1. 數(shù)據(jù)庫篇

數(shù)據(jù)庫篇的話，哪些地方容易導(dǎo)致bug出現(xiàn)呢？我總結(jié)了7個方面：慢查詢、數(shù)據(jù)庫字段注意點、事務(wù)失效的場景、死鎖、主從延遲、新老數(shù)據(jù)兼容、一些SQL經(jīng)典注意點。

1.1 慢查詢

1.1.1 是否命中索引

提起慢查詢，我們馬上就會想到加索引。如果一條SQL沒加索引，或者沒有命中索引的話，就會產(chǎn)生慢查詢。

索引哪些情況會失效？

查詢條件包含or，可能導(dǎo)致索引失效

如何字段類型是字符串，where時一定用引號括起來，否則索引失效

like通配符可能導(dǎo)致索引失效。

聯(lián)合索引，查詢時的條件列不是聯(lián)合索引中的第一個列，索引失效。

在索引列上使用mysql的內(nèi)置函數(shù)，索引失效。

對索引列運算（如，+、-、*、/），索引失效。

索引字段上使用（！= 或者 《 》，not in）時，可能會導(dǎo)致索引失效。

索引字段上使用is null， is not null，可能導(dǎo)致索引失效。

左連接查詢或者右連接查詢查詢關(guān)聯(lián)的字段編碼格式不一樣，可能導(dǎo)致索引失效。

mysql估計使用全表掃描要比使用索引快，則不使用索引。

1.1.2 數(shù)據(jù)量大，考慮分庫分表

單表數(shù)據(jù)量太大，就會影響SQL執(zhí)行性能。我們知道索引數(shù)據(jù)結(jié)構(gòu)一般是B+樹，一棵高度為3的B+樹，大概可以存儲兩千萬的數(shù)據(jù)。超過這個數(shù)的話，B+樹要變高，查詢性能會下降。

因此，數(shù)據(jù)量大的時候，建議分庫分表。分庫分表的中間件有mycat、sharding-jdbc

1.1.3 不合理的SQL

日常開發(fā)中，筆者見過很多不合理的SQL：比如一個SQL居然用了6個表連接，連表太多會影響查詢性能；再比如一個表，居然加了10個索引等等。索引是會降低了插入和更新SQL性能，所以索引一般不建議太多，一般不能超過五個。

1.2 數(shù)據(jù)庫字段注意點

數(shù)據(jù)庫字段這塊內(nèi)容，很容易出bug。比如，你測試環(huán)境修改了表結(jié)構(gòu)，加了某個字段，忘記把腳本帶到生產(chǎn)環(huán)境，那發(fā)版肯定有問題了。

1.2.1 字段是否會超長

假設(shè)你的數(shù)據(jù)庫字段是：

`name` varchar（255） DEFAULT NOT NULL

如果請求參數(shù)來了變量name，字段長度是300，那插入表的時候就報錯了。所以需要校驗參數(shù)，防止字段超長。

1.2.2 字段為空，是否會導(dǎo)致空指針等

我們設(shè)計數(shù)據(jù)庫表字段的時候，盡量把字段設(shè)置為not null。

如果是整形，我們一般使用0或者-1作為默認值。

如果字符串，默認空字符串

如果數(shù)據(jù)庫字段設(shè)置為NULL值，容易導(dǎo)致程序空指針；如果數(shù)據(jù)庫字段設(shè)置為NULL值，需要注意count（具體列） 的使用，會有坑。

1.2.3 字段缺失

我們的日常開發(fā)任務(wù)，如果在測試環(huán)境，對表進行修改，比如添加了一個新字段，必須要把SQL腳本帶到生產(chǎn)環(huán)境，否則字段缺失，發(fā)版就有問題啦。

1.2.4 字段類型是否支持表情

如果一個表字段需要支持表情存儲，使用utf8mb4。

1.2.5 謹慎使用text、blob字段

如果你要用一個字段存儲文件，考慮存儲文件的路徑，而不是保存整個文件下去。使用text時，涉及查詢條件時，注意創(chuàng)建前綴索引。

1.3 事務(wù)失效的場景

1.3.1 @Transactional 在非public修飾的方法上失效

@Transactional注解，加在非public修飾的方法上，事務(wù)是不會生效的。spring事務(wù)是借鑒了AOP的思想，也是通過動態(tài)代理來實現(xiàn)的。spring事務(wù)自己在調(diào)用動態(tài)代理之前，已經(jīng)對非public方法過濾了，所以非public方法，事務(wù)不生效。

