淆到页面数据id中，发现访问key不满足规则，驳回数据访问

总结:

缓存击穿访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致对数据库服务器造成压力。通常此类 数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警。应对策略应该在临时预案防范方面多做文章。 无论是黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除。

5.监控性能指标

对于Redis的性能关注点,共可分成如下五个分类

• 性能指标：Performance
• 内存指标：Memory
• 基本活动指标：Basic activity
• 持久性指标：Persistence
• 错误指标：Error

性能指标：Performance

名	描述
latency	Redis响应一个请求的时间
instantaneous_ops_per_sec	平均每秒处理请求总数
hit rate(calculated)	缓存命中率(计算得出)

内存指标：Memory

名	描述
used_memory	已使用内存
mem_fragmentation_ratio	内存碎片率
evicted_keys	由于最大内存限制被移除的key的数量
blocked_clients	由于BLPOP,BRPOP,or BRPOPLPUSH而被阻塞的客户端

基本活动指标：Basic activity

名	描述
connected_clients	客户端连接数
connected_slaves	Slave数量
master_last_io_seconds_ago	最近一次主从交互之后的秒数
keyspace	数据库中的key值总数

持久性指标：Persistence

名	描述
rdb_last_save_time	最后一次持久化保存到磁盘的时间戳
rdb_changes_since_last_save	自最后一次持久化以来数据库的更改数

错误指标：Error

名	描述
rejected_connections	由于达到maxclient限制而被拒绝的连接数
keyspace_misses	Key 值查找失败(未命中)
master_link_down_since_seconds	主从断开的持续时间

监控方式

工具介绍

• Cloud Insight Redis
• Prometheus
• Redis-stat
• Redis-faina
• RedisLive
• zabbix

命令

• benchmark
• redis cli
• monitor
• showlog

常用命令:

1. benchmark(Redis服务的一个指令,而非redis-cli操作Redis的命令)

   格式: redis-benchmark [-h ] [-p ] [-c ] [-n [-k ]

   范例1 : redis-benchmark 50个连接，10000次请求对应的性能

   范例2: redis-benchmark -c 100 -n 5000 50个连接，10000次请求对应的性能

   具体参数如下

   

2. monitor

   打印服务器调试信息 ,内部执行情况,例如节点之间ping命令的发送情况

3. showlong

   慢查询日志查询

   格式showlong [operator]

   • get ：获取慢查询日志
   • len ：获取慢查询日志条目数
   • reset ：重置慢查询日志

   需要打开慢查询配置

   slowlog-log-slower-than 1000 //设置慢查询的时间下限，单位：微妙
   slowlog-max-len 100 //设置慢查询命令对应的日志显示长度，单位：命令数