缓存雪崩导致的危害和解决办法

1. Redis 数据失效导致的雪崩

因为缓存失效，从而导致大量请求导向数据库。

1. 大量请求，导致数据库处理不过来，整个系统依赖数据库的功能全部崩溃

2. 单系统挂掉，其他依赖于该系统的应用也会出现不稳定甚至崩溃

2. Redis数据失效的场景

• 最大内存控制
  maxmemory 最大内存阈值
  maxmemory-policy 到达阈值的执行策略

3. 缓存雪崩解决方案

3.1 Semaphore信号量限流

• J.U.C包重要的并发编程工具类
  又称“信号量”，控制多个线程争抢许可。

核心方法

• acquire:获取一个许可，如果没有就等待，

• release:释放一个许可。

• 典型场景∶
  1、代码并发处理限流;

• 例子

package cn.lazyfennec.cache.redis.service;
 
import cn.lazyfennec.cache.redis.annotations.NeteaseCache;
import cn.lazyfennec.cache.redis.dao.UserDao;
import cn.lazyfennec.cache.redis.pojo.User;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.cache.annotation.CacheEvict;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.jdbc.core.JdbcTemplate;
import org.springframework.stereotype.Service;
 
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.Semaphore;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.locks.ReentrantLock;
 
@Service // 默认 单实例
public class UserService2 {
 
    @Autowired
    UserDao userDao;
 
    @Autowired
    RedisTemplate redisTemplate; // spring提供的一个redis客户端，底层封装了jedis等客户端
 
    // userId ---> lock 记录每一个userId当前的查询情况
    static Map<String, ReentrantLock> mapLock = new ConcurrentHashMap<>();
 
    static Semaphore semaphore = new Semaphore(50); // 信号量 50 -- 类似车票
 
    /**
     * 根据ID查询用户信息 (redis缓存，用户信息以json字符串格式存在(序列化))
     */
    public User findUserById(String userId) throws Exception {
 
        // 1\. 先读取缓存
        Object cacheValue = redisTemplate.opsForValue().get(userId); // redisTemplate是spring提供的redis客户端
        if (cacheValue != null) {
            System.out.println("###缓存命中:" + ((User) cacheValue).getUname());
            return (User) cacheValue;
        }
 
        // ---------------缓存miss之后流程--------------
        ReentrantLock reentrantLock = new ReentrantLock();
        try {
            if (mapLock.putIfAbsent(userId, reentrantLock) != null) { // 有返回值代表存在锁
                reentrantLock = mapLock.get(userId);
            }
            Thread.sleep(3000);// TODO 停顿3秒，等下一个线程过来，模拟多个用户同时并发请求的场景
            reentrantLock.lock(); // 争抢锁,抢不到的排队---1个请求查询数据库 --- 599个等待
            Thread.sleep(3000);// TODO 停顿3秒，模拟lock获取之后业务处理时间
 
            // 再次查询缓存 -- 避免大量重复数据库查询
            cacheValue = redisTemplate.opsForValue().get(userId); // redisTemplate是spring提供的redis客户端
            if (cacheValue != null) {
                System.out.println("###缓存命中:" + ((User) cacheValue).getUname());
                return (User) cacheValue;
            }
 
            semaphore.acquire(); // 获取信号量 ，没有获取到
 
            // 2\. 如果缓存miss，则查询数据库
            User user = userDao.findUserById(userId);
            System.out.println("***缓存miss:" + user.getUname());
            // 3\. 设置缓存（重建缓存） // 主播信息查询缓存
            redisTemplate.opsForValue().set(userId, user);// set key value
            redisTemplate.expire(userId, 100, TimeUnit.SECONDS); // 需要手动设
 
            semaphore.release(); // 释放信号量
 
            return user;
        } finally {
            if (!reentrantLock.hasQueuedThreads()) { // 当锁最后一个释放的时候，删除掉
                mapLock.remove(userId);
            }
            reentrantLock.unlock();
        }
 
    }
 
    @CacheEvict(value = "user", key = "#user.uid") // 方法执行结束，清除缓存
    public void updateUser(User user) {
        String sql = "update tb_user_base set uname = ? where uid=?";
        jdbcTemplate.update(sql, new String[]{user.getUname(), user.getUid()});
    }
 
    /**
     * 根据ID查询用户名称
     */
    // 我自己实现一个类似的注解
    @NeteaseCache(value = "uname", key = "#userId") // 缓存
    public String findUserNameById(String userId) {
        // 查询数据库
        String sql = "select uname from tb_user_base where uid=?";
        String uname = jdbcTemplate.queryForObject(sql, new String[]{userId}, String.class);
 
        return uname;
    }
 
    @Autowired
    JdbcTemplate jdbcTemplate; // spring提供jdbc一个工具（mybastis类似）
}

3.2 容错降级