1.3.2 本地方法直接調(diào)用

以下這個場景，@Transactional事務(wù)也是無效的

public class TransactionTest{

public void A（）{

//插入一條數(shù)據(jù)

//調(diào)用方法B （本地的類調(diào)用，事務(wù)失效了）

B（）;

}

@Transactional

public void B（）{

//插入數(shù)據(jù)

}

}

1.3.3 異常被try.。.catch吃了，導(dǎo)致事務(wù)失效。

@Transactional

public void method（）{

try{

//插入一條數(shù)據(jù)

insertA（）;

//更改一條數(shù)據(jù)

updateB（）;

}catch（Exception e）{

logger.error（“異常被捕獲了，那你的事務(wù)就失效咯”，e）;

}

}

1.3.4 rollbackFor屬性設(shè)置錯誤

Spring默認拋出了未檢查unchecked異常（繼承自RuntimeException 的異常）或者Error才回滾事務(wù)；其他異常不會觸發(fā)回滾事務(wù)。如果在事務(wù)中拋出其他類型的異常，就需要指定rollbackFor屬性。

1.3.5 底層數(shù)據(jù)庫引擎不支持事務(wù)

MyISAM存儲引擎不支持事務(wù)，InnoDb就支持事務(wù)

1.3.6 spring事務(wù)和業(yè)務(wù)邏輯代碼必須在一個線程中

業(yè)務(wù)代碼要和spring事務(wù)的源碼在同一個線程中，才會受spring事務(wù)的控制。比如下面代碼，方法mothed的子線程，內(nèi)部執(zhí)行的事務(wù)操作，將不受mothed方法上spring事務(wù)的控制，這一點大家要注意。這是因為spring事務(wù)實現(xiàn)中使用了ThreadLocal，實現(xiàn)同一個線程中數(shù)據(jù)共享。

@Transactional

public void mothed（） {

new Thread（） {

事務(wù)操作

}.start（）;

}

1.4 死鎖

死鎖是指兩個或多個事務(wù)在同一資源上相互占用，并請求鎖定對方的資源，從而導(dǎo)致惡性循環(huán)的現(xiàn)象。

MySQL內(nèi)部有一套死鎖檢測機制，一旦發(fā)生死鎖會立即回滾一個事務(wù)，讓另一個事務(wù)執(zhí)行下去。但死鎖有資源的利用率降低、進程得不到正確結(jié)果等危害。

1.4.1 9種情況的SQL加鎖分析

要避免死鎖，需要學(xué)會分析：一條SQL的加鎖是如何進行的？一條SQL加鎖，可以分9種情況進行探討：

組合一：id列是主鍵，RC隔離級別

組合二：id列是二級唯一索引，RC隔離級別

組合三：id列是二級非唯一索引，RC隔離級別

組合四：id列上沒有索引，RC隔離級別

組合五：id列是主鍵，RR隔離級別

組合六：id列是二級唯一索引，RR隔離級別

組合七：id列是二級非唯一索引，RR隔離級別

組合八：id列上沒有索引，RR隔離級別

組合九：Serializable隔離級別

1.4.2 如何分析解決死鎖？

分析解決死鎖的步驟如下：

模擬死鎖場景

show engine innodb status;查看死鎖日志

找出死鎖SQL

SQL加鎖分析，這個可以去官網(wǎng)看哈

分析死鎖日志（持有什么鎖，等待什么鎖）

熟悉鎖模式兼容矩陣，InnoDB存儲引擎中鎖的兼容性矩陣。

有興趣的小伙伴，可以看下我之前寫的這篇文章：手把手教你分析Mysql死鎖問題

1.5 主從延遲問題考慮

先插入，接著就去查詢，這類代碼邏輯比較常見，這可能會有問題的。一般數(shù)據(jù)庫都是有主庫，從庫的。寫入的話是寫主庫，讀一般是讀從庫。如果發(fā)生主從延遲，，很可能出現(xiàn)你插入成功了，但是查詢不到的情況。

