Redis应用 - 企业级解决方案

• Redis应用 - 企业级解决方案
  • 简介
  • 缓存预热
  • 缓存雪崩
  • 缓存击穿
  • 缓存穿透

简介

缓存预热、缓存雪崩、缓存击穿、缓存穿透。

缓存预热

场景: 应用服务器启动后迅速宕机

问题排查:

1. 请求数量量大
2. 主从之间数据吞吐量较大，数据同步操作频度较高

解决方案:

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，构建数据留存队列

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:

4. 使用脚本程序固定触发数据预热过程

5. 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！

缓存雪崩

场景: 数据库服务器崩溃（1）

1. 系统平稳运行过程中，忽然数据库连接量激增
2. 应用服务器无法及时处理请求
3. 大量408， 500错误页面出现
4. 客户反复刷新页面获取数据
5. 数据库崩溃
6. 应用服务器崩溃
7. 重启应用服务器无效
8. Redis服务器崩溃
9. Redis集群崩溃
10. 重启数据库后再次被瞬间流量放倒

问题排查:

1. 在一个较短的时间内，缓存中较多的key集中过期
2. 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
3. 数据库同时接收到大量的请求无法及时处理
4. Redis大量请求被积压，开始出现超时现象
5. 数据库流量激增，数据库崩溃
6. 重启后仍然面对缓存中无数据可用
7. Redis服务器资源被严重占用， Redis服务器崩溃
8. Redis集群呈现崩塌，集群瓦解
9. 应用服务器无法及时得到数据响应请求，来自客户端的请求数量越来越多，应用服务器崩溃
10. 应用服务器， redis，数据库全部重启，效果不理想

解决方案（道）:

1. 更多的页面静态化处理
2. 构建多级缓存架构

• Nginx缓存+redis缓存+ehcache缓存

3. 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

4. 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

5. 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

解决方案（术）:

1. LRU与LFU切换
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

5. 加锁机制

总结: 缓存雪崩是指由于大量的热数据设置了相同或接近的过期时间，导致缓存在某一时刻密集失效，大量请求全部转发到DB，或者是某个冷数据瞬间涌入大量访问，这些查询在缓存MISS后，并发的将请求透传到DB，DB瞬时压力过载从而拒绝服务。

缓存击穿

场景: 数据库服务器崩溃（2）

1. 系统平稳运行过程中
2. 数据库连接量瞬间激增
3. Redis服务器无大量key过期
4. Redis内存平稳，无波动
5. Redis服务器CPU正常
6. 数据库崩溃

问题排查:

1. Redis中某个key过期，该key访问量巨大
2. 多个数据请求从服务器直接压到Redis后，均未命中
3. Redis在短时间内发起了大量对数据库中同一数据的访问

解决方案（术）

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。注意: 购物节不仅仅指当天，以及后续若干天，访问峰值呈现逐渐降低的趋势

2. 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。

缓存穿透

场景: 数据库服务器崩溃（3）

1. 系统平稳运行过程中
2. 应用服务器流量随时间增量较大
3. Redis服务器命中率随时间逐步降低
4. Redis内存平稳，内存无压力
5. Redis服务器CPU占用激增
6. 数据库服务器压力激增
7. 数据库崩溃

问题排查:

1. Redis中大面积出现未命中
2. 出现非正常URL访问

问题分析:

• 获取的数据在数据库中也不存在，数据库查询未得到对应数据
• Redis获取到null数据未进行持久化，直接返回
• 下次此类数据到达重复上述过程
• 出现黑客攻击服务器

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，相当于设置了数据白名单。 当加载正常数据时，放行，加载异常数据时直接拦截，具体实现布隆过滤器。

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: 缓存穿透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。