文章轉載自二馬讀書，作者二馬讀書
作者簡介：曾任職於阿里巴巴，每日優鮮等網際網路公司，任技術總監，15年電商網際網路經歷。
近些年，Redis憑藉在性能、穩定性和高可擴展性上的卓越表現，基本上已經成了網際網路行業緩存中間件的標配，甚至很多傳統行業也在使用Redis。那麼我們在使用Redis等緩存中間件時，要注意哪些問題呢？本文咱們就來聊聊，我們使用緩存中間件過程中曾經遇到的坑！
緩存穿透
先看一個常見的緩存使用方式。請求來了，先查緩存，緩存有值就直接返回；緩存沒值，查資料庫，然後把資料庫的值存到緩存，再返回。
假如緩存沒查到某個值，查資料庫也沒這個值，也就是說要查的值根本不存在，這樣就會導致每次對這個值的查詢請求都會穿透到資料庫。這就是所謂的「緩存穿透」。
如何避免緩存穿透？
如果從資料庫中沒查到值，可以在緩存中記錄一個空值，來避免「緩存穿透」。並且要給這個空值設置一個較短的過期時間。
比如說，我們經常會把用戶信息緩存到Redis。如果調用方傳了一個不存在的UserID，在緩存中就查不到這個用戶信息，然後去DB也查不到。這樣就會導致，每次根據這個UserID查用戶信息，都會穿透到資料庫，給資料庫造成了壓力。為了避免緩存穿透，當資料庫查不到時，我們可以在緩存中記錄一條空數據，比如userID做為key，空json做為值，如果程序獲得這個空json，就按用戶不存在處理。再給這個key設置一個很短的過期時間，比如30秒。
緩存雪崩
我們經常會遇到需要初始化緩存的情況。比如說用戶系統重構，表結構發生了變化，緩存信息也要變，上線前需要初始化緩存，將用戶信息批量存入緩存。假如我們給這些用戶信息設置相同的過期時間，到過期時間點所有用戶信息的緩存記錄就會同時集中失效，導致大量請求瞬間打到資料庫，資料庫很可能會被搞掛。這種緩存集中失效，導致大量請求同時穿透到資料庫的情況，就是所謂的「雪崩效應」。
所以，當我們向緩存初始化數據時，要保證每個緩存記錄過期時間的離散性。可以採用一個較大的固定值加上一個較小的隨機值。比如過期時間可以是：10小時 + 0到3600秒的隨機值。
緩存並發
當系統並發很高，緩存數據尤其是熱點數據過期後，可能會出現多個請求同時訪問資料庫並設置緩存的情況，不但給資料庫帶來壓力，而且會有緩存頻繁更新的問題。
我們可以通過加鎖來避免緩存並發問題。如果從緩存查不到數據，對查詢數據加分布式鎖，然後查資料庫並把資料庫查詢結果放入緩存。其他線程等待鎖釋放後，直接從緩存取值。
比如，電商系統會緩存商品SKU價格，一些熱點商品的並發訪問會非常高。當緩存過期失效後，訪問請求從緩存查不到記錄，此時可以用商品SKU ID為Key加分布式鎖，然後從資料庫查詢價格並把價格放入緩存，最後解鎖。解鎖後其他請求就可以從緩存直接取值了。從而避免了資料庫的壓力。
分布式鎖
以我們之前做過的5人拼團為例。如果有用戶參加團購，我們需要先校驗參團人數是否達到了上限5人。如果沒達到5人，用戶才可以參團。偽代碼如下：
//根據拼團ID獲取目前參團成員數量int numOfMembers = pinTuanService.getNumOfMembersById(pinTuanID);if(numOfMembers
高並發場景下，上面的代碼會有很嚴重的問題。如果某個團當前的參團人數是4，這時有兩個用戶同時參團，用戶A和用戶B的請求同時進入上面的代碼塊，A和B的請求同時執行到第2行代碼，獲取的numOfMembers都是4，表達式 numOfMembers
boolean aquired = distributedLock.aquireLock(pinTuanID, 3000);if(aquired == true) { try{ //根據拼團ID獲取目前參團成員數量 int numOfMembers = pinTuanService.getNumOfMembersById(pinTuanID); if(numOfMembers
這樣就好多啦！接下來我們看看基於Redis分布式鎖的實現，以及特別要注意的問題。一般我們會基於setnx實現Redis分布式鎖。setnx命令可以檢查key是否存在，如果key不存在，就在Redis中創建一個鍵值對（操作成功），如果key已經存在就放棄執行（操作失敗）。
先看一段基於Springboot實現的加鎖和釋放鎖的代碼：
