Rumah > pangkalan data > Redis > teks badan

Fahami redis cache avalanche, pecahan cache dan penembusan cache dalam satu artikel

WBOY
Lepaskan: 2022-11-14 20:29:09
ke hadapan
1973 orang telah melayarinya

Artikel ini membawa anda pengetahuan yang berkaitan tentang Redis, yang terutamanya memperkenalkan kandungan yang berkaitan tentang runtuhan cache, pecahan cache dan penembusan cache Mari kita lihat bersama-sama Semua orang membantu.

Fahami redis cache avalanche, pecahan cache dan penembusan cache dalam satu artikel

Pembelajaran yang disyorkan: Tutorial video Redis

Mengenai isu frekuensi tinggi Redis, avalanche cache, pecahan cache dan penembusan cache Ia mesti menjadi sangat diperlukan. Saya percaya semua orang telah ditanya soalan yang sama semasa temu bual. Mengapa soalan ini sangat popular? Kerana apabila kami menggunakan cache Redis, masalah ini mudah dihadapi. Seterusnya, mari kita lihat bagaimana masalah ini timbul dan apakah penyelesaian yang sepadan.

Cache avalanche

Pertama, mari kita lihat cache avalanche Konsep cache avalanche ialah: sejumlah besar permintaan tidak diproses dalam cache Redis, menyebabkan permintaan untuk. banjir ke dalam pangkalan data , dan kemudian tekanan pada pangkalan data meningkat secara mendadak.

Punca runtuhan cache boleh diringkaskan kepada dua sebab:

  • Sebilangan besar data dalam cache tamat tempoh pada masa yang sama, jadi sejumlah besar permintaan dihantar ke pangkalan data pada masa ini.
  • Atas cache Redis gagal dan tidak dapat mengendalikan sejumlah besar permintaan, yang juga menyebabkan permintaan pergi ke pangkalan data.

Mari kita lihat senario pertama: sejumlah besar data dalam cache tamat tempoh pada masa yang sama.

Sejumlah besar data dalam cache tamat tempoh pada masa yang sama

Berdasarkan legenda, ini bermakna sejumlah besar data tamat tempoh pada masa yang sama, dan kemudian terdapat banyak permintaan untuk membaca data. Sudah tentu, runtuhan cache akan berlaku, menyebabkan peningkatan dramatik dalam tekanan pangkalan data.

Penyelesaian untuk sejumlah besar data tamat tempoh pada masa yang sama

Untuk menangani masalah sejumlah besar data untuk tamat tempoh pada masa yang sama masa, biasanya terdapat dua penyelesaian:

  • Tambah masa rawak pada tetapan tamat tempoh data: iaitu, apabila anda menggunakan perintah tamat tempoh untuk menetapkan masa tamat tempoh untuk data, tambah masa rawak. Contohnya, data a tamat tempoh dalam 5 minit dan 10-120 saat ditambah secara rawak pada 5 minit. Ini menghalang sejumlah besar data daripada luput pada masa yang sama.
  • Kemerosotan perkhidmatan: iaitu, apabila runtuhan cache berlaku, (1) jika akses bukan data teras, apabila tiada cache hit, pangkalan data tidak akan diakses, dan maklumat pratetap, seperti null nilai atau ralat, akan dikembalikan terus Maklumat (2) Apabila mengakses data teras dan cache terlepas, pertanyaan pangkalan data dibenarkan. Dengan cara ini, semua permintaan yang bukan data teras akan ditolak dan dihantar ke pangkalan data.

Selepas melihat situasi di mana sejumlah besar data tamat tempoh pada masa yang sama, mari kita lihat situasi kegagalan contoh cache Redis.

Cache avalanche yang disebabkan oleh kegagalan instance cache Redis

Dalam kes ini, Redis tidak boleh memproses permintaan baca dan permintaan itu secara semula jadi akan dihantar ke pangkalan data.

Secara umumnya, kami mempunyai dua cara untuk menangani situasi ini:

  • Dalam sistem perniagaan, lakukan dengan baik pemutus litar servis/permintaan pengehadan arus.
  • Pencegahan terlebih dahulu: Bina kelompok kebolehpercayaan tinggi Redis, seperti pensuisan kelompok tuan-hamba.

Pemutus litar perkhidmatan, iaitu, apabila Redis gagal, permintaan untuk akses kepada sistem cache digantung. Tunggu sehingga Redis kembali normal sebelum membuka permintaan untuk akses.

Dengan cara ini kita perlu memantau status berjalan Redis atau pangkalan data, seperti tekanan beban MySQL, penggunaan CPU Redis, penggunaan memori dan QPS, dsb. Apabila didapati bahawa cache contoh Redis telah runtuh, perkhidmatan akan digantung.

