1 介绍

在之前的一篇文章《一次缓存雪崩的灾难复盘》中，我们比较清晰的描述了缓存雪崩、穿透、击穿的各自特征和解决方案，想详细了解的可以移步。
最近在配合HR筛选候选人，作为大厂的业务方向负责人，招人主要也是我们自己团队在用，而缓存是必不可少的面试选项之一。下面我们就来聊一聊在特定业务场景下缓存击穿和雪崩的应对场景！

2 问题背景

一个核心的应用或者服务（比如微信、钉钉、百度APP），高峰QPS是百万甚至是千万

★ 分析：上述类型的应用具有很明显的峰值高斯分布的特征，就是9~10点是用户早高峰。微信是，百度APP是，钉钉也是，钉钉一般给政企、教学等使用，通用是10点左右峰值期，每天的峰值如下：

应用缓存了用户的基本信息，如（姓名、性别、职业、地址等），假设以为用户Id为Cache的key，那每个用户都有一个基础信息的缓存。
因为不知名的原因，导致缓存都丢了（可能是缓存集体过期、故障导致缓存失效、程序bug导致缓存误删、服务器重启导致内存清理）。
恰巧是访问高峰期（比如9点早高峰），千百万的请求狂奔而来，查不到缓存，透过缓存层直接投入数据库。
基于磁盘的数据库的访问效率，性能，抗击打能力远逊于高速缓存，数据库很容易被打垮，造成服务雪崩。

4 候选人的各种答案（综合整理）

4.1 缓存预热

既然是可预见的峰值期，那么缓存预热是一个好办法，比如在9 ~ 10点是高峰期，在7 ~ 9点这两个小时中，可以均匀的把部分缓存做上。

缺点：这种仅仅只能解决可预见的缓存失效情况。如果是突发缓存失效情况，假设在10点高峰期因为某些原因（比如上面说的故障导致缓存失效、程序bug导致缓存误删、服务器重启导致内存清理）是没有效果的。

4.2 非一致的过期时间

缓存既然大部分是在高峰期（9~10点）创建的（假设Cache的Expire Time都一样，比如8h），那很有可能失效时间会很接近。几乎同一时间一起失效，这样确实也会引起群起创建的情况，也会导致上面说的击穿的情况发生。
我们在创建同一类型的批次缓存的时候，会采用3-4-3 分布原则。比如一个缓存的Expire Time 是 10H，
那么就是3H + 4H * random() + 3h ,来进行错开！

缺点：同4.1类似，仅仅解决可预见的问题，对突发故障导致的无预期的缓存失效毫无办法。

4.3 消息聚合缓存

为什么每个用户的基本信息都独立存储一个缓存呢？可不可以按照用户类型分片，一类的用户合在一起不是只要查询一次，不会出现峰值期群起攻击数据库的情况。

说明：只有信息修改率非常低的缓存才适合聚合在一个缓存值中，大部分情况下不会这么做。比如你的缓存中聚合了1W个人的信息，Value非常大，但凡其中一个信息修改，那么这个缓存就要更新，不然应用读取到的信息就没有时效性，大Value的缓存频繁的存取是一个很不友好的事情。
用户信息还算修改频率比较低的，你的积分信息，购物车可是很高频变动的，这种的就不能这么干了。

4.4 削峰、加锁、限流

4.4.1 削峰

引进消息队列之类的中间件，将用户的请求放入队列，逐一执行，避免拥挤请求！

4.4.2 加锁

同一个用户的信息查询只让第一个请求进入，进入之后加锁，在获取到数据库信息并更新缓存之后释放锁，
这样单一个信息只请求一次！

4.4.3 限流

为了避免把服务端打挂，在上线前做一次无缓存压测，看数据库与服务端能支撑的最大值。并设置成限流的阈值，保证不会超过服务所能承载的压力，避免过载！

缺点：

但凡用锁，排队之类的方案，无一例外的会大幅度降低服务的吞吐率，造成用户长时间等待，体验感下降，这在各大型APP（淘宝、微信、百度APP）上是完全不允许的，也不会这么干。
限流也是一样的道理，限流一般是对服务的限流，而难以细粒度到只对某个信息类型的限流。而服务级别限流会误伤其他操作，比如获取排班、排课、获取购物车等非瓶颈的宽松的查询也被限了。当然，现在的限流也可以细粒度到某个或者某几个接口，所以可以将查询用户信息合在一个接口里做一下限流。但是限流也代表部分用户拿不到正确的信息，是一种降级的行为。

备注：数据库也有限流方案，细粒度到这个层级更好