1 介绍
作者是互联网一线研发负责人，所在业务也是业内核心流量来源，经常参与 业务预定、积分竞拍、商品秒杀等工作。
近期参与多场新员工的面试工作，经常就 『超高并发场景下热点数据』 可用性保障与候选人进行讨论。
本文聚焦一些关键点技术进行讨论，并总结一些热点场景的处理经验。
2 业务基础架构简图（假设）
3 超高并发下热点数据的稳定性保障
3.1 命题背景
1000w+请求同时投向后端，如果缓存未建立、失效，甚至缓存服务故障，就会透过缓存层直接投向数据库。
可能会造成整体击穿/雪崩，怎么破？
3.2 各种业务场景及应对方案
3.2.1 规律性热点数据预热
无论是聚集式热key，还是散列式热key，只要是有一定规律性的，均可以做 预热。
既然是热Key，那就想办法尽可能让它不进入MySQL，就不会对数据库造成伤害,。
这种场景最常见的就是对一些字典数据做预热，因为他们不容易改变，修改频次较低，但又很容易在高峰期被群蜂请求（突发式的批量请求）。
电商领域比如： 商品种类、品牌类型、折扣规则。
办公/教学领域比如：学校、年段、班级、学科、考试科目等。
一般来说如果10点是峰值期，那么可以预先在8~10点期间，可以逐渐的把大部分缓存建立起来。如图：
3.2.2 非规律性热点数据预热
Redis + 应用层 加探测器，预判热Key，并将探测到的热Key进行预热。
1、baidu实时热搜
2. taobao商品排行
这种额外的开销就是有一个实时计算的独立组件，因为热点新闻、热点数据都有急剧突变的特性。比如weibo多次因为突发热点新闻导致网站崩溃。
3.2.3 破解过期时间一致性问题
缓存的建立过程都是散列的，但是如果长时间静待都会被逐渐释放。
比如钉钉、飞书的办公场景，遇到夜晚低峰期、周末节假日，缓存Key被逐步释放之后。很容易在第二个工作日的早高峰造成大量创建缓存，流量井喷。
解决方案除了前面我们提到的缓存预热之外，错峰过期时间也是常规操作。
可以给缓存设置过期时间时加上一个随机值时间，使得每个key的过期时间分布开来，不会集中在同一时刻失效。
随机值我们团队的做法是：n * 3/4 + n * random() 。所以，比如你原本计划对一个缓存建立的过期时间为8小时，那就是6小时 + 0~2小时的随机值。
这样保证了均匀分布在 6~8小时之间。如图：
3.2.4 过滤垃圾请求
一般情况下，我们取数先从缓存中Get Key，不存在的时候再从数据库中去获取，但这很容易给攻击者提供漏洞。
他可以疯狂模拟一些不存在的Key，让你进入数据库去取数，这样就可以拖垮你的数据库，实现击溃你系统的目的。
有效的办法是在服务层先判断这个Key的是否符合标准（比如滴滴的订单数据缓存包含时间戳+用户ID的序列化），这样可以过滤一部分无效攻击。
但是如果他能够破解你key的规则，依旧可以钻漏洞。你可以在缓存层上加一层过滤器，帮你Filter掉那些不合理的攻击。
详细可以参考我这篇《Redis系列16：聊聊布隆过滤器（原理篇） 》
3.2.5 消息队列和削峰
如果一个缓存不存在（不存在、过期、被误删都有可能），但是同时有千万请求投奔过来。
这时候关心是不是及时拿回正确数据已经不重要了，保住你的缓存和数据库不被击穿才是关键。
队列的目的是让并行变成串行，这一定程度上降低系统处理用户请求的吞吐能力，但是却能很好的缓解你服务的压力和风险。
如上图：第一个请求B从数据库中取，后面的C、A就是从缓存服务中取了，压力变小很多。
3.2.6 适当加锁
分布式锁场景，在访问key之前，采用SETNX（set if not exists）来设置另一个短期key来锁住当前key的访问，访问结束再删除该短期key。
