目录
1.什么是缓存
缓存(cache)是计算机中的一个经典的概念.在很多场景中都会涉及到.
核心思路就是把一些常用的数据放到触手可及(访问速度更快)的地方，方便随时读取.
举个例子:
比如我需要去高铁站坐高铁.我们知道坐高铁是需要反复刷身份证的(进入高铁站，检票，上车，
乘车过程中，出站....
正常来说，我的身份证是放在皮箱里的(皮箱的存储空间大，足够能装).但是每次刷身份证都需
要开一次皮箱找身份证， 就非常不方便.
因此我就可以把身份证先放到衣服口袋里.口袋虽然空间小，但是访问速度比皮箱快很多.
这样的话每次刷身份证我只需要从口袋里掏身份证就行了，就不必开皮箱了.
此时"口袋"就是"皮箱"的缓存.使用缓存能够大大提高访问效率.
这里所说的"触手可及"是个相对的概念.
我们知道，对于硬件的访问速度来说，通常情况下
CPU寄存器>内存>硬盘>网络
那么硬盘相对于网络是"触手可及的",就可以使用硬盘作为网络的缓存.
内存相对于硬盘是"触手可及的",就可以使用内存作为硬盘的缓存.
CPU寄存器相对于内存是"触手可及的",就可以使用CPU寄存器作为内存的缓存.
对于计算机硬件来说,往往访问速度越快的设备,成本越高,存储空间越小
缓存是更快，但是空间上往往是不足的.因此大部分的时候,缓存只放一些热点数据(访问频繁的数据),就非常有用了.
关于"二八定律"
20%的热点数据，能够应对80%的访问场景.
因此只需要把这少量的热点数据缓存起来，就可以应对大多数场景,从而在整体上有明显的性能提升.
2.使用Redis作为缓存
在一个网站中，我们经常会使用关系型数据库(此如MySQL)来存储数据.
关系型数据库虽然功能强大,但是有- -个很大的缺陷，就是性能不高. (换而言之，进行一次查询操作消耗的系统资源较多).
为什么说关系型数据库性能不高?
1.数据库把数据存储在硬盘上，硬盘的IO速度并不快.尤其是随机访问.
2.如果查询不能命中索引，就需要进行表的遍历,这就会大大增加硬盘I0次数.
3.关系型数据库对于SQL的执行会做一系列的解析，校验，优化工作.
4.如果是一些复杂查询，比如联合查询，需要进行笛卡尔积操作，效率更是降低很多.
5. ....
因此,如果访问数据库的并发量比较高,对于数据库的压力是很大的,很容易就会使数据库服务器宕机.
为什么并发量高了就会宕机?
服务器每次处理一个请求， 都是需要消耗一-定的硬件 资源的.所谓的硬件资源包括不限于CPU,
内存，硬盘,网络带.....
一个服务器的硬件资源本身是有限的.一个请求消耗一份资源， 请求多了，自然把资源就耗尽了.后续的请求没有资源可用，自然就无法正确处理.更严重的还会导致服务器程序的代码出现崩溃.
如何让数据库能够承担更大的并发量呢?核心思路主要是两个:
●开源: 引入更多的机器，部署更多的数据库实例,构成数据库集群. (主从复制，分库分表等...)
●节流:引入缓存， 使用其他的方式保存经常访问的热点数据，从而降低直接访问数据库的请求数量
实际开发中,这两种方案往往是会搭配使用的.
Redis就是一个用来作为数据库缓存的常见方案.
Redis访问速度比MySQL快很多.或者说处理同一个访问请求，Redis消耗的系统资源比MySQL少很多.因此Redis能支持的并发量更大.
●Redis数据在内存中，访问内存比硬盘快很多.
●Redis只是支持简单的key-value存储，不涉及复杂查询的那么多限制规则.
就像一个"护盾"一样,把MySQL给罩住了.
●客户端访问业务服务器，发起查询请求.
●业务服务器先查询Redis,看想要的数据是否在Redis中存在.
如果已经在Redis中存在了，就直接返回.此时不必访问MySQL了.
如果在Redis中不存在，再查询MySQL.
按照上述讨论的"二八定律" ,只需要在Redis中放20%的热点数据,就可以使80%的请求不再真正查
询数据库了.
当然，实践中究竟是"二八",还是"一九",还是"三七",这个情况可能会根据业务场景的不同,存在差
异.但是至少绝大多数情况下，使用缓存都能够大大提升整体的访问效率,降低数据库的压力.
注意!
缓存是用来加快"读操作"的速度的.如果是"写操作",还是要老老实实写数据库,缓存并不能提高性能.
3.缓存的更新策略
接下来还有一个重要的问题,到底哪些数据才是"热点数据"呢?
1)定期生成
每隔一定的周期(比如一天/一周/一个月),对于访问的数据频次进行统计.挑选出访问频次最高的前N%的数据.
以搜索引擎为例.
用户在搜索引擎中会输入一个"查询词",有些词是属于高频的，大家都爱搜(鲜花，蛋糕，同城交
友，不孕不育...有些词就属于低频的，大家很少搜.
搜索引擎的服务器会把哪个用户什么时间搜了啥词，都通过日志的方式记录的明明白白.然后
每隔一段时间对这期间的搜索结果进行统计(日志的数量可能非常巨大，这个统计的过程可能
需要使用hadoop或者spark等方式完成).从而就可以得到"高频词表"
这种做法实时性较低.对于一些突然情况应对的并不好.
