這篇文章主要為大家展示了“Nginx+redis+Ehcache中大型高并發(fā)與高可用的三層緩存架構(gòu)分析”，內(nèi)容簡(jiǎn)而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“Nginx+Redis+Ehcache中大型高并發(fā)與高可用的三層緩存架構(gòu)分析”這篇文章吧。

創(chuàng)新互聯(lián)自成立以來，一直致力于為企業(yè)提供從網(wǎng)站策劃、網(wǎng)站設(shè)計(jì)、成都網(wǎng)站制作、網(wǎng)站設(shè)計(jì)、外貿(mào)網(wǎng)站建設(shè)、電子商務(wù)、網(wǎng)站推廣、網(wǎng)站優(yōu)化到為企業(yè)提供個(gè)性化軟件開發(fā)等基于互聯(lián)網(wǎng)的全面整合營(yíng)銷服務(wù)。公司擁有豐富的網(wǎng)站建設(shè)和互聯(lián)網(wǎng)應(yīng)用系統(tǒng)開發(fā)管理經(jīng)驗(yàn)、成熟的應(yīng)用系統(tǒng)解決方案、優(yōu)秀的網(wǎng)站開發(fā)工程師團(tuán)隊(duì)及專業(yè)的網(wǎng)站設(shè)計(jì)師團(tuán)隊(duì)。

Nginx

對(duì)于中間件nginx常用來做流量的分發(fā)，同時(shí)nginx本身也有自己的緩存（容量有限），我們可以用來緩存熱點(diǎn)數(shù)據(jù)，讓用戶的請(qǐng)求直接走緩存并返回，減少流向服務(wù)器的流量

一、模板引擎

通常我們可以配合使用freemaker/velocity等模板引擎來抗住大量的請(qǐng)求

小型系統(tǒng)可能直接在服務(wù)器端渲染出所有的頁(yè)面并放入緩存，之后的相同頁(yè)面請(qǐng)求就可以直接返回，不用去查詢數(shù)據(jù)源或者做數(shù)據(jù)邏輯處理

對(duì)于頁(yè)面非常之多的系統(tǒng)，當(dāng)模板有改變，上述方法就需要重新渲染所有的頁(yè)面模板，毫無疑問是不可取的。因此配合nginx+lua（OpenResty），將模板單獨(dú)保存在nginx緩存中，同時(shí)對(duì)于用來渲染的數(shù)據(jù)也存在nginx緩存中，但是需要設(shè)置一個(gè)緩存過期的時(shí)間，以盡可能保證模板的實(shí)時(shí)性

二、雙層nginx來提升緩存命中率

對(duì)于部署多個(gè)nginx而言，如果不加入一些數(shù)據(jù)的路由策略，那么可能導(dǎo)致每個(gè)nginx的緩存命中率很低。因此可以部署雙層nginx

分發(fā)層nginx負(fù)責(zé)流量分發(fā)的邏輯和策略，根據(jù)自己定義的一些規(guī)則，比如根據(jù)productId進(jìn)行hash，然后對(duì)后端nginx數(shù)量取模將某一個(gè)商品的訪問請(qǐng)求固定路由到一個(gè)nginx后端服務(wù)器上去

后端nginx用來緩存一些熱點(diǎn)數(shù)據(jù)到自己的緩存區(qū)（分發(fā)層只能配置1個(gè)嗎）

Redis

用戶的請(qǐng)求，在nginx沒有緩存相應(yīng)的數(shù)據(jù)，那么會(huì)進(jìn)入到redis緩存中，redis可以做到全量數(shù)據(jù)的緩存，通過水平擴(kuò)展能夠提升并發(fā)、高可用的能力

一、持久化機(jī)制

持久化機(jī)制：將redis內(nèi)存中的數(shù)據(jù)持久化到磁盤中，然后可以定期將磁盤文件上傳至S3(AWS)或者ODPS（阿里云）等一些云存儲(chǔ)服務(wù)上去。

如果同時(shí)使用RDB和AOF兩種持久化機(jī)制，那么在redis重啟的時(shí)候，會(huì)使用AOF來重新構(gòu)建數(shù)據(jù)，因?yàn)锳OF中的數(shù)據(jù)更加完整，建議將兩種持久化機(jī)制都開啟，用AO F來保證數(shù)據(jù)不丟失，作為數(shù)據(jù)恢復(fù)的第一選擇；用RDB來作不同程度的冷備，在AOF文件都丟失或損壞不可用的時(shí)候來快速進(jìn)行數(shù)據(jù)的恢復(fù)。