Keadaan ini boleh meletakkan sejumlah besar permintaan dengan berkesan dan memberi tekanan kepada pangkalan data. Walau bagaimanapun, permintaan akses akan digantung, yang akan memberi kesan yang besar pada akhir perniagaan.

Oleh itu, untuk mengurangkan kesan ke atas perniagaan, kami boleh menggunakan kaedah pengehadan semasa permintaan untuk mengawal QPS dan mengelakkan terlalu banyak permintaan kepada pangkalan data. Sebagai contoh, dalam ilustrasi di bawah, terdapat 20,000 permintaan sesaat, tetapi ia gagal kerana kegagalan Redis. Operasi mengehadkan semasa kami mengurangkan qps kepada 2,000 sesaat, dan pangkalan data masih tiada masalah memproses 2,000 qps.

Pecahan cache

Pecahan cache bermakna data hotspot individu yang kerap diakses tidak boleh dicache, dan kemudian permintaan dituangkan ke dalam pangkalan data. Ia sering berlaku apabila data hotspot tamat tempoh.

Mengenai masalah pecahan cache, kami tahu bahawa ini adalah data panas yang diakses dengan sangat kerap, jadi kaedah pemprosesan adalah mudah dan kasar, dan masa tamat tempoh tidak ditetapkan secara langsung. Hanya tunggu sehingga data hotspot tidak diakses dengan kerap dan kemudian memprosesnya secara manual.

Penembusan cache

Cache avalanche adalah sesuatu yang istimewa Ini bermakna bahawa data yang akan diakses tiada dalam cache Redis mahupun dalam pangkalan data. Apabila sejumlah besar permintaan memasuki sistem, Redis dan pangkalan data akan berada di bawah tekanan yang luar biasa.

Biasanya terdapat dua sebab untuk penembusan cache:

  • Data dipadamkan secara tidak sengaja, menyebabkan tiada data dalam cache dan pangkalan data. Walau bagaimanapun, pelanggan tidak mengetahui perkara ini dan masih meminta dengan panik.
  • Terdapat serangan berniat jahat: iaitu seseorang menyasarkan anda untuk menyemak data yang tidak tersedia.

Untuk penembusan cache, anda boleh merujuk kepada penyelesaian berikut:

  • adalah untuk menetapkan nilai nol atau nilai lalai untuk nilai cache. Contohnya, apabila penembusan cache berlaku, tetapkan nilai nol/nilai lalai dalam cache Redis. Pertanyaan seterusnya untuk nilai ini akan terus mengembalikan nilai lalai ini.
  • Gunakan penapis Bloom untuk menentukan sama ada data wujud dan mengelakkan pertanyaan daripada pangkalan data.
  • Lakukan pengesanan permintaan di bahagian hadapan. Contohnya, tapis beberapa permintaan yang menyalahi undang-undang terus di bahagian hadapan dan bukannya menghantarnya ke bahagian belakang untuk diproses.

Mata pertama dan ketiga lebih mudah difahami dan tidak akan diterangkan di sini. Mari fokus pada perkara kedua: Penapis Bloom.

Penapis Bloom

Penapis Bloom digunakan terutamanya untuk menentukan sama ada elemen berada dalam set. Ia terdiri daripada vektor binari bersaiz tetap (boleh difahami sebagai tatasusunan bit dengan nilai lalai 0) dan satu siri fungsi pemetaan.

Mari kita lihat dahulu bagaimana penapis Bloom menandakan data a:

  • Dalam langkah pertama, berbilang fungsi pemetaan (fungsi cincang) akan digunakan, setiap Setiap fungsi akan hitung nilai cincangan data ini a;
  • Dalam langkah kedua, nilai cincangan yang dikira ini akan menjadi modulo panjang tatasusunan bit, supaya setiap nilai cincang pada tatasusunan diperoleh kedudukan
  • Langkah ketiga ialah menetapkan kedudukan yang diperolehi dalam langkah kedua kepada 1 pada tatasusunan bit masing-masing.

Selepas 3 langkah ini, pelabelan data selesai. Kemudian anda perlu menanyakan data apabila ia tidak ada:

  • Mula-mula kirakan berbilang kedudukan data ini dalam tatasusunan bit
  • Kemudian semak kedudukan tatasusunan bit ini nilai bit. Hanya jika nilai bit setiap kedudukan adalah 1, ia bermakna data mungkin wujud, jika tidak, data mesti tidak wujud.

Melihat gambar di bawah, prinsip asasnya ialah ini.

Fahami redis cache avalanche, pecahan cache dan penembusan cache dalam satu artikel

Pembelajaran yang disyorkan: Tutorial video Redis

Atas ialah kandungan terperinci Fahami redis cache avalanche, pecahan cache dan penembusan cache dalam satu artikel. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:juejin.im
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!