比如春节期间, "春晚"这样的词就会成为非常高频的词.而平时则很少会有人搜索"春晚".
2)实时生成
先给缓存设定容量上限(可以通过Redis配置文件的maxmemory 参数设定).
接下来把用户每次查询:
●如果在Redis查到了,就直接返回.
●如果Redis中不存在,就从数据库查,把查到的结果同时也写入Redis.
如果缓存已经满了(达到上限),就触发缓存淘汰策略,把- -些"相对不那么热门"的数据淘汰掉.
按照上述过程，持续一段时间之后Redis内部的数据自然就是"热门数据"了.
通用的淘汰策略主要有以下几种:
下列策 略并非局限于Redis,其他缓存也可以按这些策略展开.
FIFO (First In First Out)先进先出
把缓存中存在时间最久的(也就是先来的数据)淘汰掉.
LRU (Least Recently Used)淘汰最久未使用的
记录每个key的最近访问时间.把最近访问时间最老的key淘汰掉.
LFU (Least Frequently Used)淘汰访问次数最少的
Random随机淘汰
从所有的key中抽取幸运) L被随机淘汰掉.
这里的淘汰策略,我们可以自己实现.当然Redis也提供了内置的淘汰策略,也可以供我们直接使用.
Redis内置的淘汰策略如下:
●volatile-lru当内存不足以容纳新写入数据时，从设置了过期时间的key中使用LRU (最近最少使用)算法进行淘汰
●allkeys-lru当内存不足以容纳新写入数据时，从所有key中使用LRU (最近最少使用)算法进行淘汰.
●volatile-lfu 4.0版本新增，当内存不足以容纳新写入数据时，在过期的key中，使用LFU算法进行删除key.
●allkeys-lfu 4.0版本新增，当内存不足以容纳新写入数据时，从所有key中使用LFU算法进行淘汰.
●volatile- random 当内存不足以容纳新写入数据时，从设置了过期时间的key中，随机淘汰数据.
●allkeys- random当内存不足以容纳新写入数据时，从所有key中随机淘汰数据.
●volatile-ttl在设置了过期时间的key中，根据过期时间进行淘汰，越早过期的优先被淘汰.
(相当于FIFO,只不过是局限于过期的key)
●noeviction默认策略，当内存不足以容纳新写入数据时，新写入操作会报错.
整体来说Redis提供的策略和我们上述介绍的通用策略是基本一致的. 只不过Redis这里会针对"过期
key"和"全部key"做分别处理.
4.缓存预热，缓存穿透,缓存雪崩和缓存击穿
关于缓存预热(Cache preheating)
什么是缓存预热
使用Redis作为MySQL的缓存的时候,当Redis刚刚启动,或者Redis大批key失效之后，此时由于
Redis自身相当于是空着的，没啥缓存数据，那么MySQL就可能直接被访问到,从而造成较大的压力.
因此就需要提前把热点数据准备好，直接写入到Redis中.使Redis可以尽快为MySQL撑起保护伞.
热点数据可以基于之前介绍的统计的方式生成即可.这份热点数据不一定非得那么"准确",只要能帮助MySQL抵挡大部分请求即可.随着程序运行的推移,缓存的热点数据会逐渐自动调整,来更适应当前情况.
关于缓存穿透(Cache penetration)
什么是缓存穿透?
访问的key在Redis和数据库中都不存在.此时这样的key不会被放到缓存上,后续如果仍然在访问该
key,依然会访问到数据库.
这就会导致数据库承担的请求太多,压力很大.
这种情况称为缓存穿透.
为何产生?
原因可能有几种:
●业务设计不合理.比如缺少必要的参数校验环节，导致非法的key也被进行查询了.
●开发/运维误操作.不小心把部分数据从数据库上误删了.
● 黑客恶意攻击.
如何解决?
针对要查询的参数进行严格的合法性校验.比如要查询的key是用户的手机号,那么就需要校验当前
key是否满足一个合法的手机号的格式.
针对数据库.上也不存在的key ,也存储到Redis中，比如value就随便设成一一个 ".避免后续频繁访
问数据库.
使用布隆过滤器先判定key是否存在,再真正查询.
关于缓存雪崩(Cache avalanche)
什么是缓存雪崩
短时间内大量的key在缓存上失效,导致数据库压力骤增,甚至直接宕机.
本来Redis是MySQL的一一个护盾，帮MySQL抵挡了很多外部的压力.一旦护盾突然失效了 , MySQL
自身承担的压力骤增,就可能直接崩溃.
为何产生?
大规模key失效,可能性主要有两种:
●Redis挂了.
●Redis上的大量的key同时过期.
为啥会出现大量的key同时过期?
这种和可能是短时间内在Redis.上缓存了大量的key,并且设定了相同的过期时间.
如何解决?
●部署高可用的Redis集群,并且完善监控报警体系.
●不给key设置过期时间或者设置过期时间的时候添加随机时间因子.
关于缓存击穿(Cache breakdown)
什么是缓存击穿?
相当于缓存雪崩的特殊情况.针对热点key ,突然过期了,导致大量的请求直接访问到数据库上，甚至引起数据库宕机.
如何解决?
●基于统计的方式发现热点key,并设置永不过期.
●进行必要的服务降级.例如访问数据库的时候使用分布式锁，限制同时请求数据库的并发数.