1 文章概述
在互联网场景中缓存系统是一个重要系统，为了防止流量频繁访问数据库，一般会在数据库层前设置一道缓存层作为保护。
缓存是一个广义概念，核心要义是将数据存放在离用户更近的地方，或者是将数据存放在访问更快的介质。
缓存对应到实际应用中可以分为内存缓存、远程缓存。内存缓存常见工具例如Guava、Ecache等，远程缓存常见系统例如Redis，memcache等。本文以远程缓存Redis为例进行讲解。
缓存穿透和击穿是高并发场景下必须面对的问题，这些问题会导致访问请求绕过缓存直接打到数据库，可能会造成数据库挂掉或者系统雪崩，下面本文根据下图提纲来分析这些问题的原理和解决方案。
2 缓存穿透与击穿区分
缓存穿透和击穿从最终结果上来说都是流量绕过缓存打到了数据库，可能会导致数据库挂掉或者系统雪崩，但是仔细区分还是有一些不同，我们分析一张业务读取缓存一般流程图。
我们用文字简要描述这张图：
假设业务方要查询A数据，缓存穿透是指数据库根本不存在A数据，所以根本没有数据可以写入缓存，导致缓存层失去意义，大量请求会频繁访问数据库。
缓存击穿是指请求在查询数据库前，首先查缓存看看是否存在，这是没有问题的。但是并发量太大，导致第一个请求还没有来得及将数据写入缓存，后续大量请求已经开始访问缓存，这是数据在缓存中还是不存在的，所以瞬时大量请求会打到数据库。
3 CAS实例与源码分析
现在我们把缓存问题放一放，一起来分析CAS这个概念的实例源码，后面我们编写缓存工具需要借鉴这个思想。
3.1 一道面试题
我们来看一道常见面试题，相信这个面试题大家并不会陌生：分析下面这段代码输出的值是多少：
class Data {
volatile int num = 0;
public void increase() {
num++;
}
}
public class VolatileTest {
public static void main(String[] args) {
Data data = new Data();
// 100个线程操作num累加
for (int i = 1; i <= 100; i++) {
new Thread(new Runnable() {
@Override
public void run() {
try {
Thread.sleep(1000L);
data.increase();
} catch (Exception ex) {
System.out.println(ex.getMessage());
}
}
}).start();
}
// 等待上述线程执行完 -数值2表示只有主线程和GC线程在运行
while (Thread.activeCount() 2) {
// 主线程让出CPU时间片
Thread.yield();
}
System.out.println(data.num);
}
}运行结果num值一般小于100，这是因为num++不是原子性，我们编写一段简单代码进行证明。
public class VolatileTest2 {
volatile int num = 0;
public void increase() {
num++;
}
}执行下列命令获取字节码：
javac VolatileTest2.java
javap -c VolatileTest2.class字节码文件如下所示：
$ javap -c VolatileTest2.class
Compiled from "VolatileTest2.java"
public class com.java.front.test.VolatileTest2 {
volatile int num;
public com.java.front.test.VolatileTest2();
Code:
0: aload_0
1: invokespecial 1 // Method java/lang/Object."<init>":()V
4: aload_0
5: iconst_0
6: putfield 2 // Field num:I
9: return
public void increase();
Code:
0: aload_0
1: dup
2: getfield 2 // Field num:I
5: iconst_1
6: iadd
7: putfield 2 // Field num:I
10: return
}我们观察num++代码片段，发现其实分为三个步骤：
(1) getfield
(2) iadd
(3) putfield getfield读取num值，iadd运算num+1，最后putfield将新值赋值给num。这就不难理解为什么num最终会小于100：因为线程A在执行到第二步后执行第三步前，还没来得及将新值赋给num，数据就被线程B取走了，这时还是没有加1的旧值。
3.2 CAS实例分析
那么怎么解决上述问题呢？常见方案有两种：加锁方案和无锁方案。
加锁方案是对increase加上同步关键字，这样就可以保证同一时刻只有一个线程操作，这不是我们这篇文章重点，不详细展开了。
无锁方案可以采用JUC提供的AtomicInteger进行运算，我们看一下改进后的代码。
import java.util.concurrent.atomic.AtomicInteger;
class Data {
volatile AtomicInteger num = new AtomicInteger(0);
public void increase() {
num.incrementAndGet();
}
}
public class VolatileTest {
public static void main(String[] args) {
Data data = new Data();