1.5.1 要求強一致性，考慮讀主庫

如果是重要業(yè)務(wù)，要求強一致性，考慮直接讀主庫

1.5.2 不要求強一致性，讀從庫

如果是一般業(yè)務(wù)，可以接受短暫的數(shù)據(jù)不一致的話，優(yōu)先考慮讀從庫。因為從庫可以分擔主庫的讀寫壓力，提高系統(tǒng)吞吐。

1.6 新老數(shù)據(jù)兼容

1.6.1 新加的字段，考慮存量數(shù)據(jù)的默認值

我們?nèi)粘ｉ_發(fā)中，隨著業(yè)務(wù)需求變更，經(jīng)常需要給某個數(shù)據(jù)庫表添加個字段。比如在某個APP配置表，需要添加個場景號字段，如scene_type，它的枚舉值是 01、02、03，那我們就要跟業(yè)務(wù)對齊，新添加的字段，老數(shù)據(jù)是什么默認值，是為空還是默認01，如果是為NULL的話，程序代碼就要做好空指針處理。

1.6.2 如果新業(yè)務(wù)用老的字段，考慮老數(shù)據(jù)的值是否有坑

如果我們開發(fā)中，需要沿用數(shù)據(jù)庫表的老字段，并且有存量數(shù)據(jù)，那就需要考慮老存量數(shù)據(jù)庫的值是否有坑。比如我們表有個user_role_code 的字段，老的數(shù)據(jù)中，它枚舉值是 01：超級管理員 02：管理員 03：一般用戶。假設(shè)業(yè)務(wù)需求是一般用戶拆分為03查詢用戶和04操作用戶，那我們在開發(fā)中，就要考慮老數(shù)據(jù)值的問題啦。

1.7 一些SQL的經(jīng)典注意點

1.7.1 limit大分頁問題

limit大分頁是一個非常經(jīng)典的SQL問題，我們一般有這3種對應(yīng)的解決方案

方案一： 如果id是連續(xù)的，可以這樣，返回上次查詢的最大記錄（偏移量），再往下limit

select id，name from employee where id》1000000 limit 10.

方案二： 在業(yè)務(wù)允許的情況下限制頁數(shù)：

建議跟業(yè)務(wù)討論，有沒有必要查這么后的分頁啦。因為絕大多數(shù)用戶都不會往后翻太多頁。谷歌搜索頁也是限制了頁數(shù)，因此不存在limit大分頁問題。

方案三： 利用延遲關(guān)聯(lián)或者子查詢優(yōu)化超多分頁場景。（先快速定位需要獲取的id段，然后再關(guān)聯(lián)）

SELECT a.* FROM employee a， （select id from employee where 條件 LIMIT 1000000，10 ） b where a.id=b.id

1.7.2 修改、查詢數(shù)據(jù)量多時，考慮分批進行。

我們更新或者查詢數(shù)據(jù)庫數(shù)據(jù)時，盡量避免循環(huán)去操作數(shù)據(jù)庫，可以考慮分批進行。比如你要插入10萬數(shù)據(jù)的話，可以一次插入500條，執(zhí)行200次。

正例：

remoteBatchQuery（param）;

反例：

for（int i=0;i《100000;i++）{

remoteSingleQuery（param）

}

2. 代碼層面篇

2.1 編碼細節(jié)

2.1.1 六大典型空指針問題

我們編碼的時候，需要注意這六種類型的空指針問題

包裝類型的空指針問題

級聯(lián)調(diào)用的空指針問題

Equals方法左邊的空指針問題

ConcurrentHashMap 類似容器不支持 k-v為 null。

集合，數(shù)組直接獲取元素

對象直接獲取屬性

if（object！=null）{

String name = object.getName（）;

}

2.1.2 線程池使用注意點

使用 Executors.newFixedThreadPool，可能會出現(xiàn)OOM問題，因為它使用的是無界阻塞隊列

建議使用自定義的線程池，最好給線程池一個清晰的命名，方便排查問題

不同的業(yè)務(wù)，最好做線程池隔離，避免所有的業(yè)務(wù)公用一個線程池。

線程池異常處理要考慮好

2.1.3 線性安全的集合、類

在高并發(fā)場景下，HashMap可能會出現(xiàn)死循環(huán)。因為它是非線性安全的，可以考慮使用ConcurrentHashMap。所以我們使用這些集合的時候，需要注意是不是線性安全的。

