Redis 进阶 -- 企业级解决方案

redis 基础理论写的差不多了，今天来个最后的，用作之后的复习使用，之后开始学习其他的东西了，好了开始搞起来，下文主要讲述有：**缓存预热、缓存雪崩、缓存击穿、缓存穿透、性能指标监控。随手总结，**用作日后复习，失眠随便看看

一、缓存预热

现象： 服务器启动后快速宕机

原因： 请求数据量比较大、主从之间数据吞吐量较大、数据同步操作频度较高

分析： 由于刚刚启动服务器，redis 中没有数据，这时候 redis 之间需要进行大量的同步信息，这时候当外界频繁的请求数据，就很容易出现服务器宕机

解决方案：

• 启动前准备工作
  • 日常进行统计数据访问记录，统计访问频度较高的热点数据利用 LRU 数据删除策略，构建数据留存队列（eg：storm 与 kafka 配合）
  • 手动去维护
  • 目的：在重启之间可以保证哪些数据是属于比较高的热点数据
• 准备工作：
  • 将统计结果的数据进行分类，更具级别，redis 优先加载级别较高的热点数据
  • 利用分布式多服务器间进行数据读取，提取数据加载过程
  • 目的：在服务器启动的时候提前将一些热点数据加载到 redis 中，保证服务器在加载数据时候有一定的热点数据，避免应用服务器过来请求数据的时候没有数据或者是不经常用的数据，同时也能够使得使得加载数据时候速度快一些。
• 实施：
  • 使用脚本程序固定出发数据预热过程
  • 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，redis 中数据为 0，造成先查询数据库，然后再数据缓存，造成 redis 压力较大，使得 cpu 内存较快的达到峰值。从而做到用户直接查询事先被预热的缓存数据！

二、缓存雪崩

现象： 系统平稳运行过程中，忽然数据库连接量激增（连接比较多），造成应用服务器无法及时处理请求，出现大量 408、500 错误页面，客户反复刷新页面但是没有获取数据。从而造成数据库崩溃、应用服务器奔溃，我们在重启应用服务器无效、Redis 服务器崩溃、Redis 集群奔溃、重启数据库后再次被瞬间流量放倒。

原因： 在一个较短的时间内，缓存中较多的 key 集中过期、造成在一定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。使得数据库同时接收到大量的请求无法进行及时处理，Redis 大量请求被积压，开始出现超时现象，数据库流量激增，数据库奔溃（重启数据库没有作用），重启后仍然面对缓存中无数据可用造成 Redis 服务器资源被严重占用，Redis 服务器奔溃，Redis 集群呈现崩溃，集群瓦解，应用服务器无法及时得到数据响应的请求，来自客户端的请求数量越来越多，使得服务器崩溃，应用服务器，redis，数据库全部重启，效果不理想。

分析：短时间内大量的 key 过期

解决方案：

• 更多的页面进行静态化处理
  • 构建多级缓存架构：nginx 缓存 +redis 缓存 +ehcache 缓存
  • 检测 mysql 严重耗时的业务进行优化
  • 对数据库的瓶颈排查：例如超时查询、耗时较高事务等
  • 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）
  • 限流、降级：短时间内牺牲一些用户体验、限制一部分请求、降低应用服务器的压力，待业务低速运转后再逐步放开访问
• 争对过期方案：
  • LRU 与 LFU 切换
  • 数据有限期策略调整：根据业务数据有效期进行分类错峰（eg：A 类 90 分钟、B 类 80 分类、C 类 70 分钟）
  • 过期时间使用固定时间 + 随机值的心是，释放计中到期的 key 数量
  • 超热数据使用永久 key
  • 定期维护（自动 + 人工）：对即将过期的数据做访问量分析，确认是否延迟，配合访问量统计，做热点数据的延迟
  • 加锁（慎用）

总结：
缓存雪崩就是瞬间的过期数据量太大，导致对数据库的服务器造成压力，如果能够有效避免过期时间的集中，就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，更具运行记录做出快速调整。