實(shí)戰(zhàn)踩坑：對(duì)于想從RDB恢復(fù)數(shù)據(jù)，同時(shí)AOF開關(guān)也是打開的，一直無法正?；謴?fù)，因?yàn)槊看味紩?huì)優(yōu)先從AOF獲取數(shù)據(jù)（如果臨時(shí)關(guān)閉AOF，就可以正?；謴?fù)）。此時(shí)首先停止redis，然后關(guān)閉AOF，拷貝RDB到相應(yīng)目錄，啟動(dòng)redis之后熱修改配置參數(shù)redis config set appendonly yes，此時(shí)會(huì)自動(dòng)生成一個(gè)當(dāng)前內(nèi)存數(shù)據(jù)的AOF文件，然后再次停止redis，打開AOF配置，再次啟動(dòng)數(shù)據(jù)就正常啟動(dòng)

RDB

對(duì)redis中的數(shù)據(jù)執(zhí)行周期性的持久化，每一刻持久化的都是全量數(shù)據(jù)的一個(gè)快照。對(duì)redis性能影響較小，基于RDB能夠快速異?；謴?fù)

AOF

以append-only的模式寫入一個(gè)日志文件中，在redis重啟的時(shí)候可以通過回放AOF日志中的寫入指令來重新構(gòu)建整個(gè)數(shù)據(jù)集。（實(shí)際上每次寫的日志數(shù)據(jù)會(huì)先到linux os cache，然后redis每隔一秒調(diào)用操作系統(tǒng)fsync將os cache中的數(shù)據(jù)寫入磁盤）。對(duì)redis有一定的性能影響，能夠盡量保證數(shù)據(jù)的完整性。redis通過rewrite機(jī)制來保障AOF文件不會(huì)太龐大，基于當(dāng)前內(nèi)存數(shù)據(jù)并可以做適當(dāng)?shù)闹噶钪貥?gòu)。

二、redis集群

replication

一主多從架構(gòu)，主節(jié)點(diǎn)負(fù)責(zé)寫，并且將數(shù)據(jù)同步到其他salve節(jié)點(diǎn)（異步執(zhí)行），從節(jié)點(diǎn)負(fù)責(zé)讀，主要就是用來做讀寫分離的橫向擴(kuò)容架構(gòu)。這種架構(gòu)的master節(jié)點(diǎn)數(shù)據(jù)一定要做持久化，否則，當(dāng)master宕機(jī)重啟之后內(nèi)存數(shù)據(jù)清空，那么就會(huì)將空數(shù)據(jù)復(fù)制到slave，導(dǎo)致所有數(shù)據(jù)消失

sentinal哨兵

哨兵是redis集群架構(gòu)中很重要的一個(gè)組件，負(fù)責(zé)監(jiān)控redis master和slave進(jìn)程是否正常工作，當(dāng)某個(gè)redis實(shí)例故障時(shí)，能夠發(fā)送消息報(bào)警通知給管理員，當(dāng)master node宕機(jī)能夠自動(dòng)轉(zhuǎn)移到slave node上，如果故障轉(zhuǎn)移發(fā)生來，會(huì)通知client客戶端新的master地址。sentinal至少需要3個(gè)實(shí)例來保證自己的健壯性，并且能夠更好地進(jìn)行quorum投票以達(dá)到majority來執(zhí)行故障轉(zhuǎn)移。

前兩種架構(gòu)方式最大的特點(diǎn)是，每個(gè)節(jié)點(diǎn)的數(shù)據(jù)是相同的，無法存取海量的數(shù)據(jù)。因此哨兵集群的方式使用與數(shù)據(jù)量不大的情況

redis cluster

redis cluster支撐多master node，每個(gè)master node可以掛載多個(gè)slave node，如果mastre掛掉會(huì)自動(dòng)將對(duì)應(yīng)的某個(gè)slave切換成master。需要注意的是redis cluster架構(gòu)下slave節(jié)點(diǎn)主要是用來做高可用、故障主備切換的，如果一定需要slave能夠提供讀的能力，修改配置也可以實(shí)現(xiàn)（同時(shí)也需要修改jedis源碼來支持該情況下的讀寫分離操作）。redis cluster架構(gòu)下，master就是可以任意擴(kuò)展的，直接橫向擴(kuò)展master即可提高讀寫吞吐量。slave節(jié)點(diǎn)能夠自動(dòng)遷移（讓master節(jié)點(diǎn)盡量平均擁有slave節(jié)點(diǎn)），對(duì)整個(gè)架構(gòu)過載冗余的slave就可以保障系統(tǒng)更高的可用性。

