面试题：Redis与MySQL缓存结合时，如何处理缓存雪崩问题？

Question

在使用Redis与MySQL结合应对高并发写请求场景中，缓存雪崩是一个常见问题。请阐述缓存雪崩产生的原因，并说明至少两种应对缓存雪崩的方法。

Answer 1

缓存雪崩产生的原因

1. 大量缓存同时过期：在高并发系统中，如果大量的缓存数据设置了相同或相近的过期时间，当这些缓存同时过期时，大量原本由缓存处理的请求会瞬间直接涌向数据库，导致数据库负载急剧增加，甚至可能因不堪重负而崩溃。
2. 缓存服务故障：Redis 作为缓存服务，如果因为某些原因（如服务器宕机、网络故障等）出现不可用情况，所有依赖缓存的请求都会转而访问数据库，引发数据库压力剧增，造成雪崩效应。

应对缓存雪崩的方法

1. 设置随机过期时间：在设置缓存过期时间时，为每个缓存数据添加一个随机的过期时间偏移量，避免大量缓存同时过期。例如，原本设置过期时间为 60 分钟，可以改为 55 - 65 分钟之间的随机值。这样能分散缓存过期时间，减轻数据库压力。

import random
import redis

r = redis.Redis(host='localhost', port=6379, db=0)
expire_time = 60 * 60 + random.randint(-300, 300)
r.setex('key', expire_time, 'value')

2. 使用互斥锁：当缓存失效时，先使用互斥锁（如 Redis 的 SETNX 命令）来保证只有一个请求能去查询数据库并更新缓存，其他请求等待。这样可以防止大量请求同时查询数据库，避免数据库压力过大。

import redis

r = redis.Redis(host='localhost', port=6379, db=0)
lock_key = 'lock_key'
while True:
    if r.setnx(lock_key, 1):
        try:
            # 查询数据库
            data = get_data_from_db()
            # 更新缓存
            r.set('key', data)
        finally:
            r.delete(lock_key)
        break
    else:
        # 等待一段时间后重试
        time.sleep(0.1)

3. 二级缓存方案：采用二级缓存结构，例如一级缓存使用 Redis，二级缓存可以使用本地缓存（如 Python 的 functools.lru_cache）。当一级缓存失效时，先从二级缓存获取数据，如果二级缓存也没有，再查询数据库。这样能在一定程度上减轻数据库压力。

import functools

@functools.lru_cache(maxsize=128)
def get_data():
    data = r.get('key')
    if data is None:
        data = get_data_from_db()
        r.set('key', data)
    return data

4. 缓存预热：在系统上线前，提前将一些热点数据加载到缓存中，并设置合理的过期时间。这样可以避免系统刚上线时大量请求直接冲击数据库，同时也减少了缓存同时过期的可能性。

hot_keys = ['key1', 'key2', 'key3']
for key in hot_keys:
    data = get_data_from_db(key)
    r.set(key, data)

5. 服务熔断与降级：当检测到数据库压力过大时，通过服务熔断机制暂时切断部分请求对数据库的访问，并返回兜底数据（如默认数据或缓存中旧数据），避免数据库被压垮。同时，开启服务降级，关闭一些非核心业务，保证核心业务的正常运行。例如，在 Python 中可以使用 circuitbreaker 库实现服务熔断。

from circuitbreaker import circuit

@circuit(failure_threshold=5, recovery_timeout=60)
def get_data_from_db():
    # 数据库查询逻辑
    pass