大数据-49 Redis 缓存问题中 穿透、雪崩、击穿、数据不一致、HotKey、BigKey
穿透：
用户查询数据时，Redis和数据库中都没有数据，用户请求会穿过Redis直接打到数据库，可能导致数据库压力增加。
解决方法：
- 使用布隆过滤器：在应用层维护一个布隆过滤器，记录所有可能存在的键。当用户请求时，先检查布隆过滤器，如果不存在，就直接返回，不进行数据库查询。
雪崩：
当Redis缓存服务器宕机或大量缓存失效时，大量请求直接打到数据库，导致数据库压力剧增。
解决方法：
- 设置合理的缓存失效时间：保证缓存失效均匀分布。
- 缓存预加载：在热点数据即将失效前预先更新缓存。
- 使用Redis集群：提高Redis的可用性。
- 设置缓存降级策略：当Redis不可用时，使用本地缓存或默认值。
击穿：
一个Key突然过期，导致大量请求击穿到数据库。
解决方法：
- 设置热点数据永不过期或访问量较少时不设置过期时间。
- 使用分布式锁：确保只有一个线程去数据库加载数据并更新缓存。
数据不一致：
缓存和数据库数据不一致的问题。
解决方法：
- 更新缓存时同时更新数据库。
- 使用事务或锁保证数据一致性。
HotKey：
某个Key的访问量极大，导致Redis负载过重。
解决方法：
- 使用缓存分层：保存热点数据的不同层次，减少单个Redis的压力。
- 使用LRU或LFU策略：自动淘汰不常用的Key。
BigKey：
某个Key占用的内存空间大，可能导致内存碎片和性能问题。
解决方法：
- 避免使用大型的数据结构，如HASH、SET等，尽量使用小型数据结构。
- 使用SCAN命令分批获取大集合中的元素。
- 定期检查和清理不再需要的数据。
评论已关闭