概念

缓存穿透

在高并发下，查询一个不存在的值时，缓存不会被命中，导致大量请求直接落到数据库上，如活动系统里面查询一个不存在的活动。

缓存击穿

在高并发下，对一个特定的值进行查询，但是这个时候缓存正好过期了，缓存没有命中，导致大量请求直接落到数据库上，如活动系统里面查询活动信息，但是在活动进行过程中活动缓存突然过期了。

缓存雪崩

在高并发下，大量的缓存key在同一时间失效，导致大量的请求落到数据库上，如活动系统里面同时进行着非常多的活动，但是在某个时间点所有的活动缓存全部过期。

常见解决方案

• 直接缓存NULL值
• 限流
• 缓存预热
• 分级缓存
• 缓存永远不过期

layering-cache实践

在layering-cache里面结合了缓存NULL值，缓存预热，限流、分级缓存和间接的实现"永不过期"等几种方案来应对缓存穿透、击穿和雪崩问题。

直接缓存NULL值

应对缓存穿透最有效的方法是直接缓存NULL值，但是缓存NULL的时间不能太长，否则NULL数据长时间得不到更新，也不能太短，否则达不到防止缓存击穿的效果。

我在layering-cache对NULL值进行了特殊处理，一级缓存不允许存NULL值，二级缓存可以配置缓存是否允许存NULL值，如果配置可以允许存NULL值，框架还支持配置缓存非空值和NULL值之间的过期时间倍率，这使得我们能精准的控制每一个缓存的NULL值过期时间，控制粒度非常细。当NULL缓存过期我还可以使用限流，缓存预热等手段来防止穿透。

示例：

@Cacheable(value = "people", key = "#person.id", depict = "用户信息缓存",        firstCache = @FirstCache(expireTime = 10, timeUnit = TimeUnit.MINUTES),        secondaryCache = @SecondaryCache(expireTime = 10, timeUnit = TimeUnit.HOURS,                isAllowNullValue = true, magnification = 10))public Person findOne(Person person) {    Person p = personRepository.findOne(Example.of(person));    logger.info("为id、key为:" + p.getId() + "数据做了缓存");    return p;}

在这个例子里面isAllowNullValue = true表示允许缓存NULL值，magnification = 10表示NULL值和非NULL值之间的时间倍率是10，也就是说当缓存值为NULL时，二级缓存的有效时间将是1个小时。

限流

应对缓存穿透的常用方法之一是限流，常见的限流算法有滑动窗口，令牌桶算法和漏桶算法，或者直接使用队列、加锁等，在layering-cache里面我主要使用分布式锁来做限流。

layering-cache数据读取流程： 

下面是读取数据的核心代码：

private <T> T executeCacheMethod(RedisCacheKey redisCacheKey, Callable<T> valueLoader) {Lock redisLock = new Lock(redisTemplate, redisCacheKey.getKey() + "_sync_lock");// 同一个线程循环20次查询缓存，每次等待20毫秒，如果还是没有数据直接去执行被缓存的方法for (int i = 0; i < RETRY_COUNT; i++) {try {// 先取缓存，如果有直接返回，没有再去做拿锁操作Object result = redisTemplate.opsForValue().get(redisCacheKey.getKey());if (result != null) {logger.debug("redis缓存 key= {} 获取到锁后查询查询缓存命中，不需要执行被缓存的方法", redisCacheKey.getKey());return (T) fromStoreValue(result);}// 获取分布式锁去后台查询数据if (redisLock.lock()) {T t = loaderAndPutValue(redisCacheKey, valueLoader, true);logger.debug("redis缓存 key= {} 从数据库获取数据完毕，唤醒所有等待线程", redisCacheKey.getKey());// 唤醒线程container.signalAll(redisCacheKey.getKey());return t;}// 线程等待logger.debug("redis缓存 key= {} 从数据库获取数据未获取到锁，进入等待状态，等待{}毫秒", redisCacheKey.getKey(), WAIT_TIME);container.await(redisCacheKey.getKey(), WAIT_TIME);} catch (Exception e) {container.signalAll(redisCacheKey.getKey());throw new LoaderCacheValueException(redisCacheKey.getKey(), e);} finally {redisLock.unlock();}}logger.debug("redis缓存 key={} 等待{}次，共{}毫秒，任未获取到缓存，直接去执行被缓存的方法", redisCacheKey.getKey(), RETRY_COUNT, RETRY_COUNT * WAIT_TIME, WAIT_TIME);return loaderAndPutValue(redisCacheKey, valueLoader, true);
}

当需要加载缓存的时候，需要获取到锁才有权限到后台去加载缓存数据，否则就会等待（同一个线程循环20次查询缓存，每次等待20毫秒，如果还是没有数据直接去执行被缓存的方法，这个主要是为了防止获取到锁并且去加载缓存的线程出问题，没有返回而导致死锁）。当获取到锁的线程执行完成会将获取到的数据放到缓存中，并且唤醒所有等待线程。

