一：前言
設計一個緩存系統，不得不要考慮的問題就是：緩存穿透、緩存擊穿與失效時的雪崩效應。
二：緩存穿透
緩存穿透是指查詢一個一定不存在的資料，由于緩存是不命中時被動寫的，并且出于容錯考慮，如果從存儲層查不到資料則不寫入緩存，這将導緻這個不存在的資料每次請求都要到存儲層去查詢，失去了緩存的意義。在流量大時，可能DB就挂掉了，要是有人利用不存在的key頻繁攻擊我們的應用，這就是漏洞。
三：解決方案
有很多種方法可以有效地解決緩存穿透問題，最常見的則是采用布隆過濾器，将所有可能存在的資料哈希到一個足夠大的bitmap中，一個一定不存在的資料會被 這個bitmap攔截掉，進而避免了對底層存儲系統的查詢壓力。另外也有一個更為簡單粗暴的方法（我們采用的就是這種），如果一個查詢傳回的資料為空（不管是數 據不存在，還是系統故障），我們仍然把這個空結果進行緩存，但它的過期時間會很短，最長不超過五分鐘。
四：緩存雪崩
緩存雪崩是指在我們設定緩存時采用了相同的過期時間，導緻緩存在某一時刻同時失效，請求全部轉發到DB，DB瞬時壓力過重雪崩。
五：解決方案
緩存失效時的雪崩效應對底層系統的沖擊非常可怕。大多數系統設計者考慮用加鎖或者隊列的方式保證緩存的單線 程（程序）寫，進而避免失效時大量的并發請求落到底層存儲系統上。這裡分享一個簡單方案就時講緩存失效時間分散開，比如我們可以在原有的失效時間基礎上增加一個随機值，比如1-5分鐘随機，這樣每一個緩存的過期時間的重複率就會降低，就很難引發集體失效的事件。
六：緩存擊穿
對于一些設定了過期時間的key，如果這些key可能會在某些時間點被超高并發地通路，是一種非常“熱點”的資料。這個時候，需要考慮一個問題：緩存被“擊穿”的問題，這個和緩存雪崩的差別在于這裡針對某一key緩存，前者則是很多key。
緩存在某個時間點過期的時候，恰好在這個時間點對這個Key有大量的并發請求過來，這些請求發現緩存過期一般都會從後端DB加載資料并回設到緩存，這個時候大并發的請求可能會瞬間把後端DB壓垮。
七：解決方案
1、使用互斥鎖(mutex key)
業界比較常用的做法，是使用mutex。簡單地來說，就是在緩存失效的時候（判斷拿出來的值為空），不是立即去load db，而是先使用緩存工具的某些帶成功操作傳回值的操作（比如Redis的SETNX或者Memcache的ADD）去set一個mutex key，當操作傳回成功時，再進行load db的操作并回設緩存；否則，就重試整個get緩存的方法。
SETNX，是「SET if Not eXists」的縮寫，也就是隻有不存在的時候才設定，可以利用它來實作鎖的效果。在redis2.6.1之前版本未實作setnx的過期時間，是以這裡給出兩種版本代碼參考：
//2.6.1前單機版本鎖
String get(String key) {
String value = redis.get(key);
if (value == null) {
if (redis.setnx(key_mutex, "1")) {
// 3 min timeout to avoid mutex holder crash
redis.expire(key_mutex, 3 * 60)
value = db.get(key);
redis.set(key, value);
redis.delete(key_mutex);
} else {
//其他線程休息50毫秒後重試
Thread.sleep(50);
get(key);
}
}
} 最新版本代碼：
public String get(key) {
String value = redis.get(key);
if (value == null) { //代表緩存值過期
//設定3min的逾時，防止del操作失敗的時候，下次緩存過期一直不能load db
if (redis.setnx(key_mutex, 1, 3 * 60) == 1) { //代表設定成功
value = db.get(key);
redis.set(key, value, expire_secs);
redis.del(key_mutex);
} else { //這個時候代表同時候的其他線程已經load db并回設到緩存了，這時候重試擷取緩存值即可
sleep(50);
get(key); //重試
}
} else {
return value;
}
} memcache代碼：
if (memcache.get(key) == null) {
// 3 min timeout to avoid mutex holder crash
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
value = db.get(key);
memcache.set(key, value);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
