企业级解决方案

# 企业级解决方案

# 缓存雪崩—大量key

# 数据库服务器崩溃—1

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

# 问题排查

在一个较短的时间内，缓存中较多的key集中过期（或本来就没有缓存到）
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
数据库同时接收到大量的请求无法及时处理
Redis大量请求被积压，开始出现超时现象
数据库流量激增，数据库崩溃
重启后仍然面对缓存中无数据可用
Redis服务器资源被严重占用，Redis服务器崩溃
Redis集群呈现崩塌，集群瓦解
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
应用服务器，redis，数据库全部重启，效果不理想

# 问题分析

短时间范围内
大量key集中过期

# 解决方案（道）

更多的页面静态化处理
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）

LRU与LFU切换
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
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
加锁（如单机锁、分布式锁），防止被击穿，但是要注意也是性能瓶颈，慎重！Redis 使用 -nx 加锁，虽然高并发 Redis 请求都查询不到，但是只有一个能使用 -nx 获取到锁，才能获得 DB 的访问权限（并更新 Redis，释放锁），其他的请求 sleep 等待后下次先查询 Redis（或直接返回）！由此过滤了无效请求

# 总结

缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，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，根据运行记录做快速调整。

# 缓存击穿—单个key

# 数据库服务器崩溃—2

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

# 问题排查

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

# 问题分析

单个key高热数据
key过期

# 解决方案（术）

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
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
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
二级缓存

设置不同的失效时间，保障不会被同时淘汰就行
加锁（如单机锁、分布式锁），防止被击穿，但是要注意也是性能瓶颈，慎重！Redis 使用 -nx 加锁，虽然高并发 Redis 请求都查询不到，但是只有一个能使用 -nx 获取到锁，才能获得 DB 的访问权限（并更新 Redis，释放锁），其他的请求 sleep 等待后下次先查询 Redis（或直接返回）！由此过滤了无效请求

# 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—没有的key—网警

# 数据库服务器崩溃—3

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

# 问题排查

Redis中大面积出现未命中
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
注意：Redis 服务端缓冲区的存在，在高并发 Redis 请求到达时（比如30个）都没有找到该 key（写缓存是在业务中，需要查询数据库，需要时间的！），此时业务代码中会查询数据库，由于高并发，所以此时大量请求都命中到 DB 上，导致 DB 崩溃

# 解决方案（术）

加锁（如单机锁、分布式锁），防止被击穿，但是要注意也是性能瓶颈，慎重！Redis 使用 -nx 加锁，虽然高并发 Redis 请求都查询不到，但是只有一个能使用 -nx 获取到锁，才能获得 DB 的访问权限（并更新 Redis，释放锁），其他的请求 sleep 等待后下次先查询 Redis（或直接返回）！由此过滤了无效请求
缓存null值

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。但是如果大量 null 值占用空间，则该用布隆过滤器即可
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(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状况可以忽略)
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)
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

缓存击穿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。

# 缓存预热

# 宕机

Redis 服务器启动后迅速宕机

# 问题排查

特别是 Redis 里没有数据时

请求数量较高
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:

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
利用LRU数据删除策略，构建数据留存队列

例如：storm与kafka配合

准备工作:

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
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
热点数据主从同时预热

实施:

使用脚本程序固定触发数据预热过程
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，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!

# 布隆过滤器 🔥—未完

# 性能指标监控

# 性能指标:Performance

# 内存指标:Memory

# 基本活动指标:Basic activity

# 持久性指标:Persistence

# 错误指标:Error

# 监控方式

# 工具

Cloud Insight Redis
Prometheus
Redis-stat
Redis-faina
RedisLive
zabbix

# 命令 🔥

benchmark
redis cli
- monitor
- showlog

# benchmark

命令

src/redis-benchmark [-h ] [-p ] [-c ] [-n <requests]> [-k ]

范例1。说明:50个连接，10000次请求对应的性能

src/redis-benchmark

范例2。说明:100个连接，5000次请求对应的性能

src/redis-benchmark -c 100 -n 5000

# monitor

命令。进入 redis-cli 后

monitor

打印服务器调试信息

# showlong

命令

showlong [operator]

get :获取慢查询日志
len :获取慢查询日志条目数
reset :重置慢查询日志