Hashmap、Arraylist、LinkedList、TreeMap等都是線性不安全的；

Vector、Hashtable、ConcurrentHashMap等都是線性安全的

2.1.4 日期格式，金額處理精度等

日常開發(fā)，經(jīng)常需要對日期格式化，但是呢，年份設(shè)置為YYYY大寫的時候，是有坑的哦。

Calendar calendar = Calendar.getInstance（）;

calendar.set（2019， Calendar.DECEMBER， 31）;

Date testDate = calendar.getTime（）;

SimpleDateFormat dtf = new SimpleDateFormat（“YYYY-MM-dd”）;

System.out.println（“2019-12-31 轉(zhuǎn) YYYY-MM-dd 格式后 ” + dtf.format（testDate））;

運行結(jié)果：

2019-12-31 轉(zhuǎn) YYYY-MM-dd 格式后 2020-12-31

還有金額計算也比較常見，我們要注意精度問題：

public class DoubleTest {

public static void main（String［］ args） {

System.out.println（0.1+0.2）;

System.out.println（1.0-0.8）;

System.out.println（4.015*100）;

System.out.println（123.3/100）;

double amount1 = 3.15;

double amount2 = 2.10;

if （amount1 - amount2 == 1.05）{

System.out.println（“OK”）;

}

}

}

運行結(jié)果：

0.30000000000000004

0.19999999999999996

401.49999999999994

1.2329999999999999

2.1.5 大文件處理

讀取大文件的時候，不要Files.readAllBytes直接讀到內(nèi)存，會OOM的，建議使用BufferedReader一行一行來，或者使用NIO

2.1.6 使用完IO資源流，需要關(guān)閉

使用try-with-resource，讀寫完文件，需要關(guān)閉流

/*

*/

try （FileInputStream inputStream = new FileInputStream（new File（“jay.txt”）） {

// use resources

} catch （FileNotFoundException e） {

log.error（e）;

} catch （IOException e） {

log.error（e）;

}

2.1.7 try.。.catch異常使用的一些坑

盡量不要使用e.printStackTrace（）打印，可能導(dǎo)致字符串常量池內(nèi)存空間占滿

catch了異常，使用log把它打印出來

不要用一個Exception捕捉所有可能的異常

不要把捕獲異常當做業(yè)務(wù)邏輯來處理

2.1.8 先查詢，再更新/刪除的并發(fā)一致性

日常開發(fā)中，這種代碼實現(xiàn)經(jīng)?？梢姡合炔樵兪欠裼惺Ｓ嗫捎玫钠?，再去更新票余量。

if（selectIsAvailable（ticketId）{

1、deleteTicketById（ticketId）

2、給現(xiàn)金增加操作

}else{

return “沒有可用現(xiàn)金券”

}

如果是并發(fā)執(zhí)行，很可能有問題的，應(yīng)該利用數(shù)據(jù)庫更新/刪除的原子性，正解如下：

if（deleteAvailableTicketById（ticketId） == 1）{

1、給現(xiàn)金增加操作

}else{

return “沒有可用現(xiàn)金券”

}

2.2 提供對外接口

2.2.1 校驗參數(shù)合法性

我們提供對外的接口，不管是提供給客戶端、還是前端，又或是別的系統(tǒng)調(diào)用，都需要校驗一下入?yún)⒌暮戏ㄐ浴?/p>

如果你的數(shù)據(jù)庫字段設(shè)置為varchar（16），對方傳了一個32位的字符串過來，你不校驗參數(shù)長度，插入數(shù)據(jù)庫直接異常了?！?.2.2 新老接口兼容

很多bug都是因為修改了對外老接口，但是卻不做兼容導(dǎo)致的。關(guān)鍵這個問題多數(shù)是比較嚴重的，可能直接導(dǎo)致系統(tǒng)發(fā)版失敗的。新手程序員很容易犯這個錯誤哦~

比如我們有個dubbo的分布式接口，本次你修改了入?yún)?，就需要考慮新老接口兼容。原本是只接收A，B參數(shù)，現(xiàn)在你加了一個參數(shù)C，就可以考慮這樣處理。

//老接口

void oldService（A，B）{

//兼容新接口，傳個null代替C

newService（A，B，null）;

}

//新接口，暫時不能刪掉老接口，需要做兼容。

void newService（A，B，C）;

