近些年，Redis憑借在性能、穩定性和高可擴展性上的卓越表現，基本上已經成了互聯網行業緩存中間件的標配，甚至很多傳統行業也在使用Redis。那么我們在使用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，查數據庫，然后把數據庫的值存到緩存，再返回。

假如緩存沒查到某個值，查數據庫也沒這個值，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數據庫。這就是所謂的“緩存穿透”。

如何避免緩存穿透?

如果從數據庫中沒查到值，可以在緩存中記錄一個空值，來避免“緩存穿透”。并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，然后去DB也查不到。這樣就會導致，每次根據這個UserID查用戶信息，都會穿透到數據庫，給數據庫造成了壓力。為了避免緩存穿透，當數據庫查不到時，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數據庫，數據庫很可能會被搞掛。這種緩存集中失效，導致大量請求同時穿透到數據庫的情況，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?？梢圆捎靡粋€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。

緩存并發

當系統并發很高，緩存數據尤其是熱點數據過期后，可能會出現多個請求同時訪問數據庫并設置緩存的情況，不但給數據庫帶來壓力，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并發問題。如果從緩存查不到數據，對查詢數據加分布式鎖，然后查數據庫并把數據庫查詢結果放入緩存。其他線程等待鎖釋放后，直接從緩存取值。

比如，電商系統會緩存商品SKU價格，一些熱點商品的并發訪問會非常高。當緩存過期失效后，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，然后從數據庫查詢價格并把價格放入緩存，最后解鎖。解鎖后其他請求就可以從緩存直接取值了。從而避免了數據庫的壓力。

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 < 5) { 

  pinTuanService.pintuan();//執行，加入拼團，生單等邏輯 

}  

高并發場景下，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 < 5 成立，所以兩個用戶都能執行到第4行代碼，就是說A用戶和B用戶都能成功參加拼團。于是，參團人數就超過了5人的上限。所以我們就需要加鎖來避免這個問題。synchronized行嗎?不行。因為我們的服務是多節點部署的，所以要加分布式鎖。代碼如下：

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 < 5) { 

      pinTuanService.pintuan();//執行，加入拼團，生單等邏輯 

    }  

  } finally { 

    distributedLock.releaseLock(pinTuanID); 

  } 

} 

這樣就好多啦!接下來我們看看基于Redis分布式鎖的實現，以及特別要注意的問題。一般我們會基于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)。

先看一段基于Springboot實現的加鎖和釋放鎖的代碼：

@Component 

public class DistributedLock { 

 

 @Autowired 

 private StringRedisTemplate redisTemplate; 

  

 /** 

 * 加鎖 

 * lockKey，redis的key 

 * expireTime，過期時間，單位是毫秒 

 * 注：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 < 5000L ) { 

       success = redisTemplate.opsForValue().setIfAbsent(lockKey, "distributedLock", 

                       expireTime, TimeUnit.MILLISECONDS); 

       sleep 100毫秒;                 

       waitTime += 100L; 

     } 

   } 

    

   return success; 

 } 

  

 /** 

 * 釋放鎖 

 * lockKey，redis的key 

 */ 

 public void releaseLock(String lockKey) { 

   redisTemplate.delete(lockKey); 

 }  

  

} 

上面的代碼。乍一看，好像沒什么問題!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，也能保證過期后鎖自動釋放(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。這樣會產生什么問題呢?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，但是由于網絡等原因A的拼團操作在5秒內沒完成，這時Key過期并從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。怎么解決呢?

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。

改進后的代碼如下：

@Component 

public class DistributedLock { 

 

 @Autowired 

 private StringRedisTemplate redisTemplate; 

  

 /** 

 * 加鎖 

 * lockKey，redis的key 

 * expireTime，過期時間，單位是毫秒 

 * 注：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 < 5000L ) { 

       success = redisTemplate.opsForValue().setIfAbsent(lockKey, userID, 

                       expireTime, TimeUnit.MILLISECONDS); 

       sleep 100毫秒;                 

       waitTime += 100L; 

     } 

   } 

    

   return success; 

 } 

  

 /** 

 * 釋放鎖 

 * lockKey，redis的key 

 */ 

 public void releaseLock(String lockKey, String userID) { 

   String userIDFromRedis = redisTemplate.get(lockKey); 

   if( userID.equals(userIDFromRedis) ) { 

     redisTemplate.delete(lockKey); 

   } 

 }  

  

} 

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。