这里需要注意一下让线程等待一定不能用Thread.sleep()，我在使用Spring Redis Cache的时候，我发现当并发达到300左右，缓存一旦过期就会引起死锁，原因是使用的是sleep方法来让没有获取到锁的线程等待，当等待的线程很多的时候会产生大量上下文切换，导致获取到锁的线程一直获取不到cpu的执行权，导致死锁。在layering-cache里面，我们使用的是LockSupport.parkNanos方法，它会释放cpu资源, 因为我们使用的是redis分布式锁，所以也不能使用wait-notify机制。

缓存预热

有效应对缓存的击穿和雪崩的方式之一是缓存预加载。

@Cacheable(value = "people", key = "#person.id", depict = "用户信息缓存",firstCache = @FirstCache(expireTime = 10, timeUnit = TimeUnit.MINUTES),secondaryCache = @SecondaryCache(expireTime = 10, preloadTime = 2,timeUnit = TimeUnit.HOURS,))
public Person findOne(Person person) {Person p = personRepository.findOne(Example.of(person));logger.info("为id、key为:" + p.getId() + "数据做了缓存");return p;
}

在 layering-cache里面二级缓存会配置两个时间，expireTime是缓存的过期时间，preloadTime 是缓存的刷新时间（预加载时间）。每次二级缓存被命中都会去检查缓存的过去时间是否小于刷新时间，如果小于就会开启一个异步线程预先去更新缓存，并将新的值放到缓存中，有效的保证了热点数据**"永不过期"**。这里预先更新缓存也是需要加锁的，并不是所有的线程都会落到库上刷新缓存，如果没有获取到锁就直接结束当前线程。

/*** 刷新缓存数据*/
private <T> void refreshCache(RedisCacheKey redisCacheKey, Callable<T> valueLoader, Object result) {Long ttl = redisTemplate.getExpire(redisCacheKey.getKey());Long preload = preloadTime;// 允许缓存NULL值，则自动刷新时间也要除以倍数boolean flag = isAllowNullValues() && (result instanceof NullValue || result == null);if (flag) {preload = preload / getMagnification();}if (null != ttl && ttl > 0 && TimeUnit.SECONDS.toMillis(ttl) <= preload) {// 判断是否需要强制刷新在开启刷新线程if (!getForceRefresh()) {logger.debug("redis缓存 key={} 软刷新缓存模式", redisCacheKey.getKey());softRefresh(redisCacheKey);} else {logger.debug("redis缓存 key={} 强刷新缓存模式", redisCacheKey.getKey());forceRefresh(redisCacheKey, valueLoader);}}

/** * 硬刷新（执行被缓存的方法） * * @param redisCacheKey {@link RedisCacheKey} * @param valueLoader   数据加载器 */private <T> void forceRefresh(RedisCacheKey redisCacheKey, Callable<T> valueLoader) {    // 尽量少的去开启线程，因为线程池是有限的    ThreadTaskUtils.run(() -> {        // 加一个分布式锁，只放一个请求去刷新缓存        Lock redisLock = new Lock(redisTemplate, redisCacheKey.getKey() + "_lock");        try {            if (redisLock.lock()) {                // 获取锁之后再判断一下过期时间，看是否需要加载数据                Long ttl = redisTemplate.getExpire(redisCacheKey.getKey());                if (null != ttl && ttl > 0 && TimeUnit.SECONDS.toMillis(ttl) <= preloadTime) {                    // 加载数据并放到缓存                    loaderAndPutValue(redisCacheKey, valueLoader, false);                }            }        } catch (Exception e) {            logger.error(e.getMessage(), e);        } finally {            redisLock.unlock();        }    });}

在缓存总量和并发量都很大的时候，这个时候缓存如果同时失效，缓存预热将是一个非常漫长的过程，就比如说服务重启或新上线一个新的缓存。这个时候我们可以采用切流的方式，让缓存慢慢预热，如开始切10%流量，观察没有异常后，再切30%流量，观察没有异常后，再切60%流量，然后全量。这种方式虽然有点繁琐，但是一旦遇到异常我们可以快速的切回流量，让风险可控。

总结

总体来说layering-cache在缓存穿透、击穿和雪崩上是以预防为主，补救为辅。而在应对缓存的这些问题上其实也没有一个完全完美的方案，只有最适合自己业务系统的方案。目前如果直接使用layering-cache缓存框架已经基本能应对大部分的缓存问题了。

这是关于缓存的问题，但是相信每一个程序员都清楚，当你在面试的过程中，只要涉及到缓存了，必定和一个技术脱不开关系，对，就是Redis

而对于Redis的学习感兴趣的老铁，或者今天的文章没怎么看明白的老铁，没关系，等更新太慢了，视频+文档资料来了

redis学习面试集锦

zookeeper解决方案

关注公众号：Java架构师联盟，每日更新技术好文，