ehcache

tomcat jvm堆內(nèi)存緩存，主要是抗redis出現(xiàn)大規(guī)模災(zāi)難。如果redis出現(xiàn)了大規(guī)模的宕機(jī)，導(dǎo)致nginx大量流量直接涌入數(shù)據(jù)生產(chǎn)服務(wù)，那么最后的tomcat堆內(nèi)存緩存也可以處理部分請(qǐng)求，避免所有請(qǐng)求都直接流向DB

針對(duì)上面的技術(shù)我特意整理了一下，有很多技術(shù)不是靠幾句話能講清楚，所以干脆找朋友錄制了一些視頻，很多問題其實(shí)答案很簡(jiǎn)單，但是背后的思考和邏輯不簡(jiǎn)單，要做到知其然還要知其所以然。如果想學(xué)習(xí)Java工程化、高性能及分布式、深入淺出。微服務(wù)、Spring，MyBatis，Netty源碼分析的朋友可以加我的Java進(jìn)階群：694549689，群里有阿里大牛直播講解技術(shù)，以及Java大型互聯(lián)網(wǎng)技術(shù)的視頻免費(fèi)分享給大家。

緩存數(shù)據(jù)更新策略

對(duì)時(shí)效性要求高的緩存數(shù)據(jù)，當(dāng)發(fā)生變更的時(shí)候，直接采取數(shù)據(jù)庫(kù)和redis緩存雙寫的方案，讓緩存時(shí)效性最高。

對(duì)時(shí)效性不高的數(shù)據(jù)，當(dāng)發(fā)生變更之后，采取MQ異步通知的方式，通過數(shù)據(jù)生產(chǎn)服務(wù)來監(jiān)聽MQ消息，然后異步去拉取服務(wù)的數(shù)據(jù)更新tomcat jvm緩存和redis緩存，對(duì)于nginx本地緩存過期之后就可以從redis中拉取新的數(shù)據(jù)并更新到nginx本地。

經(jīng)典的緩存+數(shù)據(jù)庫(kù)讀寫的模式，cache aside pattern

讀的時(shí)候，先讀緩存，緩存沒有的話，那么就讀數(shù)據(jù)庫(kù)，然后取出數(shù)據(jù)后放入緩存，同時(shí)返回響應(yīng)

更新的時(shí)候，先刪除緩存，然后再更新數(shù)據(jù)庫(kù)

之所以更新的時(shí)候只是刪除緩存，因?yàn)閷?duì)于一些復(fù)雜有邏輯的緩存數(shù)據(jù)，每次數(shù)據(jù)變更都更新一次緩存會(huì)造成額外的負(fù)擔(dān)，只是刪除緩存，讓該數(shù)據(jù)下一次被使用的時(shí)候再去執(zhí)行讀的操作來重新緩存，這里采用的是懶加載的策略。舉個(gè)例子，一個(gè)緩存涉及的表的字段，在1分鐘內(nèi)就修改了20次，或者是100次，那么緩存跟新20次，100次；但是這個(gè)緩存在1分鐘內(nèi)就被讀取了1次，因此每次更新緩存就會(huì)有大量的冷數(shù)據(jù)，對(duì)于緩存符合28黃金法則，20%的數(shù)據(jù)，占用了80%的訪問量

數(shù)據(jù)庫(kù)和redis緩存雙寫不一致的問題

最初級(jí)的緩存不一致問題以及解決方案

問題：如果先修改數(shù)據(jù)庫(kù)再刪除緩存，那么當(dāng)緩存刪除失敗來，那么會(huì)導(dǎo)致數(shù)據(jù)庫(kù)中是最新數(shù)據(jù)，緩存中依舊是舊數(shù)據(jù)，造成數(shù)據(jù)不一致。

解決方案：可以先刪除緩存，再修改數(shù)據(jù)庫(kù)，如果刪除緩存成功但是數(shù)據(jù)庫(kù)修改失敗，那么數(shù)據(jù)庫(kù)中是舊數(shù)據(jù)，緩存是空不會(huì)出現(xiàn)不一致