@Componentpublic class DistributedLock { @Autowired private StringRedisTemplate redisTemplate; /** * 加鎖 * lockKey，redis的key * expireTime，過期時間，單位是毫秒 * 註：setIfAbsent方法就使用了redis的setnx */ public boolean aquireLock(String lockKey, long expireTime) { long waitTime = 0; boolean success = redisTemplate.opsForValue().setIfAbsent(lockKey, "distributedLock", expireTime, TimeUnit.MILLISECONDS); if(success == true){ return success; } else { //如果加鎖失敗，循環重試加鎖 while(success != true && waitTime
上面的代碼。乍一看，好像沒什麼問題！加鎖失敗有循環重試加鎖，過期時間設置了，而且也保證了創建Key-Value鍵值對和設置過期時間的原子性，這樣當程序沒有正常釋放鎖時，也能保證過期後鎖自動釋放（注意：redis較老的版本不支持 setnx 和設置過期時間的原子操作，不過可以利用Lua腳本來保證原子性）。
我們再仔細思考一下，一般場景我們會對Key設置一個很短的過期時間，當一次操作因為網絡等原因耗費了較長時間，操作還沒完成key就過期失效了。這樣會產生什麼問題呢？我們還是以拼團為例加以說明，先看看下面這張圖：
如上圖，用戶A和用戶B同時參加同一團，團ID為 001，我們以團ID作為分布式鎖的Key，"distributedLock" 作為固定的Value，過期時間是5秒。A先獲取分布式鎖，但是由於網絡等原因A的拼團操作在5秒內沒完成，這時Key過期並從Redis清除掉，A的分布式鎖失效。此時用戶B拿到分布式鎖，Key也同樣是團ID 001。在用戶B的拼團邏輯執行完之前，用戶A的邏輯先執行完了，緊接著A就把鎖給釋放了。不過A的鎖早已經過期失效了，B持有鎖的Key和A又完全一樣，所以此時A釋放的其實是B的鎖。這樣一來整個拼團還是有可能會超員。怎麼解決呢？
我們可以把分布式鎖的Value設成可以區分的值，比如拼團的場景Value可以設置為userID，在釋放鎖的時候根據key和value來判斷當前的鎖是不是自己的，只有Redis中userID和自己的userID相同才釋放鎖。
改進後的代碼如下：
@Componentpublic class DistributedLock { @Autowired private StringRedisTemplate redisTemplate; /** * 加鎖 * lockKey，redis的key * expireTime，過期時間，單位是毫秒 * 註：setIfAbsent方法就使用了redis的setnx */ public boolean aquireLock(String lockKey, String userID, long expireTime) { long waitTime = 0; boolean success = redisTemplate.opsForValue().setIfAbsent(lockKey, userID, expireTime, TimeUnit.MILLISECONDS); if(success == true){ return success; } else { //如果加鎖失敗，循環重試加鎖 while(success != true && waitTime
還有一種場景需要考慮。當Redis master發生故障，主備切換時往往會造成數據丟失，包括分布式鎖的Key-Value 也可能丟失。這樣就會導致操作還沒執行完，鎖就被其他請求拿到了。Redis官方提供了Redlock算法，以及相應的開源實現 Redisson。用到分布式鎖的場景，大家可以直接使用 Redisson，非常方便。如果系統對可靠性要求很高，如需用到分布式鎖，建議使用 Zookeeper，etcd 等。
OK，就分享到這。如果感覺本文對您有幫助，有勞點下在看，分享知識是美德哦