for (int i = 1; i <= 100; i++) {
new Thread(new Runnable() {
@Override
public void run() {
try {
Thread.sleep(1000L);
data.increase();
} catch (Exception ex) {
System.out.println(ex.getMessage());
}
}
}).start();
}
while (Thread.activeCount() 2) {
Thread.yield();
}
System.out.println(data.num);
}
}这样改写之后结果正如我们预期等于100，我们并没有加锁，那么为什么改用AtomicInteger就可以达到预期效果呢？
3.3 CAS源码分析
本章节我们以incrementAndGet方法作为入口，进行CAS源码分析。
class Data {
volatile AtomicInteger num = new AtomicInteger(0);
public void increase() {
num.incrementAndGet();
}
}进入incrementAndGet方法：
import sun.misc.Unsafe;
public class AtomicInteger extends Number implements java.io.Serializable {
private static final Unsafe unsafe = Unsafe.getUnsafe();
private static final long valueOffset;
public final int incrementAndGet() {
return unsafe.getAndAddInt(this, valueOffset, 1) + 1;
}
}我们看到一个名为Unsafe的类。这个类并不常见，到底有什么用呢？Unsafe是位于sun.misc包下的一个类，具有操作底层资源的能力。例如可以直接访问操作系统，操作特定内存数据，提供许多CPU原语级别的API。
我们继续分析源码跟进getAndAddInt方法：
public final int getAndAddInt(Object o, long offset, int delta) {
int v;
do {
v = getIntVolatile(o, offset);
} while (!compareAndSwapInt(o, offset, v, v + delta));
return v;
}我们对参数进行说明：o表示待修改的对象，offset表示待修改字段在内存中的偏移量，delta表示本次修改的增量。
整个方法核心是一段do-while循环代码，其中方法getIntVolatile比较好理解，就是获取对象o偏移量为offset的某个字段值。
我们重点分析while中compareAndSwapInt方法：
public final native boolean compareAndSwapInt(
Object o,
long offset,
int expected,
int x);其中o和offset含义不变，expected表示期望值，x表更新值，这就引出了CAS核心操作三个值：内存位置值、预期原值及新值。
执行CAS操作时，内存位置值会与预期原值比较。如果相匹配处理器会自动将该位置值更新为新值，否则处理器不做任何操作。
Unsafe提供的CAS方法是一条CPU的原子指令，底层实现即为CPU指令cmpxchg，不会造成数据不一致。
我们再回过头分析这段代码：
public final int getAndAddInt(Object o, long offset, int delta) {
int v;
do {
v = getIntVolatile(o, offset);
} while (!compareAndSwapInt(o, offset, v, v + delta));
return v;
}代码执行流程如下：
(1) 线程A执行累加，执行到getAndAddInt方法，首先根据内存地址获取o对象offset偏移量的字段值v1
(2) while循环中compareAndSwapInt执行，这个方法将再次获取o对象offset偏移量的字段值v2，此时判断v1和v2是否相等，如果相等则自动将该位置值更新为v1加上增量后的值，跳出循环
(3) 如果执行compareAndSwapInt时字段值已经被线程B改掉，则该方法会返回false，所以无法跳出循环，继续执行直至成功，这就是自旋设计思想通过上述分析我们知道，Unsafe类和自旋设计思想是CAS实现核心，其中自旋设计思想会在我们缓存工具中体现。
4 分布式锁实例分析
在相同JVM进程中为了保证同一段代码块在同一时刻只能被一个线程访问，JAVA提供了锁机制，例如我们可以使用synchroinzed、ReentrantLock进行并发控制。
如果在多个服务器的集群环境，每个服务器运行着一个JVM进程。如果希望对多个JVM进行并发控制，此时JVM锁就不适用了。这时就需要引入分布式锁。顾名思义分布式锁是对分布式场景下，多个JVM进程进行并发控制。
分布式锁在实现时小心踩坑：例如没有设置超时时间，如果获取到锁的节点由于某种原因挂掉没有释放锁，导致其它节点永远拿不到锁。
分布式锁有多种实现方式，可以自己通过Redis或者Zookeeper进行实现，也可以直接使用Redisson框架。本章节给出Redis分布式锁Lua脚本实现。
public class RedisLockManager {
private static final String DEFAULT_VALUE = "lock";