比較復(fù)雜的數(shù)據(jù)不一致問題分析

問題：對(duì)于數(shù)據(jù)發(fā)生來變更，先刪除緩存，然后去修改數(shù)據(jù)庫(kù)，此時(shí)數(shù)據(jù)庫(kù)中的數(shù)據(jù)還沒有修改成功，并發(fā)的讀請(qǐng)求到來去讀緩存發(fā)現(xiàn)是空，進(jìn)而去數(shù)據(jù)庫(kù)查詢到此時(shí)的舊數(shù)據(jù)放到緩存中，然后之前對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)的修改成功來，就會(huì)造成數(shù)據(jù)不一致

解決方案：將數(shù)據(jù)庫(kù)與緩存更新與讀取操作進(jìn)行異步串行化。當(dāng)更新數(shù)據(jù)的時(shí)候，根據(jù)數(shù)據(jù)的唯一標(biāo)識(shí)，將更新數(shù)據(jù)操作路由到一個(gè)jvm內(nèi)部的隊(duì)列中，一個(gè)隊(duì)列對(duì)應(yīng)一個(gè)工作線程，線程串行拿到隊(duì)列中的操作一條一條地執(zhí)行。當(dāng)執(zhí)行隊(duì)列中的更新數(shù)據(jù)操作，刪除緩存，然后去更新數(shù)據(jù)庫(kù)，此時(shí)還沒有完成更新的時(shí)候過來一個(gè)讀請(qǐng)求，讀到了空的緩存那么可以先將緩存更新的請(qǐng)求發(fā)送至路由之后的隊(duì)列中，此時(shí)會(huì)在隊(duì)列積壓，然后同步等待緩存更新完成，一個(gè)隊(duì)列中多個(gè)相同數(shù)據(jù)緩存更新請(qǐng)求串在一起是沒有意義的，因此可以做過濾處理。等待前面的更新數(shù)據(jù)操作完成數(shù)據(jù)庫(kù)操作之后，才會(huì)去執(zhí)行下一個(gè)緩存更新的操作，此時(shí)會(huì)從數(shù)據(jù)庫(kù)中讀取最新的數(shù)據(jù)，然后寫入緩存中，如果請(qǐng)求還在等待時(shí)間范圍內(nèi)，不斷輪詢發(fā)現(xiàn)可以取到緩存中值就可以直接返回（此時(shí)可能會(huì)有對(duì)這個(gè)緩存數(shù)據(jù)的多個(gè)請(qǐng)求正在這樣處理）；如果請(qǐng)求等待事件超過一定時(shí)長(zhǎng)，那么這一次的請(qǐng)求直接讀取數(shù)據(jù)庫(kù)中的舊值

對(duì)于這種處理方式需要注意一些問題：

讀請(qǐng)求長(zhǎng)時(shí)阻塞：由于讀請(qǐng)求進(jìn)行來非常輕度的異步化，所以對(duì)超時(shí)的問題需要格外注意，超過超時(shí)時(shí)間會(huì)直接查詢DB，處理不好會(huì)對(duì)DB造成壓力，因此需要測(cè)試系統(tǒng)高峰期QPS來調(diào)整機(jī)器數(shù)以及對(duì)應(yīng)機(jī)器上的隊(duì)列數(shù)最終決定合理的請(qǐng)求等待超時(shí)時(shí)間

多實(shí)例部署的請(qǐng)求路由：可能這個(gè)服務(wù)會(huì)部署多個(gè)實(shí)例，那么必須保證對(duì)應(yīng)的請(qǐng)求都通過nginx服務(wù)器路由到相同的服務(wù)實(shí)例上

熱點(diǎn)數(shù)據(jù)的路由導(dǎo)師請(qǐng)求的傾斜：因?yàn)橹挥性谏唐窋?shù)據(jù)更新的時(shí)候才會(huì)清空緩存，然后才會(huì)導(dǎo)致讀寫并發(fā)，所以更新頻率不是太高的話，這個(gè)問題的影響并不是特別大，但是的確可能某些機(jī)器的負(fù)載會(huì)高一些

