网站后台如何修改文字百度top风云榜
网上但凡看得见的文章，大部分在说缓存穿透时都是无脑分布式锁 / 逻辑过期，分布式锁一点问题都没有么？逻辑过期一点问题都没有么？还能不能再进一步优化？
在聊聊缓存击穿的双重判定锁之前，我们将按照循循渐进的方式讲解，什么是缓存击穿？常规解决方案的弊端是啥？缓存击穿解决方案能不能进一步优化？
什么是缓存击穿？
缓存击穿是指一个缓存中的数据因为某种原因（通常是缓存中的数据过期或者被删除），在短时间内遭受大量的请求，导致这些请求直接穿透到数据库或其他后端存储系统，增加了后端系统的负载。
缓存击穿通常在以下情况下发生：
- 热点数据过期：当缓存中存储的热门数据过期时，大量的请求会同时查询后端数据库。
- 第一次请求：对于一个之前从未被请求过的数据，当它第一次被请求时，缓存中没有这个数据，从而导致请求穿透到后端存储。
常规解决方案的弊端
为了解决Redis缓存击穿问题，八股文都是直接采取以下方案：
- 设置热点数据永不过期：对于一些热点数据，可以将其永不过期，确保即使数据过期后，仍然可以从缓存中获取。
- 使用互斥锁：在获取数据时，使用分布式锁（如 Redis 的分布式锁）来控制同时只有一个请求可以去后端获取数据，其他请求需要等待锁释放。这样可以防止多个请求同时穿透到后端存储。
思考一
设置热点数据永不过期属于是业务范围应该考虑的事情，这个数据是否应该永不过期？或者说活动时设置过期时间为 -1，活动后再执行程序删除。有一点可以确认，缓存数据不可能全部都是永不过期，因为缓存的存储压力会比较大，所以该方案无法作为通用方案。
那我们可以从互斥锁上面下下文章，如何通过互斥锁完成缓存击穿场景解决方案？
思考二
在获取数据时，使用分布式锁（如 Redis 的分布式锁）来控制同时只有一个请求可以去后端获取数据，其他请求需要等待锁释放。这样可以防止多个请求同时穿透到后端存储。
伪代码如下：
public String selectTrain(String id) {String cacheData = cache.get(id);if (StrUtil.isBlank(cacheData)) {Lock lock = getLock(id);lock.lock();try {String dbData = trainMapper.selectId(id);if (StrUtil.isNotBlank(dbData)) {cahce.set(id, dbData);cacheData = dbData;}} finally {lock.unlock();}}return cacheData;
}
这种方案有效地避免了缓存穿透问题，因为只有一个线程能够在同一时间内查询数据库，其他线程需要等待，不会同时穿透到后端存储系统。但是！！！其实上面的方案还是有个小细节滴~~
双重判定锁
上边还有一个问题就是，假如 100w 的请求读取一个缓存，100w 的请求全部卡在 lock.lock 获取分布式锁处，只有一个线程会执行逻辑请求数据库并放入缓存。问题来了，因为接下来的所有请求，99.99...w 还是会继续请求数据库，大家读一下上面的伪代码就明白了。（其实就是因为99.99...个请求都阻塞在Lock lock = getLock(id)这一步，而不是if (StrUtil.isBlank(cacheData))这一步。
这会造成两个实际的问题：
- 全部用户获取锁后查询数据库，会对数据库造成无用的性能浪费，因为这 100w 的请求，只有第一次是有效的。
- 查询数据库会造成用户响应时间变长，接口吞吐量下降。
双重判断：获取锁后，在查询数据库之前，再次检查一下缓存中是否存在数据。这是一个双重判断，如果缓存中存在数据，就直接返回；如果不存在，才继续执行查询数据库的操作。
伪代码如下：
public String selectTrain(String id) {String cacheData = cache.get(id);if (StrUtil.isBlank(cacheData)) {Lock lock = getLock(id);lock.lock();try {cacheData = cache.get(id);if (StrUtil.isBlank(cacheData)) {String dbData = trainMapper.selectId(id);if (StrUtil.isNotBlank(dbData)) {cahce.set(id, dbData);cacheData = dbData;}}} finally {lock.unlock();}}return cacheData;
}
下面是这种解决方案的一般步骤：
- 获取锁：在查询数据库前，首先尝试获取一个分布式锁。只有一个线程能够成功获取锁，其他线程需要等待。
- 查询数据库：如果双重判断确认数据确实不存在于缓存中，那么就执行查询数据库的操作，获取数据。
- 写入缓存：获取到数据后，将数据写入缓存，并设置一个合适的过期时间，以防止缓存永远不会被更新。
- 释放锁：最后，释放获取的锁，以便其他线程可以继续使用这个锁。
文末总结
本文深入探讨了缓存击穿问题以及解决方案。首先，我们了解了缓存击穿是指一个缓存中的数据因为某种原因（通常是缓存中的数据过期或者被删除），在短时间内遭受大量的请求，从而直接查询数据库，对系统性能造成了巨大的压力。然后，我们介绍了解决缓存击穿问题的一种有效方式——分布式互斥锁，以及分布式互斥锁的升级版本——双重判定锁。
总结一下：
- 缓存击穿问题是指某些请求查询缓存中不存在的数据，导致大量请求直接穿透到后端数据库，对系统性能造成严重影响。
- 分布式互斥锁是一种解决缓存击穿的有效方式。它通过在查询缓存之前尝试获取锁，只有一个线程能够成功获取锁，其他线程需要等待。这确保了只有一个线程可以查询数据库，避免了大规模的穿透。
- 双重判定锁是分布式互斥锁的升级版本。它在获取锁后，再次检查缓存中是否存在数据，以避免重复查询数据库。只有在确认缓存中不存在数据时，才继续查询数据库。
这两种解决方案都能够有效地应对缓存击穿问题，但需要根据实际情况选择合适的方式。分布式互斥锁适用于大多数场景，而双重判定锁则提供了更高的效率，适用于一些特定的场景。选择合适的解决方案，可以保护系统免受缓存击穿问题的困扰，提高性能和可靠性。