} 2、"提前"使用互斥鎖(mutex key)：
在value内部設定1個逾時值(timeout1), timeout1比實際的memcache timeout(timeout2)小。當從cache讀取到timeout1發現它已經過期時候，馬上延長timeout1并重新設定到cache。然後再從資料庫加載資料并設定到cache中。僞代碼如下：
v = memcache.get(key);
if (v == null) {
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
value = db.get(key);
memcache.set(key, value);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
} else {
if (v.timeout <= now()) {
if (memcache.add(key_mutex, 3 * 60 * 1000) == true) {
// extend the timeout for other threads
v.timeout += 3 * 60 * 1000;
memcache.set(key, v, KEY_TIMEOUT * 2);
// load the latest value from db
v = db.get(key);
v.timeout = KEY_TIMEOUT;
memcache.set(key, value, KEY_TIMEOUT * 2);
memcache.delete(key_mutex);
} else {
sleep(50);
retry();
}
}
} 3、"永遠不過期"：
這裡的“永遠不過期”包含兩層意思：
(1) 從redis上看，确實沒有設定過期時間，這就保證了，不會出現熱點key過期問題，也就是“實體”不過期。
(2) 從功能上看，如果不過期，那不就成靜态的了嗎？是以我們把過期時間存在key對應的value裡，如果發現要過期了，通過一個背景的異步線程進行緩存的建構，也就是“邏輯”過期
從實戰看，這種方法對于性能非常友好，唯一不足的就是建構緩存時候，其餘線程(非建構緩存的線程)可能通路的是老資料，但是對于一般的網際網路功能來說這個還是可以忍受。
String get(final String key) {
V v = redis.get(key);
String value = v.getValue();
long timeout = v.getTimeout();
if (v.timeout <= System.currentTimeMillis()) {
// 異步更新背景異常執行
threadPool.execute(new Runnable() {
public void run() {
String keyMutex = "mutex:" + key;
if (redis.setnx(keyMutex, "1")) {
// 3 min timeout to avoid mutex holder crash
redis.expire(keyMutex, 3 * 60);
String dbValue = db.get(key);
redis.set(key, dbValue);
redis.delete(keyMutex);
}
}
});
}
return value;
} 4、資源保護：
采用netflix的hystrix，可以做資源的隔離保護主線程池，如果把這個應用到緩存的建構也未嘗不可。
四種解決方案：沒有最佳隻有最合适
| 解決方案 | 優點 | 缺點 |
| 簡單分布式互斥鎖（mutex key） | 1. 思路簡單 2. 保證一緻性 | 1. 代碼複雜度增大 2. 存在死鎖的風險 3. 存線上程池阻塞的風險 |
| “提前”使用互斥鎖 | 1. 保證一緻性 | 同上 |
| 不過期(本文) | 1. 異步建構緩存，不會阻塞線程池 | 1. 不保證一緻性。 2. 代碼複雜度增大(每個value都要維護一個timekey)。 3. 占用一定的記憶體空間(每個value都要維護一個timekey)。 |
| 資源隔離元件hystrix(本文) | 1. hystrix技術成熟，有效保證後端。 2. hystrix監控強大。 | 1. 部分通路存在降級政策。 |
四種方案來源網絡，詳文請連結：http://carlosfu.iteye.com/blog/2269687
八：總結
針對業務系統，永遠都是具體情況具體分析，沒有最好，隻有最合适。
最後，對于緩存系統常見的緩存滿了和資料丢失問題，需要根據具體業務分析，通常我們采用LRU政策處理溢出，Redis的RDB和AOF持久化政策來保證一定情況下的資料安全。
![Java小案例——随機數猜測随機數猜測[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)