redis面试题(Redis网红高频面试题三连缓存穿透缓存击穿缓存雪崩)

管理员 2022-10-02 22:51:44 0
Redis网红面试题三连面试题1:怎么解决缓存穿透问题的?面试题2:说一下缓存击穿吧,你们是怎么解决的?面试题3:那缓存雪崩说说你们是怎么解决的?Redis网红高频面试题三连:缓存穿透?缓存击穿?缓存雪崩?

推荐学习1:“68道 Redis+168道 MySQL”精品面试题(带解析),你背废了吗?

推荐学习2:牛掰!“基础-中级-高级”Java程序员面试集结,看完献出我的膝盖

面试题1:怎么解决缓存穿透问题的?

缓存穿透:指缓存和数据库中都没有的数据,导致所有的请求都打到数据库上,然后数据库还查不到(如null),没法写缓存,造成数据库短时间线程数被打满而导致其他服务阻塞,最终导致线上服务不可用。此时缓存就好像被穿透了一样,起不到任何作用。

当然,使用缓存难免会有穿透的发生。

缓存容量有限,不可能去缓存所有数据,查询到未被缓存的数据就会发生穿透是正常情况。互联网业务的数据访问模型一般是遵循二八原则的,即 20% 的数据为热点数据,80% 的数据是非热点不被常访问的数据。既然缓存容量有限,且20%的数据为热点数据,那我们可以利用有限的容量去缓存那 20% 的数据来保护我们的系统,至于80%非热点不常用的数据发生穿透就穿透了,数据库吃得住。

那我们怎样来解决这种缓存穿透问题呢?

接口参数校验:

防君子不防小人。在参数校验层加上参数合法性校验,如查询订单ID为20位随机值,正则核对一下ID长度是否规范,不规范地直接过滤掉。

设置空值:

当访问缓存和DB都没有查询到值时,该key我们当做是恶意参数来看,可以将该key的空值写进缓存,设置较短的过期时间。

但是如果有大量的获取并不存在数据的穿透请求的话如恶意攻击,则会浪费缓存空间,如果这种null值过量的话,还会淘汰掉本身缓存存在的数据,这就会使我们的缓存命中率下降。

因此在使用设置空值方案时,我们要做好监控,预防缓存空间被过多null值占领造成的缓存空间浪费,如果这种数据量太大,就不再建议使用,那就使用另一种方案,即布隆过滤器。

布隆过滤器:

布隆过滤器在查询缓存之前起到初步过滤作用,布隆过滤器存储所有可能访问的 key,将不存在的 key 直接过滤,存在的 key 再进一步查询缓存和数据库。

布隆过滤器的特点是判断不存在的,则一定不存在;判断存在的,大概率存在,但也有小概率不存在。并且这个概率是可控的,根据具体需求,我们可以让这个概率小幅**或变高。

Redis网红高频面试题三连:缓存穿透?缓存击穿?缓存雪崩?

布隆过滤器由一个 bitSet 和 一组 Hash 函数(算法)组成,是一种空间效率极高的概率型算法和数据结构,通过二进制来进行数据存储。在初始化时,bitSet 的每一位被初始化为0。

当数据加入布隆过滤器**时,流程如下:

Redis网红高频面试题三连:缓存穿透?缓存击穿?缓存雪崩?

经过K个哈希函数计算该数据,返回K个计算出的hash值这些K个hash值映射到对应的K个二进制的数组下标将K个下标对应的二进制数据改为1。

布隆过滤器查询一个key是否在**中,流程如下:

经过K个哈希函数计算该数据,对应计算出的K个hash值经过hash值找到对应的二进制的数组下标如果存在其中一处位置的二进制数据是0,那么该数据不存在。若是都是1,该数据存在**中(但由于存在Hash碰撞,判断数据存在时可能存在误判)。

布隆过滤器的优缺点

优势

因为存储的是二进制数据,因此占用的空间很小;它的**和查询速度是很是快的,时间复杂度是O(K),能够联想一下HashMap的过程;保密性很好,由于自己不存储任何原始数据,只有二进制数据

缺点

存在误判

添加数据是经过计算数据的hash值,hash是存在碰撞的,也就是说,存在两个不一样的数据计算**相同的hash值。

Redis网红高频面试题三连:缓存穿透?缓存击穿?缓存雪崩?