private static final String LOCK_SCRIPT =
"\nlocal r = tonumber(redis.call('SETNX', KEYS[1], ARGV[1]));"
+ "\nif r == 1 then"
+ "\nredis.call('PEXPIRE',KEYS[1],ARGV[2]);"
+ "\nend"
+ "\nreturn r";
private static final String UNLOCK_SCRIPT =
"\nlocal v = redis.call('GET', KEYS[1]);"
+ "\nlocal r = 0;"
+ "\nif v == ARGV[1] then"
+ "\nr = redis.call('DEL',KEYS[1]);"
+ "\nend"
+ "\nreturn r";
@Resource
private RedisClient redisClient;
public boolean tryLock(String key, int seconds) {
try {
String lockValue = executeLuaScript(key, lockSeconds);
if (lockValue != null) {
return true;
}
return false;
} catch (Exception ex) {
LOGGER.error("key={},lockSeconds={}", key, lockSeconds, ex);
return false;
}
}
public boolean unLock(String key) {
try {
Long r = (Long) redisClient.eval(UNLOCK_SCRIPT, 1, key, DEFAULT_VALUE);
if (new Long(1).equals(r)) {
return true;
}
} catch (Exception ex) {
LOGGER.info("key={}", key, ex);
}
return false;
}
private String executeLuaScript(String key, int lockSeconds) {
try {
Long returnValue = (Long) redisClient.eval(LOCK_SCRIPT, 1, key, DEFAULT_VALUE, String.valueOf(lockSeconds));
if (new Long(1).equals(returnValue)) {
return DEFAULT_VALUE;
}
} catch (Exception ex) {
LOGGER.error("key={},lockSeconds={}", key, lockSeconds, ex);
}
return null;
}
}5 缓存工具实例分析
上述章节分析了CAS原理和分布式锁实现，现在我们要将上述知识结合起来，实现一个可以解决缓存击穿问题的缓存工具。
缓存工具核心思想是如果发现缓存中无数据，利用分布式锁使得同一时刻只有一个JVM进程可以访问数据库，并将数据写入缓存。
那么没有抢到分布式锁的进程怎么办呢？我们提供以下三种选择：
缓存工具代码如下：
/**
* 业务回调
*
* @author 今日头条号「JAVA前线」
*
*/
public interface RedisBizCall {
/**
* 业务回调方法
*
* @return 序列化后数据值
*/
String call();
}
/**
* 安全缓存管理器
*
* @author 今日头条号「JAVA前线」
*
*/
@Service
public class SafeRedisManager {
@Resource
private RedisClient RedisClient;
@Resource
private RedisLockManager redisLockManager;
public String getDataSafe(String key, int lockExpireSeconds, int dataExpireSeconds, RedisBizCall bizCall, boolean alwaysRetry) {
try {
boolean getLockSuccess = false;
while(true) {
String value = redisClient.get(key);
if (StringUtils.isNotEmpty(value)) {
return value;
}
/** 竞争分布式锁 **/
if (getLockSuccess = redisLockManager.tryLock(key, lockExpireSeconds)) {
value = redisClient.get(key);
if (StringUtils.isNotEmpty(value)) {
return value;
}
/** 查询数据库 **/
value = bizCall.call();
/** 数据库无数据则返回**/
if (StringUtils.isEmpty(value)) {
return null;
}
/** 数据存入缓存 **/
redisClient.setex(key, dataExpireSeconds, value);
return value;
} else {
if (!alwaysRetry) {
logger.warn("竞争分布式锁失败,key={}", key);
return null;