这种现象是多个线程同时去查询数据库的这条数据，那么我们可以在第一个查询数据的请求上使用一个 互斥锁来锁住它。
其他的线程走到这一步拿不到锁就等着，等第一个线程查询到了数据，然后做缓存。后面的线程进来发现已经有缓存了，就直接走缓存。
锁不好的地方就是在其他线程在拿不到锁的时候就等待，这个会造成系统整体吞吐量降低，用户体验度也不好。
这算是一种简单明了的降级策略了。
3.2.7 限流策略
一样是一种在流量井喷时保住服务不雪崩的有效方法，限流一般是从服务层去实现的。
Java服务的话可以使用 Hystrix进行限流 + 降级 ，比如一下子来了1W个请求，超过当前系统的吞吐承受能力，假设单秒TPS的能力只能是 5000个，那么剩余的 5000 请求就可以走限流逻辑。
可以设置一些默认值，然后调用我们自己降级逻辑去FallBack，保护最后的 MySQL 不会被大量的请求挂起。 除了Hystrix之外，阿里的Sentinel 和 Google的RateLimiter 都是不错的选择。
Sentinel 漏桶算法
RateLimiter 令牌桶算法
3.2.8 降级策略(备选缓存)
你的缓存层存在主备场景，他们之间定时异步同步，所以允许存在短暂数据不一致的情况。
当你的主服务挂了之后，降级去读备服务，数据时效性没那么高，但是也避免了数据库被打穿的情况发生。
3.2.9 降级策略（客户端缓存）
参考Redis 6.0的 Client Side Cache，看我这篇《追求性能极致：客户端缓存带来的革命》。
类似4.5做法，客户端缓存时效性会差一点，毕竟存在订阅跟同步的过程，数据没那么新。但是避免大量的请求直接上缓存服务，又因无效的缓存服务又把压力转移给数据库。
3.2.10 降级策略之空初始值
这是一种短效的降级方式：
如果一个缓存失效的时候，有无数个请求狂奔而来，而第一个请求从进入缓存池，判空，再到数据库检索，再查询出结果并返回设置缓存的这个过程里，缓存是不存在的。
这个就很危险，超高并发下这个短暂的过程足已让千千万万请求投向数据库。更别提这可能是个慢查询，整个过程可能长达2s以上，那对数据库是一种非常大的伤害。
业内有一种做法叫做空初始值，短暂的局部降级来保证整个数据库系统不被击穿。大概流程如下：
可以看出，整个过程中我们牺牲了A、B、C、D的请求，他们拿回了一个空值或者默认值，但是这局部的降级却保证整个数据库系统不被拥堵的请求击穿。
3.2.11 高可用集群和自动扩缩容
集群模式和自动扩缩容模式从服务到缓存到数据层都应该具备，否则无法根据流量来进行弹性伸缩，保持高可用。
如下图， 蓝色部件是扩容的部分，每一分层都有自己的动态扩容机制。
详细可以参考笔者这几篇文章。
《云原生：使用HPA和VPA实现集群扩缩容》
《数据库系列：数据库高可用及无损扩容》
3.2.12 雪崩之后的恢复
如果最终导致了缓存雪崩，那么重启后快速的数据恢复也是我们核心的目标。
刚刚恢复重启的缓存服务，这时候数据都是空的，大量的请求流量带来的缓存重建（进而拉动数据库流量）势必会带来压力甚至二次雪崩。
这时候最好的办法就是能够有工具进行缓存恢复，而不是从数据库中去获取数据来重建，这样的过程漫长而负重。
这块可以参考笔者的这两篇文章：
《Redis系列：RDB内存快照提供持久化能力》
《Redis稳定性之战：AOF日志支撑数据持久化 》
4 总结
扩展阅读：缓存雪崩、击穿、穿透
《架构与思维：一次缓存雪崩的灾难复盘 》
《架构与思维：再聊缓存击穿，面试是一场博弈》