分布式緩存重建并發(fā)沖突解決方案

對(duì)于緩存生產(chǎn)服務(wù)，可能部署在多臺(tái)機(jī)器，當(dāng)redis和ehcache對(duì)應(yīng)的緩存數(shù)據(jù)都過期不存在時(shí)，此時(shí)可能nginx過來的請(qǐng)求和kafka監(jiān)聽的請(qǐng)求同時(shí)到達(dá)，導(dǎo)致兩者最終都去拉取數(shù)據(jù)并且存入redis中，因此可能產(chǎn)生并發(fā)沖突的問題，可以采用redis或者zookeeper類似的分布式鎖來解決，讓請(qǐng)求的被動(dòng)緩存重建與監(jiān)聽主動(dòng)的緩存重建操作避免并發(fā)的沖突，當(dāng)存入緩存的時(shí)候通過對(duì)比時(shí)間字段廢棄掉舊的數(shù)據(jù)，保存最新的數(shù)據(jù)到緩存

緩存冷啟動(dòng)以及緩存預(yù)熱解決方案

當(dāng)系統(tǒng)第一次啟動(dòng)，大量請(qǐng)求涌入，此時(shí)的緩存為空，可能會(huì)導(dǎo)致DB崩潰，進(jìn)而讓系統(tǒng)不可用，同樣當(dāng)redis所有緩存數(shù)據(jù)異常丟失，也會(huì)導(dǎo)致該問題。因此，可以提前放入數(shù)據(jù)到redis避免上述冷啟動(dòng)的問題，當(dāng)然也不可能是全量數(shù)據(jù)，可以根據(jù)類似于當(dāng)天的具體訪問情況，實(shí)時(shí)統(tǒng)計(jì)出訪問頻率較高的熱數(shù)據(jù)，這里熱數(shù)據(jù)也比較多，需要多個(gè)服務(wù)并行的分布式去讀寫到redis中（所以要基于zk分布式鎖）

通過nginx+lua將訪問流量上報(bào)至kafka中，storm從kafka中消費(fèi)數(shù)據(jù)，實(shí)時(shí)統(tǒng)計(jì)處每個(gè)商品的訪問次數(shù)，訪問次數(shù)基于LRU（apache commons collections LRUMap）內(nèi)存數(shù)據(jù)結(jié)構(gòu)的存儲(chǔ)方案，使用LRUMap去存放是因?yàn)閮?nèi)存中的性能高，沒有外部依賴，每個(gè)storm task啟動(dòng)的時(shí)候基于zk分布式鎖將自己的id寫入zk同一個(gè)節(jié)點(diǎn)中，每個(gè)storm task負(fù)責(zé)完成自己這里的熱數(shù)據(jù)的統(tǒng)計(jì)，每隔一段時(shí)間就遍歷一下這個(gè)map，然后維護(hù)一個(gè)前1000的數(shù)據(jù)list，然后去更新這個(gè)list，最后開啟一個(gè)后臺(tái)線程，每隔一段時(shí)間比如一分鐘都將排名的前1000的熱數(shù)據(jù)list同步到zk中去，存儲(chǔ)到這個(gè)storm task對(duì)應(yīng)的一個(gè)znode中去

部署多個(gè)實(shí)例的服務(wù)，每次啟動(dòng)的時(shí)候就會(huì)去拿到上述維護(hù)的storm task id列表的節(jié)點(diǎn)數(shù)據(jù)，然后根據(jù)taskid，一個(gè)一個(gè)去嘗試獲取taskid對(duì)應(yīng)的znode的zk分布式鎖，如果能夠獲取到分布式鎖，再去獲取taskid status的鎖進(jìn)而查詢預(yù)熱狀態(tài)，如果沒有被預(yù)熱過，那么就將這個(gè)taskid對(duì)應(yīng)的熱數(shù)據(jù)list取出來，從而從DB中查詢出來寫入緩存中，如果taskid分布式鎖獲取失敗，快速拋錯(cuò)進(jìn)行下一次循環(huán)獲取下一個(gè)taskid的分布式鎖即可，此時(shí)就是多個(gè)服務(wù)實(shí)例基于zk分布式鎖做協(xié)調(diào)并行的進(jìn)行緩存的預(yù)熱

緩存熱點(diǎn)導(dǎo)致系統(tǒng)不可用解決方案

對(duì)于瞬間大量的相同數(shù)據(jù)的請(qǐng)求涌入，可能導(dǎo)致該數(shù)據(jù)經(jīng)過hash策略之后對(duì)應(yīng)的應(yīng)用層nginx被壓垮，如果請(qǐng)求繼續(xù)就會(huì)影響至其他的nginx，最終導(dǎo)致所有nginx出現(xiàn)異常整個(gè)系統(tǒng)變得不可用。