}
Thread.sleep(100L);
logger.warn("尝试重新获取数据,key={}", key);
}
}
} catch (Exception ex) {
logger.error("getDistributeSafeError", ex);
return null;
} finally {
if (getLockSuccess) {
redisLockManager.unLock(key);
}
}
}
public String getDataSafeRetry(String key, int lockExpireSeconds, int dataExpireSeconds, RedisBizCall bizCall, int retryMaxTimes) {
try {
int currentTimes = 0;
boolean getLockSuccess = false;
while(currentTimes < retryMaxTimes) {
String value = redisClient.get(key);
if (StringUtils.isNotEmpty(value)) {
return value;
}
/** 竞争分布式锁 **/
if (getLockSuccess = redisLockManager.tryLock(key, lockExpireSeconds)) {
value = redisClient.get(key);
if (StringUtils.isNotEmpty(value)) {
return value;
}
/** 查询数据库 **/
value = bizCall.call();
/** 数据库无数据则返回**/
if (StringUtils.isEmpty(value)) {
return null;
}
/** 数据存入缓存 **/
redisClient.setex(key, seconds, value);
return value;
} else {
Thread.sleep(100L);
logger.warn("尝试重新获取数据,key={}", key);
currentTimes++;
}
}
} catch (Exception ex) {
logger.error("getDistributeSafeRetryError", ex);
return null;
} finally {
if (getLockSuccess) {
redisLockManager.unLock(key);
}
}
}
}在上面代码中我们采用分布式锁，对访问数据库资源的行为进行了限制，同一时刻只有一个进程可以访问数据库资源。如果有数据则放入缓存，解决了缓存击穿问题。如果没有数据则结束循环，解决了缓存穿透问题。使用方法如下：
/**
* 缓存工具使用
*
* @author 今日头条号「JAVA前线」
*
*/
@Service
public class StudentService implements StudentService {
private static final String KEY_PREFIX = "stuKey_";
@Resource
private StudentDao studentDao;
@Resource
private SafeRedisManager safeRedisManager;
public Student getStudentInfo(String studentId) {
String studentJSON = safeRedisManager.getDataRetry(KEY_PREFIX + studentId, 30, 600, new RedisBizCall() {
public String call() {
StudentDO student = studentDao.getStudentById(studentId);
if (null == student) {
return StringUtils.EMPTY;
}
return JSON.toJSONString(student);
}, 5);
if(StringUtils.isEmpty(studentJSON) {
return null;
}
return JSON.toJSONString(studentJSON, Student.class);
}
}
}6 数据库与缓存一致性问题
本文到第五章节缓存击穿问题从原理到解决方案已经讲清楚了，这个章节我想引申一个问题：到底是先写缓存还是先写数据库，或者说数据库与缓存一致性怎么保证？
我的结论非常清晰明确：先写数据库再写缓存。核心思想是数据库和缓存之间追求最终一致性，如无必要则无需保证强一致性。
(1) 在缓存作为提升系统性能手段的背景下，不需要保证数据库和缓存的强一致性。如果非要保证二者的强一致性，会增大系统的复杂度没有必要
(2) 如果更新数据库成功，再更新缓存。此时存在两种情况：更新缓存成功则万事大吉。更新缓存失败没有关系，等待缓存失效，此处一定要合理设置失效时间
(3) 如果更新数据库失败，则操作失败，重试或者等待用户重新发起
(4) 数据库是持久化数据，是操作成功还是失败的判断依据。缓存是提升性能的手段，允许短时间和数据库的不一致
(5) 在互联网架构中，一般不追求强一致性，而追求最终一致性。如果非要保证缓存和数据库的一致性，本质上是在解决分布式一致性问题
(6) 分布式一致性问题解决方案有很多，可以选择比如两阶段提交、TCC、本地消息表、MQ事务性消息
7 文章总结
本文介绍了缓存击穿问题原因和解决方案，其中参考率CAS源码的自旋设计思想，结合分布式锁实现了缓存工具，希望文章对大家有所帮助。