当地网站建设问卷调查12306网站为什么做不好使
缓存 “三剑客” 问题
如何保证 Redis 缓存和数据库的一致性？
1. 缓存穿透
缓存穿透是指请求一个不存在的数据，缓存层和数据库层都没有这个数据，这种请求会穿透缓存直接到数据库进行查询
解决方案：
1.1 缓存空值或特殊值
查一个不存在的数据时，给一个对应的 key 数据，存入缓存
注意，这里给出的数据不能是 null 等，不然也会被缓存判断为没有。
1.2 使用布隆过滤器
1.2.1 什么是布隆过滤器？
布隆过滤器（Bloom Filter）是一种数据结构，用于快速判断一个元素是否属于一个集合中。
它使用多个 Hash 函数将一个元素映射成一个位阵列（Bit array）中的一个点，将 Bit array 理解为一个二进制数组，数组元素是 0 或 1。
当一个元素加入集合时，通过 N 个散列函数将这个元素映射到一个 Bit array 中的 N 个点，把它们设置为 1。
1.2.2 检测原理
检索某个元素是否在缓存中有时，再通过这 N 个散列函数对这个元素进行映射，根据映射找到具体位置的元素：
- 一定不存在：位数组对应的下标上有一个或多个是 0，直接返回
- 有可能存在：位数组对应的下标上每个对应值都 1，查Redis
当数据存入缓存中时，会同时存储一个 Redis 的键到布隆过滤器中。会通过布隆过滤器提供的多个 Hash 函数对 Key 进行 Hash 运算，再对位数组长度进行取余，得到一个下标，将该下标值设置为 1。
1.2.3 实现步骤
引入依赖：
<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>28.2-jre</version>
</dependency>
测试代码：
public class BloomFilterExample {public static void main(String[] args) {// 创建一个布隆过滤器，预期元素数量为1000，误判率为0.01BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), 1000, 0.01);// 添加元素到布隆过滤器bloomFilter.put("example1");bloomFilter.put("example2");bloomFilter.put("example3");// 测试元素是否在布隆过滤器中System.out.println(bloomFilter.mightContain("example1")); // trueSystem.out.println(bloomFilter.mightContain("example4")); // false}
}
误判率是你可以调整的一个参数，较低的误判率通常需要更多的空间和计算资源
2. 缓存击穿
某一个热点数据的 key 突然过期，造成大量请求直达数据库。
解决方案：
2.1 热点数据永不过期
其实并非真正的永不过期，而是设置定时任务，等到一个访问率较低的时候，更新缓存数据（先删除缓存中的数据，再查询数据，再写入缓存），从而实现 “永不过期” 的效果。
2.2 接口限流或者降级
2.3 分布式锁
在分布式环境下，传统锁会失效，因为传统锁是基于 JVM 的
这时就要用分布式锁来实现，
解决方案：
2.3.1 redisson 方案
执行流程：
- 线程一尝试去获取锁，拿到锁之后（锁的有效是 30S）
- 在后台开启一个子线程，定时（每过 10S）去查询当前线程是否还持有锁，如果有，则给锁续命（延长锁到 30S），直到主线程执行结束，手动释放锁
- 线程二尝试去获取锁，拿锁失败，会进行自旋（每隔一定时间去拿锁），直到拿锁成功后去执行 2
public class RedissonDistributedLockExample {public static void main(String[] args) {// 配置 Redisson 客户端Config config = new Config();// 假设Redis地址和密码config.useSingleServer().setAddress("redis://127.0.0.1:6379").setPassword("redis");RedissonClient redisson = Redisson.create(config);// 获取锁RLock Lock = redisson.getLock("myLock");try {// 尝试加锁，最多等待100秒，锁持有时间为10秒boolean isLocked = lock.tryLock(100, 10, TimeUnit.SECONDS);if (isLocked) {System.out.printLn（"成功获取到锁，开始执行临界区代码");// 模拟临界区代码执行Thread.sleep(5000);} else {System.out.printLn（"未能获取到锁");}} catch (InterruptedException e) {e.printStackTrace();} finally {// 释放锁if (lock.isHeldByCurrentThread()) {lock.unlock();System.out.printLn（"锁已释放"）;}}// 关闭Redisson 客户端redisson.shutdown();}
}
2.3.2 Zookeeper 方案
基于临时序号节点 + 监听机制
3. 缓存雪崩
缓存雪崩是缓存中大量 key 失效后当高并发到来时导致大量请求到数据库，瞬间耗尽数据库资源，导致数据库无法使用。
解决方案：
3.1 分布式锁
参考缓存击穿中的分布式锁
3.2 热点数据永不过期
其实这个 “永不过期” 并非真正的永不过期，而是使用定时任务等技术，在服务器压力最小时，定时更新缓存，以实现 “永不过期” 的效果。
3.3 key 随机过期时间
在向 Redis 中添加缓存，设置过期时间时，多添加一个随机时间
//生成随机数
int randomNum = new Random().nextInt(6000);
RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()//过期时间为基础时间加随机数.entryTtl(Duration.ofSeconds(24 * 60 * 60L + randomNum)).serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(JACKSON_SERIALIZER));return RedisCacheManager.builder(connectionFactory).cacheDefaults(config).transactionAware().build();
以防止在同一时间内大量 key 失效。
注意：这个随机时间不建议设置太大，如果是在是需要失效的 key 太多，可以将时间单位设置位毫秒，甚至是纳秒，同样也能实现效果。