当前位置：首页 > news >正文

三级a做爰网站百度网址大全下载安装

news 2026/4/7 3:08:34

三级a做爰网站,百度网址大全下载安装,网页设计网站欣赏,顺德网站制作案例效果缓存雪崩与缓存穿透：高并发系统的隐形杀手在高并发系统中，缓存是提升性能的重要手段。然而，缓存使用不当也会带来一系列问题，其中最常见的就是缓存雪崩和缓存穿透。这两个问题如果不加以解决，可能会导致系统崩溃&…

缓存雪崩与缓存穿透：高并发系统的隐形杀手

在高并发系统中，缓存是提升性能的重要手段。然而，缓存使用不当也会带来一系列问题，其中最常见的就是缓存雪崩和缓存穿透。这两个问题如果不加以解决，可能会导致系统崩溃，甚至引发严重的生产事故。本文将深入探讨缓存雪崩和缓存穿透的成因，并提供解决方案，最后用Java代码实现。

一、缓存雪崩

1.1 什么是缓存雪崩？

缓存雪崩是指大量缓存数据在同一时间失效，导致所有请求都直接打到数据库上，数据库瞬间承受巨大压力，甚至崩溃。

1.2 缓存雪崩的成因

缓存集中过期：缓存数据设置了相同的过期时间，导致大量缓存同时失效。
缓存服务器宕机：缓存服务器出现故障，无法提供服务。

1.3 解决方案

设置不同的过期时间：为缓存数据设置随机的过期时间，避免同时失效。
使用多级缓存：在本地缓存和分布式缓存之间增加一层缓存，减少直接访问数据库的压力。
缓存预热：在系统启动时，提前加载热点数据到缓存中。
限流降级：使用限流工具（如Sentinel）对数据库进行保护，防止数据库被压垮。

1.4 Java实现

import java.util.Random;
import java.util.concurrent.TimeUnit;public class CacheAvalancheSolution {private static final int BASE_EXPIRE_TIME = 3600; // 基础过期时间private static final int RANDOM_RANGE = 600; // 随机范围public static void main(String[] args) {// 模拟缓存数据String cacheKey = "hot_data";String cacheValue = getDataFromCache(cacheKey);if (cacheValue == null) {// 缓存失效，重新加载cacheValue = getDataFromDB();setCacheWithRandomExpire(cacheKey, cacheValue);}System.out.println("Cache Value: " + cacheValue);}private static String getDataFromCache(String key) {// 模拟从缓存中获取数据return null; // 假设缓存失效}private static String getDataFromDB() {// 模拟从数据库中获取数据return "Data from DB";}private static void setCacheWithRandomExpire(String key, String value) {// 设置缓存，并添加随机过期时间int expireTime = BASE_EXPIRE_TIME + new Random().nextInt(RANDOM_RANGE);System.out.println("Set cache with expire time: " + expireTime + " seconds");// 实际项目中可以使用Redis等缓存工具}
}

二、缓存穿透

2.1 什么是缓存穿透？

缓存穿透是指查询一个不存在的数据，由于缓存中没有该数据，请求直接打到数据库上。如果大量请求查询不存在的数据，数据库可能会被压垮。

2.2 缓存穿透的成因

恶意攻击：攻击者故意查询不存在的数据，导致数据库压力过大。
业务逻辑问题：业务代码中没有对查询参数进行校验，导致大量无效查询。

2.3 解决方案

布隆过滤器：使用布隆过滤器过滤掉不存在的数据，避免无效查询。
缓存空值：对于查询结果为空的请求，缓存一个空值，并设置较短的过期时间。
参数校验：在业务逻辑层面对查询参数进行校验，过滤掉无效请求。

2.4 Java实现

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;public class CachePenetrationSolution {private static BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(), 1000000, 0.01); // 布隆过滤器public static void main(String[] args) {// 模拟查询String queryKey = "non_existent_key";if (!bloomFilter.mightContain(queryKey)) {// 布隆过滤器判断不存在System.out.println("Data not exist in bloom filter");return;}String cacheValue = getDataFromCache(queryKey);if (cacheValue == null) {// 缓存失效，重新加载cacheValue = getDataFromDB(queryKey);if (cacheValue == null) {// 数据库中没有该数据，缓存空值setCacheWithShortExpire(queryKey, "NULL");} else {setCacheWithShortExpire(queryKey, cacheValue);}}System.out.println("Cache Value: " + cacheValue);}private static String getDataFromCache(String key) {// 模拟从缓存中获取数据return null; // 假设缓存失效}private static String getDataFromDB(String key) {// 模拟从数据库中获取数据return null; // 假设数据库中不存在该数据}private static void setCacheWithShortExpire(String key, String value) {// 设置缓存，并添加较短的过期时间System.out.println("Set cache with short expire time for key: " + key);// 实际项目中可以使用Redis等缓存工具}
}