2.2.3 限流，防止大流量壓垮系統(tǒng)

如果瞬間的大流量請求過來，容易壓垮系統(tǒng)。所以為了保護我們的系統(tǒng)，一般要做限流處理。可以使用guava ratelimiter 組件做限流，也可以用阿里開源的Sentinel

2.2.4 接口安全性，加簽驗簽，鑒權(quán)

我們轉(zhuǎn)賬等類型的接口，一定要注意安全性。一定要鑒權(quán)，加簽驗簽，為用戶交易保駕護航。

2.2.5 考慮接口冪等性

接口是需要考慮冪等性的，尤其搶紅包、轉(zhuǎn)賬這些重要接口。最直觀的業(yè)務(wù)場景，就是用戶連著點擊兩次，你的接口有沒有hold住。

冪等（idempotent、idempotence）是一個數(shù)學(xué)與計算機學(xué)概念，常見于抽象代數(shù)中。

在編程中。一個冪等操作的特點是其任意多次執(zhí)行所產(chǎn)生的影響均與一次執(zhí)行的影響相同。冪等函數(shù)，或冪等方法，是指可以使用相同參數(shù)重復(fù)執(zhí)行，并能獲得相同結(jié)果的函數(shù)。

”一般冪等技術(shù)方案有這幾種：

查詢操作

唯一索引

token機制，防止重復(fù)提交

數(shù)據(jù)庫的delete刪除操作

樂觀鎖

悲觀鎖

Redis、zookeeper 分布式鎖（以前搶紅包需求，用了Redis分布式鎖）

狀態(tài)機冪等

2.3 調(diào)用第三方接口

2.3.1 超時處理

我們調(diào)用別人的接口，如果超時了怎么辦呢？

舉個例子，我們調(diào)用一個遠程轉(zhuǎn)賬接口，A客戶給B客戶轉(zhuǎn)100萬，成功的時候就把本地轉(zhuǎn)賬流水置為成功，失敗的時候就把本地流水置為失敗。如果調(diào)用轉(zhuǎn)賬系統(tǒng)超時了呢，我們怎么處理呢？置為成功還是失敗呢？這個超時處理可要考慮好，要不然就資金損失了。這種場景下，調(diào)接口超時，我們就可以先不更新本地轉(zhuǎn)賬流水狀態(tài)，而是重新發(fā)起查詢遠程轉(zhuǎn)賬請求，查詢到轉(zhuǎn)賬成功的記錄，再更新本地狀態(tài)狀態(tài)”2.3.2 考慮重試機制

如果我們調(diào)用一個遠程http或者dubbo接口，調(diào)用失敗了，我們可以考慮引入重試機制。有時候網(wǎng)路抖動一下，接口就調(diào)失敗了，引入重試機制可以提高用戶體驗。但是這個重試機制需要評估次數(shù)，或者有些接口不支持冪等，就不適合重試的。

2.3.3 考慮是否降級處理

假設(shè)我們系統(tǒng)是一個提供注冊的服務(wù)：用戶注冊成功之后，調(diào)遠程A接口發(fā)短信，調(diào)遠程B接口發(fā)郵件，最后更新注冊狀態(tài)為成功。

如果調(diào)用接口B發(fā)郵件失敗，那用戶就注冊失敗，業(yè)務(wù)可能就不會同意了。這時候我們可以考慮給B接口降級處理，提供有損服務(wù)。也就是說，如果調(diào)用B接口失敗，那先不發(fā)郵件，而是先讓用戶注冊成功，后面搞個定時補發(fā)郵件就好啦。

2.3.4 考慮是否異步處理

我還是使用上個小節(jié)的用戶注冊的例子。我們可以開個異步線程去調(diào)A接口發(fā)短信，異步調(diào)B接口發(fā)郵件，那即使A或者B接口調(diào)失敗，我們還是可以保證用戶先注冊成功。

把發(fā)短信這些通知類接口，放到異步線程處理，可以降低接口耗時，提升用戶體驗哦。

2.3.5 調(diào)接口異常處理

如果我們調(diào)用一個遠程接口，一般需要思考以下：如果別人接口異常，我們要怎么處理，怎么兜底，是重試還是當做失??？怎么保證數(shù)據(jù)的最終一致性等等。