例如图中的你好和hello,假如最终算出hash值相同,那么他们会将同一个下标的二进制数据改成1。因此也无法确定key为你好和hello是否存在。

删除困难

如上,你好和hello的hash值相同,对应的数组下标也是同样的。如果想删除你好,即将坐标值改为0,可能会影响到其他key,比如是否会连hello都一块儿删了之类的。

面试题2:说一下缓存击穿吧,你们是怎么解决的?

缓存击穿:指缓存中没有但数据库中有的数据(一般是热点数据缓存时间到期),这时由于并发用户特别多,同时读缓存没读到数据,又同时去数据库去查,引起数据库压力瞬间增大,线上系统卡住。

解决方案:

1、加互斥锁(mutex key)。在并发的多个请求中,只有第一个请求线程能拿到锁并执行数据库查询操作,其他的线程拿不到锁就阻塞等着,等到第一个线程将数据写入缓存后,直接走缓存。

互斥锁

缓存击穿后,多个线程会同时去查询数据库的这条数据,那么我们可以在第一个查询数据的请求上使用一个互斥锁来锁住它。

其他的线程走到这一步拿不到锁就等着,等第一个线程查询到了数据,然后做缓存。后面的线程进来发现已经有缓存了,就直接走缓存。

static Lock reenLock = new ReentrantLock(); public List<String> getData04() throws InterruptedException { List<String> result = new ArrayList<String>(); // 从缓存读取数据 result = getDataFromCache(); if (result.isEmpty()) { if (reenLock.tryLock()) { try { System.out.println("拿到锁了,从DB获取数据库后写入缓存"); // 从数据库查询数据 result = getDataFromDB(); // 将查询到的数据写入缓存 setDataToCache(result); } finally { reenLock.unlock();// 释放锁 } } else { result = getDataFromCache();// 先查一下缓存 if (result.isEmpty()) { System.out.println("我没拿到锁,缓存也没数据,先小憩一下"); Thread.sleep(100);// 小憩一会儿 return getData04();// 重试 } } } return result; }

2、热点数据不过期。根据实际业务情况,在Redis中维护一个热点数据表,批量设为永不过期(如top1000),并定时更新top1000数据。

这种**适用于比较极端的场景,例如流量特别特别大的场景,使用时需要考虑业务能接受数据不一致的时间,还有就是异常情况的处理,不要到时候缓存刷新不上,一直是脏数据,那就凉了。

面试题3:那缓存雪崩说说你们是怎么解决的?

缓存雪崩:大量的热点 key 设置了相同的过期时间,导致缓存在同一时刻全部失效,造成瞬时数据库请求量大、压力骤增,引起雪崩,甚至导致数据库被打挂。缓存雪崩其实有点像升级版的缓存击穿,缓存击穿是一个热点 key,缓存雪崩是一组热点 key。

解决方案:

1、过期时间打散:既然是大量缓存集中失效,那最容易想到就是让他们不集中生效。可以给缓存的过期时间加上一个随机值时间,使得每个 key 的过期时间分布开来,不会集中在同一时刻失效。

2、热点数据不过期:缓存永不过期,异步更新缓存数据。虽然不会出现雪崩效应,却无法保证数据的一致性。

3、加互斥锁:jvm锁机制、分布式锁机制都可以。该**和缓存击穿一样,按 key 维度加锁,对于同一个 key,只允许一个线程去计算,其他线程原地阻塞等待第一个线程的计算结果,然后直接走缓存即可。

作者:_陈哈哈

原文链接:https://blog.csdn.net/qq_39390545/article/details/120519627

相关资讯

热门资讯

热门话题