6、Redis高并发缓存方案和性能优化-EW帮帮网

一、主从节点失效问题及解决方案

1. 主从失效问题本质

2. 解决方案对比

方案	原理	优点	缺点	适用场景
min-replicas-to-write	要求写入N个从节点才算成功	保证数据同步性	增加写入延迟	对一致性要求高的场景
Redlock算法	需要半数以上节点写入成功	更高的可靠性	性能损耗大	极端一致性要求的场景
混合持久化	AOF+RDB混合持久化策略	平衡性能与可靠性	仍有数据丢失窗口	通用场景

二、分布式锁优化方案

1. 分段锁设计

比如商品a的id为product_1001_bike，库存有1000个，普通思路是对这个key加锁，key是product_1001_bike，每次请求只能有一个请求同时操作库存。
可以拆分key为product_1001_bike_1、product_1001_bike_2…product_1001_bike_10，每个key的库存是100，每个key就是一把锁，那么这个时候高并发下，可以最多10个请求同时操作库存。
每次选哪个锁呢？每个key放到一个数组里，随机选，或者轮询

// 传统锁
RLock lock = redisson.getLock("product_1001");

// 分段锁优化(10个分段)
String[] segmentKeys = {
    "product_1001_seg1", 
    "product_1001_seg2",
    ...
    "product_1001_seg10"
};

// 随机选择分段
Random rand = new Random();
RLock segmentLock = redisson.getLock(segmentKeys[rand.nextInt(10)]);

2. 读写锁优化

// 写操作(独占锁)
RReadWriteLock rwLock = redisson.getReadWriteLock("product_lock");
rwLock.writeLock().lock();
try {
    // 更新操作
} finally {
    rwLock.writeLock().unlock();
}

// 读操作(共享锁)
rwLock.readLock().lock();
try {
    // 查询操作
} finally {
    rwLock.readLock().unlock();
}

三、缓存问题综合解决方案

1. 缓存问题矩阵

问题类型	现象	解决方案	补充策略
缓存击穿	热点key失效瞬间高并发，大量请求打到数据库	互斥锁重建	永不过期+后台更新
缓存穿透	透(与缓存击穿作区分)，查询不存在的数据，即缓存和数据库都没有，重复请求可能还会消耗缓存和数据库性能	布隆过滤器缓存空对象	空对象短过期时间
缓存雪崩	大量key同时失效，大量请求打到数据库和后端，逐渐导致数据库崩溃，后端服务崩溃，甚至整个服务不可用	随机过期时间多级缓存	熔断降级机制

2. 热点key重建优化流程

3. 热数据，读延期

每天都有访问的key，就是热数据，可以做读延期：

// 有数据直接延期 防止key过期访问数据库
String productStr = redisUtil.get(productCacheKey);
if (!StringUtils.isEmpty(productStr)) {
    product = JSON.parse0bject(productStr, Product.class);
    //读延期
    redisUtil.expire(productCacheKey, PRODUCT_CACHE_TIMEOUT, TimeUnit.SECONDS);
    return product;
}

4. 多级缓存架构

客户端请求
↓
CDN缓存 → 命中则返回
↓
Nginx本地缓存 → 命中则返回
↓
Redis集群缓存 → 命中则返回
↓
DB查询 + 回填缓存

四、开发规范与性能优化

1. Key设计规范

命名规则：业务:子业务:ID (如 trade:order:123)
长度控制：不超过44字节(Redis优化阈值)
特殊字符：禁止包含空格、换行符等

2. BigKey规避策略

数据类型	危险阈值	优化方案
String	>10KB	压缩/分片
Hash/Set	>1000元素	拆分为多个key
List/ZSet	>5000元素	分页存储

3. 缓存双写一致性方案对比

方案	一致性	复杂度	性能影响
分布式锁	强一致	高	较大
延迟双删	最终一致	中	中等
监听binlog	最终一致	高	小
设置过期时间	弱一致	低	无

五、高级场景解决方案

1. 突发流量处理

// 使用Redisson的tryLock优化热点重建
RLock hotLock = redisson.getLock("hot:"+productId);
if (hotLock.tryLock(0, 30, TimeUnit.SECONDS)) {
    try {
        // 双重检查
        String cache = redis.get(productKey);
        if (cache == null) {
            Product p = db.get(productId);
            redis.setex(productKey, 3600, p);
        }
    } finally {
        hotLock.unlock();
    }
} else {
    // 快速失败或降级处理
    return fallbackProduct;
}

2. 多级缓存实现示例

public Product getProduct(Long id) {
    // 1. 检查本地缓存
    Product product = localCache.get(id);
    if (product != null) return product;
    
    // 2. 检查Redis缓存
    String redisKey = "product:" + id;
    product = redisTemplate.opsForValue().get(redisKey);
    if (product != null) {
        localCache.put(id, product); // 回填本地缓存
        return product;
    }
    
    // 3. 数据库查询
    return getProductFromDBWithLock(id);
}

6、Redis高并发缓存方案和性能优化