缓存系列：缓存雪崩的解决思路

大家好，我是李哥。

上次我们讨论了在分布式系统下的缓存架构体系，从浏览器缓存到客户端缓存，再到 CDN 缓存，再到反向代理缓存，再到本地缓存，再到分布式缓存。整个链路中有非常多的缓存。

在整个缓存链路，存在各种各样的问题，常见的问题有缓存穿透、缓存击穿、缓存雪崩、缓存数据一致性问题等。不常见的问题有缓存倾斜、缓存阻塞、缓存慢查询、缓存主从一致性问题、缓存高可用、缓存故障发现与故障恢复、集群扩容收缩、大 Key 热 Key 等等。

今天我们就来聊聊：缓存雪崩

缓存雪崩，顾名思义，是缓存崩了。如果这样理解的话，那就错了，请跟我来一探究竟吧。

老规矩，先看一下本文大纲：

• 什么是缓存雪崩
• 缓存雪崩的痛点有哪些
• 缓存雪崩的解决思路
• 总结

什么是缓存雪崩

我们知道，缓存的工作原理是先从缓存中获取数据，如果有数据则直接返回给用户，如果没有数据则从慢速设备上读取实际数据并且将数据放入缓存。就像这样：

缓存里面的数据有很多，如果有一个 key 过期，那么就需要回溯查询，如果这个 key 是热点 key，慢设备压力剧增，有可能导致慢设备宕机。就像这样：

这便是我们之前说的：缓存击穿（https://xie.infoq.cn/article/5321949c0683b211eb4f2c285）

那如果是很多 key 都过期了，那请求都会透过缓存层，直奔慢设备了，如果这些失效的 key 的请求之和很大，那么慢设备压力剧增，有可能导致慢设备宕机。就像这样：

这便是我们今天的主题：缓存雪崩

没错，从上面的含义其实已经能够理解出一个区别：

缓存击穿强调单 Key 过期+高并发；

缓存雪崩强调多 key 过期+高并发。

（所以，缓存雪崩不是缓存崩了，是一大片大片的缓存数据都在同一时间都失效了）

雪崩，实在是太可怕了。

缓存雪崩的痛点有哪些

1. 热点数据扎堆过期
2. 缓存层瞬间透明化
3. 慢设备层有被击垮的风险

大家猜想一下，为什么会瞬间有大量数据过期呢？

有两个方向，其一是大量数据同时放入缓存+过期时间设置的时间是一致的；其二是大量数据放入缓存的时间点不一样，但是过期时间是同一时间过期。

其一比较好理解，给大家举几个场景就更好了理解了，比如系统在启动的时候或者每天定时的对大量数据进行预热，并且过期时间是一样的。又或者是大促，商品在同一时刻开放，大量的用户进行不同商品的访问，这些商品数据几乎同时进入缓存，并且过期时间是一样的。

其二不太容易理解，给大家举个场景就好了。比如有一个给用户推送消息的需求，但是一天只允许推送一次，假设给张三同学早上 8 点推送，那么可以将这条数据放入缓存，过期时间为 16 小时，再次给张三推送的时候检查缓存是否存在，缓存存在则不允许推送了，缓存不存在则允许推送。给李四同学下午 14 点推送了一条消息，那么给李四同学放缓存的数据过期时间应该是 10 小时。这个场景就解释了在不同的时间点放入的数据，它们的过期时间不一样，但是都是在同一时刻过期（在这个例子中是每天 0 点过期）。

缓存雪崩的解决思路

1、从上述的其一来看，是数据放入缓存的时间和过期时间一样，所以最终大量数据同一时间过期。

所以，我们从这一点来看，我们可以改变数据放入缓存的的时间，也可以选择修改数据的过期时间，让过期时间不一致，最终的目的是让数据分散在不同的时间点过期，从而减少数据库的高并发压力。很显然，修改数据的过期时间更简单一些，让缓存时间在一定的区域随机取值，很轻松就能解决了一个缓存雪崩的问题。

2、当然了，问题的产生是数据过期了，所以还有一种解决方案是：让你的数据永不过期！显然，你的 leader 或者身为 leader 的你是不会这么玩的，这个方案基本不可行。原因是就算让缓存数据在缓存永不过期，那难道缓存敢保证 100%保证可用吗？不敢，所以，你还是需要准备 planB，做好缓存宕机或者缓存数据不存在的备案。

3、既然是因为并发访问导致，我们是不是可以由高并发转换低并发，称之为互斥锁，或者分布式锁等，总之，加锁来保证高并发转换成低并发。

4、我们继续分析，像这种热点数据，是不是应该由热点服务器去完成，对吧？我们应该去做隔离机制，如果你有一套实时热点发现系统，再加上热点流量自动迁移到热点服务器，就算有这些有什么用，能解决问题吗？答案是不能，因为热点服务器仍然是需要防止缓存雪崩的，方案在上面已经提到过了就不再赘述了。这里只是抛砖引玉，浅谈环境隔离与实时热点发现。

5、继续，既然是数据库承受不住了，我们在知道问题的情况下，可以对数据做离散分布，让它均匀地分布在我们的分布式数据库中，同时对数据库尽量的水平扩容，常见的分库分表策略有 32 库 32 表，64 库 64 表，128 库 128 表......，这样做的目的是让单台数据库压力变小，从而防止缓存雪崩。

6、继续分析，我们从现象来看，是数据库宕机了，原因是数据库接受到的瞬间请求太多了，数据库扛不住压力所以就停止工作了。那我们是不是可以这么分析，如果我们提前知道数据库能承受的最大阈值是多少，并且提前设置好数据库的阈值或者服务的阈值，如果瞬间流量来了，我们把超过阈值的流量进行排队等待或者直接拒绝服务，保证数据库的压力是不超过阈值的，是不是也能解决缓存雪崩所带来的影响呢？

那么这里面有涉及到几个数据：数据库的阈值从何得知、服务的阈值从何得知、如何设置数据库或者服务的阈值。

答案是：数据的阈值应该是压测后得出，而设置阈值应该是在网关层进行限流处理，所以你需要有这样的限流平台。

对于压测和网关，我们后续会有专门的文章来讨论，本期暂且不深入了，敬请期待。可以关注我的公中号：李哥技术

总结

其实缓存雪崩的理解很简单，为什么说得这么复杂，原因很简单，就是不想让大家用背八股文一样的方式去记忆，而是靠深入理解它的痛点然后逐步分析解决方案去记忆。

来总结一下吧。

概念：缓存雪崩指的是大片大片的缓存数据同时过期失效，再加上高并发的请求进入到慢设备，慢设备压力剧增，有可能导致慢设备宕机，这便是缓存雪崩。

解决方案：

1. 修改数据放入缓存的时间，或修改数据在缓存中的过期时间；
2. 让缓存数据永不过期；
3. 互斥锁，由高并发转换成低并发，保护 DB；
4. 热点隔离，实时热点发现系统；
5. 水平扩容数据库，压力平摊，保护 DB；
6. 提前压测，得出阈值，限流处理，保护服务与 DB；

好了，本期缓存雪崩的解决思路就到这里了，感谢阅读！