Skip to main content

Cache 缓存三问

Published 1 min readMarkdown
Part of seriesComputer Knowledge
Cache 缓存三问

哎,我一个个人项目基本上都没有超过过两位数的QPS的人,面试你天天问我缓存的这些问题,你们礼貌吗?

缓存穿透

是啥

当请求试图访问一个在缓存和数据库都不存在的 key时,因为缓存没有,所以请求会直接转发到数据库上。然而数据库里面也没有这个 key 的记录,所以也就没有办法将这个数据写入缓存。当下一次同样的请求来了的时候,还是会转发到数据库上。

在这种情况下,缓存基本上也就没用了,就像被穿透了一样,请求每次都会走到数据库,流量大时数据库可能会扛不住。

咋整

  1. 对请求进行校验。一些明显不合理的参数直接前端过滤掉就好了,就不要让他进来了。
  2. 将空值缓存起来。查完之后,即使数据库没有这条记录,也把这个 key 和没有记录的情况缓存起来,这样下次就不会再查数据库了。
  3. 布隆过滤器。挺有意思的一个东西,值得单独讲讲。

布隆过滤器

介绍

布隆过滤器是一种概率型的数据结构,它可以告诉你某条记录一定不存在或者有可能存在。

正常我们考虑一个东西是否存在的判断的时候,大家下意识的反应可能会是哈希。但是哈希需要保存所有的对象,以便后续哈希冲突的时候找到特定的值。所以这也导致了哈希对大量数据的时候,内存是非常大的。

所以就有个小天才,尝试我们用多个哈希,来讲存在变成一个概率性的事情:

比如说:

  • 我们初始化一个值为0,容量为10的数组:[0, 0, 0, 0, 0, 0, 0, 0, 0, 0] 然后设定两个不同的哈希方法:
  • 哈希1 => %5
  • 哈希2 => %7

现在,我们要存放 25 这个值,我们来看一下: 25:哈希1得到0,我们将0这个下标对应的值标记成1;哈希2得到4,我们将4这个下标对应的值修改成1;此时数组为:[1, 0, 0, 0, 1, 0, 0, 0, 0, 0]

当我们尝试获取25的时候,我们还是按照哈希1和哈希2,取得对应的下标,然后获取下标对应的值。如果下标的值一旦有0值,那么我们就认为这条记录是不存在的,但即便是都是1,也不一定百分百存在,为什么呢?

假设说我们现在要存 60 这个值,哈希1返回下标0,哈希2返回下标4,跟25是一样的结果。所以0和4的下标都是1的时候,可能是25带来的,也可以能是60带来的,这并不能确定,只能说,有概率存在。

但这个种并不是很精准筛查,在某些条件下,已经可以帮我们解决很大程度上的问题了。

哈希函数个数和布隆过滤器长度

布隆过滤器长度越长,误报概率越小。 哈希函数越多,一个值写的1也越多。

经典应用

用布隆过滤器减少磁盘 IO 和网络请求。

缓存击穿

是啥

某一热门的 key,在它过期的一瞬间,突然来了对它的好多请求。因为缓存已经过期了,所以这些请求就都转到了数据库,那个可怜的数据库又扛不住了。

咋整

  1. 加互斥锁。比如 Redis 分布式锁。
  2. 设置热点数据不过期。

缓存雪崩

是啥

大量热点 key 设置了相同的过期时间,在他们过期的一瞬间,出现了大量的请求,然后那个数据库应该更扛不住了。可以简单的理解,缓存击穿时一个 key,缓存雪崩是一堆 key。

咋整

基本上跟缓存击穿一样,无法时加了一个打散过期时间来处理一组的问题。

  1. 打散过期时间
  2. 加互斥锁
  3. 热点数据不过期

18 views

About the author

  • 一个喜欢写代码的游戏玩家。 做了个原创的益智玩具(迷历),申请到了两个国家专利,玩过上百款游戏。 有个可爱的老婆,希望把日常的生活过成诗。

No comments yet. Be the first to comment.

More from this blog