Redis-企业级解决方案

目录

缓存预热

缓存雪崩

缓存击穿

缓存穿透

性能指标监控

---

• 缓存预热

• 场景：“宕机”
• 服务器启动后迅速宕机
• 问题排查：
• 1.请求数量较高，大量的请求过来之后都需要去从缓存中获取数据，但是缓存中又没有
• 此时从数据库中查找数据然后将数据再存入缓存，造成了短期内对redis的高强度操作从而导致问题
• 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
      • 例如：storm与kafka配合
  • 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：
    • 1.使用脚本程序固定触发数据预热过程
    • 2.如果条件允许，使用了CDN（内容分发网络），效果会更好
  • 总的来说：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，一连串的场景会随之而来
  • 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
  • 总而言之就两点：短时间范围内，大量key集中过期
• 解决方案(思路)：
  • 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(落地实践)：
  • 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：慎用！
  • 总的来说：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%)，配合其它策略一起使用，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

• 场景：还是数据库服务器崩溃，但是跟之前的场景有点不太一样
  • 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
  • 总而言之就两点：单个key高热数据，key过期
• 解决方案：
  • 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！
  • 总的来说：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：数据库服务器又崩溃了，跟之前的一样吗？
  • 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（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）
• 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
• 总的来说：缓存击穿是指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

• 性能指标监控

• redis中的监控指标如下：
• 性能指标：Performance
  • 响应请求的平均时间:
  • latency
  • 平均每秒处理请求总数
  • instantaneous_ops_per_sec
  • 缓存查询命中率（通过查询总次数与查询得到非nil数据总次数计算而来）
  • hit_rate(calculated)
• 内存指标：Memory
  • 当前内存使用量
  • used_memory
  • 内存碎片率（关系到是否进行碎片整理）
  • mem_fragmentation_ratio
  • 为避免内存溢出删除的key的总数量
  • evicted_keys
  • 基于阻塞操作（BLPOP等）影响的客户端数量
  • blocked_clients
• 基本活动指标：Basic_activity
  • 当前客户端连接总数
  • connected_clients
  • 当前连接slave总数
  • connected_slaves
  • 最后一次主从信息交换距现在的秒数
  • master_last_io_seconds_ago
  • key的总数
  • keyspace
• 持久性指标：Persistence
  • 当前服务器最后一次RDB持久化的时间
  • rdb_last_save_time
  • 当前服务器最后一次RDB持久化后数据变化总量
  • rdb_changes_since_last_save
• 错误指标：Error
  • 被拒绝连接的客户端总数(基于达到最大连接值的因素)
  • rejected_connections
  • key未命中的总次数
  • keyspace_misses
  • 主从断开的秒数
  • master_link_down_since_seconds