【Redis】一文讲透缓存更新策略与缓存预热、穿透、雪崩、击穿

Redis 缓存策略

数据变更后的处理

当 MySQL 发生新增、修改、删除时,缓存也要跟着处理。常见思路是:

  1. 先修改 MySQL
  2. 删除 Redis 中对应的 key
  3. 下次查询时再按实时生成流程写回 Redis

第二步这里选择"删除缓存",不直接修改缓存里的值,原因是缓存里的数据可能不是数据库单表字段,可能经过了关联查询、计算、排序、过滤,直接改缓存值容易漏掉逻辑。

如果倒过来,先删缓存再改 MySQL 会出现什么情况呢?单一线程下一般是没有问题的;在并发情况下,可能出现这种顺序:

  1. 线程 A 删除缓存
  2. 线程 B 查询缓存未命中,读取旧 MySQL 数据,并写入 Redis
  3. 线程 A 修改 MySQL

这导致 Redis 里留下的还是旧数据,这类问题后续处理起来会比较麻烦。

缓存更新策略

缓存更新本质上是在处理两个问题:

  • Redis 里应该提前放哪些数据
  • MySQL 数据变化后,Redis 里的旧数据怎么办

定期生成

定期生成就是按固定周期把一批数据写入 Redis,比如每隔一段时间通过 shell / python 脚本从 MySQL 查出热门数据,再写入缓存。

适合场景:

  • 数据变化频率不高
  • 查询量比较大
  • 允许短时间读到旧数据

它的好处是读请求来了以后可以直接查 Redis,请求链路比较短。问题是数据会有延迟,如果 MySQL 已经变了,但下一轮缓存生成还没执行,用户可能读到旧数据。

实时生成

实时生成也就是常见的 Cache Aside 读流程:

  1. 请求查 key,先访问 redis
  2. redis 命中则直接返回;未命中则查 MySQL
  3. MySQL 查询到数据,返回并更新 redis;未查到则直接返回

这种方式不会一开始就把所有数据都放进 Redis,而是用户访问到哪个 key,就把哪个 key 放进去。它适合数据量比较大、热点数据会自然出现的场景。经过一段时间的"动态平衡",redis 中存储的数据就逐渐成为热点数据了,这又会引出另一个问题:随着时间推移数据越写越多,逐渐达到 redis 的内存上限,旧的热点 key

访问变少了,新的热点 key 插入不进来,此时就要引进内存淘汰策略

注意事项

内存淘汰策略

如果 Redis 内存达到上限,就会触发淘汰策略(这里不一定是物理内存,还可能是 redis 本身的配置文件中规定的最大内存容量)

常见策略有以下几种👇

  • FIFO(First in first out)先进先出
    把缓存中存在时间最久的 key 给删掉
  • LRU(Least recently used)淘汰最久未使用的
    记录每个 key 的最近一次的访问时间,淘汰最近访问时间最老的 key
  • LFU(Least frequently used)淘汰访问次数最少的
    记录每个 key 最近一段时间的访问次数,淘汰访问次数最少的 key
  • Random 随机淘汰
    随机挑选一位幸运儿

缓存预热

redis 服务器首次接入的时候,服务器是没有任何数据的,所有的数据都会访问 MySQL 后再进入 redis,数据库的压力才会慢慢变小。缓存预热就是解决这种问题:它将定期生成和实时生成结合了,通过离线的方式,通过一些统计的途径,先把找到一批热点🔥数据,预先导入到 redis 中,能帮数据库承担一部分访问压力。等后续时间的推移,逐渐就使用新的热点数据来淘汰旧的热点数据

缓存穿透(penetration)

请求查询一个不存在的数据,Redis 没有,MySQL 也没有。每次请求都会打到 MySQL,缓存没有起到保护作用

一部分的原因🌧️

  • 业务设计不合理,缺少必要的参数校验
  • 开发/运维误操作将部分数据从数据库上误删
  • 恶意攻击

常见处理:

  • 缓存空值:MySQL 查不到时,把空结果也写入 Redis,并设置较短过期时间
  • 布隆过滤器:先判断 key 是否可能存在,不可能存在就直接拦截
  • 参数校验:明显非法的 id、页码、业务参数,不进入缓存和数据库查询流程

缓存空值要注意过期时间不能太长,不然真实数据后来被写入 MySQL 时,Redis 里还留着空结果,会让用户继续查不到。

缓存雪崩

在短时间内大量缓存 key 在同一时间失效,或者 Redis 整体不可用,导致缓存的命中率大幅下降,请求集中访问 MySQL,数据库的压力迅速上升,甚至直接宕机了。

出现这种情况的几个典型栗子🌰:

  • redis 突然不可用 / 集群模式下大量节点宕机
  • 某个时间点大量 key 同时过期

处理思路:

  • 给过期时间加随机值,避免大量 key 同一时间失效
  • 对特别核心的数据做缓存预热
  • 对数据库访问加限流,避免请求把 MySQL 打满

缓存雪崩是"大面积缓存同时失效"的问题。沿着这个问题再往下看,会出现一个更具体的场景:不是很多 key 同时失效,而是针对热点 key 失效,大量请求都冲向同一份数据,这就是缓存击穿。

缓存击穿(breakdown)

相当于缓存雪崩的特殊情况,针对热点 key 突然失效时,大量并发请求同时发现 Redis 未命中,大量的请求访问到 MySQL 上

它和缓存雪崩的区别:

  • 缓存雪崩:大量 key 同时失效,影响面大
  • 缓存击穿:一个热点 key 失效,但访问量非常大

常见处理:

  • 热点 key 设置更长的过期时间,或者用逻辑过期控制刷新
  • 进行服务降级,如访问数据库时使用\[分布式锁] 🔒,限制请求数据库的并发数
相关推荐
codeejun2 小时前
每日一Go·MySQL-17、分页优化方案
数据库·mysql
CoderYanger2 小时前
Java EE 进阶:9.MyBatis 操作数据库(进阶)(第四弹):图书管理系统(用户登录+添加图书)
java·数据库·spring boot·mysql·面试·java-ee·mybatis
Decay__3 小时前
附 - 02・SQLServer 分库分表与中间件 —— 原生分区表、横向分库实践与联邦查询
运维·数据库·sql·mysql·架构
牧瀬クリスだ3 小时前
从零手写博客系统:分层架构与统一响应(一)
java·数据库·架构·mybatis·springboot·安全架构
the局外人3 小时前
Python 实战检索优化:BM25、向量与重排
数据库·后端·python
得物技术3 小时前
从研发经验到团队知识:Akashic知识工程实践|得物技术
数据库·程序员·架构
ClouGence3 小时前
开源数据库管理工具 CloudDM 发布新版本,支持 GreptimeDB 数据源
数据库·kafka
wno7044 小时前
Centos下PostgreSQL安装部署详细步骤
java·数据库·spring boot
文丑颜不良啊4 小时前
InnoDB 和 MyISAM
数据库
ShineWinsu5 小时前
对于Qt:QVBoxLayout常见属性以及方法的解析
开发语言·数据库·c++·qt·gui·客户端·布局管理器