3. 緩存篇3.1 數(shù)據(jù)庫與緩存一致性

使用緩存，可以降低耗時，提供系統(tǒng)吞吐性能。但是，使用緩存，會存在數(shù)據(jù)一致性的問題。

3.1.1 幾種緩存使用模式

Cache-Aside Pattern，旁路緩存模式

Read-Through/Write-Through（讀寫穿透）

Write- behind （異步緩存寫入）

一般我們使用緩存，都是旁路緩存模式。

讀的時候，先讀緩存，緩存命中的話，直接返回數(shù)據(jù)

緩存沒有命中的話，就去讀數(shù)據(jù)庫，從數(shù)據(jù)庫取出數(shù)據(jù)，放入緩存后，同時返回響應(yīng)。

3.1.2 刪除緩存呢，還是更新緩存？

我們在操作緩存的時候，到底應(yīng)該刪除緩存還是更新緩存呢？

線程A先發(fā)起一個寫操作，第一步先更新數(shù)據(jù)庫

線程B再發(fā)起一個寫操作，第二步更新了數(shù)據(jù)庫

由于網(wǎng)絡(luò)等原因，線程B先更新了緩存

線程A更新緩存。

這時候，緩存保存的是A的數(shù)據(jù)（老數(shù)據(jù)），數(shù)據(jù)庫保存的是B的數(shù)據(jù)（新數(shù)據(jù)），數(shù)據(jù)不一致了，臟數(shù)據(jù)出現(xiàn)啦。如果是刪除緩存取代更新緩存則不會出現(xiàn)這個臟數(shù)據(jù)問題。

3.1.3 先操作數(shù)據(jù)庫還是先操作緩存

雙寫的情況下，先操作數(shù)據(jù)庫還是先操作緩存？我們再來看一個例子：假設(shè)有A、B兩個請求，請求A做更新操作，請求B做查詢讀取操作。

線程A發(fā)起一個寫操作，第一步del cache

此時線程B發(fā)起一個讀操作，cache miss

線程B繼續(xù)讀DB，讀出來一個老數(shù)據(jù)

然后線程B把老數(shù)據(jù)設(shè)置入cache

線程A寫入DB最新的數(shù)據(jù)

醬紫就有問題啦，緩存和數(shù)據(jù)庫的數(shù)據(jù)不一致了。緩存保存的是老數(shù)據(jù)，數(shù)據(jù)庫保存的是新數(shù)據(jù)。因此，Cache-Aside緩存模式，選擇了先操作數(shù)據(jù)庫而不是先操作緩存。

3.1.4 如何保證最終一致性

緩存延時雙刪

刪除緩存重試機制

讀取biglog異步刪除緩存

3.2 緩存穿透

緩存穿透：指查詢一個一定不存在的數(shù)據(jù)，由于緩存不命中時，需要從數(shù)據(jù)庫查詢，查不到數(shù)據(jù)則不寫入緩存，這將導(dǎo)致這個不存在的數(shù)據(jù)每次請求都要到數(shù)據(jù)庫去查詢，進而給數(shù)據(jù)庫帶來壓力?！本彺娲┩敢话愣际沁@幾種情況產(chǎn)生的：業(yè)務(wù)不合理的設(shè)計、業(yè)務(wù)/運維/開發(fā)失誤的操作、黑客非法請求攻擊。如何避免緩存穿透呢？一般有三種方法。

如果是非法請求，我們在API入口，對參數(shù)進行校驗，過濾非法值。

如果查詢數(shù)據(jù)庫為空，我們可以給緩存設(shè)置個空值，或者默認值。但是如有有寫請求進來的話，需要更新緩存哈，以保證緩存一致性，同時，最后給緩存設(shè)置適當?shù)倪^期時間。（業(yè)務(wù)上比較常用，簡單有效）

使用布隆過濾器快速判斷數(shù)據(jù)是否存在。即一個查詢請求過來時，先通過布隆過濾器判斷值是否存在，存在才繼續(xù)往下查。

3.3 緩存雪崩

緩存雪崩：指緩存中數(shù)據(jù)大批量到過期時間，而查詢數(shù)據(jù)量巨大，引起數(shù)據(jù)庫壓力過大甚至down機?！本彺嫜┍家话闶怯捎诖罅繑?shù)據(jù)同時過期造成的，對于這個原因，可通過均勻設(shè)置過期時間解決，即讓過期時間相對離散一點。如采用一個較大固定值+一個較小的隨機值，5小時+0到1800秒醬紫。