三、缓存击穿

现象： 数据库服务器奔溃

系统平稳运行的过程中，数据库连接量瞬间激增、Redis 服务器无大量 key 过期，Redis 内存平稳运行无波动，同时 Reids 服务器 CPU 正常但数据库崩溃。

原因： Redis 中某个 key 过期，改 key 访问量巨大。同时多个数据请求从服务器直接压到 Redis 后均未命中，从而造成 Redis 再短时间引发大量对数据库中同一数据的访问。
分析： 单个 key 高热且 redis 过期
解决方案：

• 通过预先设定（eg：以电商为例，每个商家都会有自己的店铺等级、指定若干款主打商品，再双十一时候，加大此类商品信息的过期时间）
• 现场调整：监控访问量，对自然流量激增的数据延长过期时间或者设置为永久 key
• 后台刷新数据：定期启动任务，高峰期来临之间，刷新数据的有效期，确保不会丢失
• 二级缓存：设置不同的失效时间，保障不会被同时淘汰
• 加锁：分布式锁，防止被击穿，但要注意性能（慎用）

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，导致数据库的压力过大，应对策略应该在业务分析与预热方面进行，配合运行监控测试与及时调整策略，毕竟单个 key 的过期监控难度较高。

四、缓存穿透

现象： 数据库服务器奔溃
系统在平稳运行中，应用服务器流浪随时间而增大，Redis 服务器命中率随时间逐步降低，但是 Redis 内存平稳运行，内存无压力，但 Redis 服务器 CPU 占用增加，数据库服务器压力增加，最终数据库服务器崩溃。

原因： Redis 中大面积出现未命中，出现非正常的 URL 访问

分析： 获取的数据在数据库中不存在，数据库查询未得到相应的数据，Redis 获取到 null 数据未进行持久化直接返回，造成下次此类数据重复这个过程（黑客攻击服务器）

解决方案：

• 缓存 null：对数据库查询结果为 null 的数据库进行缓存（长期使用、定期清理），设定短时间 30-120 秒
• 白名单策略：提前预热各种分类数据 id 对应的 bitmaps，id 作为 bitmaps 的 offset，相当于设置了数据库的白名单，在正常加载数据库的时候放行，加载异常时直接拦截（每次访问都需要加载 bitmaps，类似于加了一个拦截器，造成效率偏低）
• 使用布隆过滤器（有关布隆过滤器的命中问题对当前的状况可以直接忽略（此处不做讲解））
• 实时监控：实时监控 Redis 命中率（业务范围内。通常会有一个波动值）于 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：通常检测 5-10 倍，超过 50 倍纳入重点排查对象
  根据倍数的不同，启动不同的排查流程，然后使用黑名单进行防控
• key 加密：问题出现后，启动临时防灾业务 key，对 key 进行业务岑创数加密服务，设定校验层序，对过来的 key 校验（eg：每天随机 60 个加密串，挑选 2-3 个，混淆在页面 id 中，发现访问的 key 不满足规则时直接驳回访问）

总结：
缓存击穿范文不存在的数据，条幅哦了合法数据的 redis 数据缓存阶段，每次访问数据库导致对数据库服务器压力变大，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防时多加注意。在实时监控时，无论是黑名单还是白名单，都是对整体提供的压力，警报解除后要尽快移除。

五、性能指标监控

性能指标：

内存指标：

基本活动指标：

持久性指标：

错误指标：

监控方式：

• 工具：
  Cloud Insight Redis
  Prometheus
  Redis-stat
  Redis-faina
  RedisLive
  zabbix
• 命令：
  benchmark 压测：
  redis-cli monitor|showlog
  redis-benchmark [-h] [-p] [-n [-k]]
  eg:
  redis-benchmark -c 100 -n 5000 #100 个连接，5000 次请求对应的性能

monitor 打印服务器调试信息

redis-cli
monitor

slowlog 日志：

slowlog [operator]   #get：获取慢查询日志 len：获取慢查询日志条目  reset：重置慢查询日志
slowlog get          #eg:get

配置：

slowlog-log-slower-then 1000 #设置慢查询的时间下线。单位微秒
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