基于nginx+lua+storm的熱點(diǎn)緩存的流量分發(fā)策略自動(dòng)降級(jí)來解決上述問題的出現(xiàn)，可以設(shè)定訪問次數(shù)大于后95%平均值n倍的數(shù)據(jù)為熱點(diǎn)，在storm中直接發(fā)送http請(qǐng)求到流量分發(fā)的nginx上去，使其存入本地緩存，然后storm還會(huì)將熱點(diǎn)對(duì)應(yīng)的完整緩存數(shù)據(jù)沒發(fā)送到所有的應(yīng)用nginx服務(wù)器上去，并直接存放到本地緩存。

對(duì)于流量分發(fā)nginx，訪問對(duì)應(yīng)的數(shù)據(jù)，如果發(fā)現(xiàn)是熱點(diǎn)標(biāo)識(shí)就立即做流量分發(fā)策略的降級(jí)，對(duì)同一個(gè)數(shù)據(jù)的訪問從hash到一臺(tái)應(yīng)用層nginx降級(jí)成為分發(fā)至所有的應(yīng)用層nginx。storm需要保存上一次識(shí)別出來的熱點(diǎn)List，并同當(dāng)前計(jì)算出來的熱點(diǎn)list做對(duì)比，如果已經(jīng)不是熱點(diǎn)數(shù)據(jù)，則發(fā)送對(duì)應(yīng)的http請(qǐng)求至流量分發(fā)nginx中來取消對(duì)應(yīng)數(shù)據(jù)的熱點(diǎn)標(biāo)識(shí)

緩存雪崩解決方案

redis集群徹底崩潰，緩存服務(wù)大量對(duì)redis的請(qǐng)求等待，占用資源，隨后緩存服務(wù)大量的請(qǐng)求進(jìn)入源頭服務(wù)去查詢DB，使DB壓力過大崩潰，此時(shí)對(duì)源頭服務(wù)的請(qǐng)求也大量等待占用資源，緩存服務(wù)大量的資源全部耗費(fèi)在訪問redis和源服務(wù)無果，最后使自身無法提供服務(wù)，最終會(huì)導(dǎo)致整個(gè)網(wǎng)站崩潰。

事前的解決方案，搭建一套高可用架構(gòu)的redis cluster集群，主從架構(gòu)、一主多從，一旦主節(jié)點(diǎn)宕機(jī)，從節(jié)點(diǎn)自動(dòng)跟上，并且最好使用雙機(jī)房部署集群。

事中的解決方案，部署一層ehcache緩存，在redis全部實(shí)現(xiàn)情況下能夠抗住部分壓力；對(duì)redis cluster的訪問做資源隔離，避免所有資源都等待，對(duì)redis cluster的訪問失敗時(shí)的情況去部署對(duì)應(yīng)的熔斷策略，部署redis cluster的降級(jí)策略；對(duì)源服務(wù)訪問的限流以及資源隔離

事后的解決方案：redis數(shù)據(jù)做了備份可以直接恢復(fù)，重啟redis即可；redis數(shù)據(jù)徹底失敗來或者數(shù)據(jù)過舊，可以快速緩存預(yù)熱，然后讓redis重新啟動(dòng)。然后由于資源隔離的half-open策略發(fā)現(xiàn)redis已經(jīng)能夠正常訪問，那么所有的請(qǐng)求將自動(dòng)恢復(fù)

緩存穿透解決方案

對(duì)于在多級(jí)緩存中都沒有對(duì)應(yīng)的數(shù)據(jù)，并且DB也沒有查詢到數(shù)據(jù)，此時(shí)大量的請(qǐng)求都會(huì)直接到達(dá)DB，導(dǎo)致DB承載高并發(fā)的問題。解決緩存穿透的問題可以對(duì)DB也沒有的數(shù)據(jù)返回一個(gè)空標(biāo)識(shí)的數(shù)據(jù)，進(jìn)而保存到各級(jí)緩存中，因?yàn)橛袑?duì)數(shù)據(jù)修改的異步監(jiān)聽，所以當(dāng)數(shù)據(jù)有更新，新的數(shù)據(jù)會(huì)被更新到緩存匯中。

Nginx緩存失效導(dǎo)致redis壓力倍增

可以在nginx本地，設(shè)置緩存數(shù)據(jù)的時(shí)候隨機(jī)緩存的有效期，避免同一時(shí)刻緩存都失效而大量請(qǐng)求直接進(jìn)入redis

以上是“Nginx+Redis+Ehcache中大型高并發(fā)與高可用的三層緩存架構(gòu)分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！