Redis 故障宕機也可能引起緩存雪奔。這就需要構(gòu)造Redis高可用集群啦。

3.4 緩存機擊穿

緩存擊穿：指熱點key在某個時間點過期的時候，而恰好在這個時間點對這個Key有大量的并發(fā)請求過來，從而大量的請求打到db?！本彺鎿舸┛粗悬c像緩存雪崩，其實它兩區(qū)別是，緩存雪奔是指數(shù)據(jù)庫壓力過大甚至down機，緩存擊穿只是大量并發(fā)請求到了DB數(shù)據(jù)庫層面。可以認為擊穿是緩存雪奔的一個子集吧。有些文章認為它倆區(qū)別，是在于擊穿針對某一熱點key緩存，雪奔則是很多key。

解決方案就有兩種：

使用互斥鎖方案。緩存失效時，不是立即去加載db數(shù)據(jù)，而是先使用某些帶成功返回的原子操作命令，如（Redis的setnx）去操作，成功的時候，再去加載db數(shù)據(jù)庫數(shù)據(jù)和設(shè)置緩存。否則就去重試獲取緩存。

“永不過期”，是指沒有設(shè)置過期時間，但是熱點數(shù)據(jù)快要過期時，異步線程去更新和設(shè)置過期時間。

3.5 緩存熱Key

在Redis中，我們把訪問頻率高的key，稱為熱點key。如果某一熱點key的請求到服務(wù)器主機時，由于請求量特別大，可能會導(dǎo)致主機資源不足，甚至宕機，從而影響正常的服務(wù)。

如何解決熱key問題？

Redis集群擴容：增加分片副本，均衡讀流量；

對熱key進行hash散列，比如將一個key備份為key1，key2……keyN，同樣的數(shù)據(jù)N個備份，N個備份分布到不同分片，訪問時可隨機訪問N個備份中的一個，進一步分擔讀流量；

使用二級緩存，即JVM本地緩存，減少Redis的讀請求。

3.6 緩存容量內(nèi)存考慮

3.6.1 評估容量，合理利用

如果我們使用的是Redis，而Redis的內(nèi)存是比較昂貴的，我們不要什么數(shù)據(jù)都往Redis里面塞，一般Redis只緩存查詢比較頻繁的數(shù)據(jù)。同時，我們要合理評估Redis的容量，也避免頻繁set覆蓋，導(dǎo)致設(shè)置了過期時間的key失效。

如果我們使用的是本地緩存，如guava的本地緩存，也要評估下容量。避免容量不夠。

3.6.2 Redis的八種內(nèi)存淘汰機制

為了避免Redis內(nèi)存不夠用，Redis用8種內(nèi)存淘汰策略保護自己~

volatile-lru：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從設(shè)置了過期時間的key中使用LRU（最近最少使用）算法進行淘汰；

allkeys-lru：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從所有key中使用LRU（最近最少使用）算法進行淘汰。

volatile-lfu：4.0版本新增，當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在過期的key中，使用LFU算法進行刪除key。

allkeys-lfu：4.0版本新增，當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從所有key中使用LFU算法進行淘汰；

volatile-random：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從設(shè)置了過期時間的key中，隨機淘汰數(shù)據(jù)；。

allkeys-random：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，從所有key中隨機淘汰數(shù)據(jù)。

volatile-ttl：當內(nèi)存不足以容納新寫入數(shù)據(jù)時，在設(shè)置了過期時間的key中，根據(jù)過期時間進行淘汰，越早過期的優(yōu)先被淘汰；

noeviction：默認策略，當內(nèi)存不足以容納新寫入數(shù)據(jù)時，新寫入操作會報錯。

”3.6.3 不同的業(yè)務(wù)場景，Redis選擇適合的數(shù)據(jù)結(jié)構(gòu)

排行榜適合用zset

緩存用戶信息一般用hash

消息隊列，文章列表適用用list

用戶標簽、社交需求一般用set

計數(shù)器、分布式鎖等一般用String類型

3.7 Redis一些有坑的命令

不能使用 keys指令

慎用O（n）復(fù)雜度命令，如hgetall等

慎用Redis的monitor命令

禁止使用flushall、flushdb

注意使用del命令

編輯：jq