大厂Redis热点key解决之道

1 热点key产生原因

1.1 消费的大厂点数据>>>生产的数据

比如电商秒杀活动、明星头条微博 大量发布、解决浏览的大厂点热点新闻、热点评论等读多写少场景

1.2 分片的解决请求量突破单点性能极限

在服务端读数据进行访问时，往往会对数据进行分片，大厂点此过程中会在某一主机 Server 上对相应的解决 Key 进行访问，当访问超过 Server 极限时，大厂点就会导致热点 Key 问题。解决

2 热点Key的大厂点危害

流量过于集中，突破物理网卡的解决极限 请求过多，缓存分片服务被打垮 缓存击穿

热点Key请求某一主机，大厂点超过该主机网卡上限时，解决导致服务器中的大厂点其它服务无法正常进行

=》

热点过于集中，热点Key缓存过多，解决超过目前缓存容量，大厂点导致缓存分片服务被打垮

=》

缓存服务崩溃，此时再有请求产生，会缓存到后台DB，b2b信息网导致缓存击穿，进一步还会导致缓存雪崩。

3 解决方案

3.1 服务端缓存

Client会将请求发送到Server，而Server是多线程服务，本地就具有一个基于Cache LRU策略的缓存空间。当Server本身拥堵时，Server不会将请求进一步发送给DB而是直接返回，只有当Server本身畅通时才会将Client请求发送至DB，并且将该数据重新写入缓存。此时就完成了缓存的访问跟重建。

缺陷

缓存失效，多线程构建缓存问题 缓存丢失，缓存构建问题 脏读

3.2 使用Memcache、Redis

在客户端单独部署缓存。使用过程中Client首先访问服务层，再对同一主机上的缓存层进行访问。该种解决方案具有就近访问、速度快、没有带宽限制的优点。云服务器提供商

缺陷

内存资源浪费 脏读

3.3 本地缓存

缺陷

需要提前获知热点 缓存容量有限 不一致性时间增长 热点Key遗漏

3.4 随机后缀

使用Redis做缓存，那可以把一个热点Key的缓存查询压力，分散到多个Redis节点。一个非常热点的数据，数据更新不是很频繁，但是查询非常频繁，要保证基本保证100%的缓存命中率，该怎么处理?

核心思想：空间换时间，即同一热点key保留2份：

不带后缀

不带的后缀的有TTL

带后缀

带后缀的没有TTL

先查询不带后缀的，查询不到，则：

后端查询DB更新缓存 查询带后缀返回给调用方

这样即可尽可能避免缓存击穿。

参考

https://www.alibabacloud.com/help/zh/doc-detail/67252.htm

本文转载自微信公众号「JavaEdge」，可以通过以下二维码关注。转载本文请联系JavaEdge公众号。