经理让我复盘上次Redis缓存雪崩事故

存储 存储软件 Redis
公司最近安排了一波商品抢购活动,由于后台小哥操作失误最终导致活动效果差,被用户和代理商投诉了。经理让我带同事们一起复盘这次线上事故。

 [[351279]]

本文转载自微信公众号「爱笑的架构师」,作者雷架 。转载本文请联系爱笑的架构师公众号。   

事故背景

公司最近安排了一波商品抢购活动,由于后台小哥操作失误最终导致活动效果差,被用户和代理商投诉了。经理让我带同事们一起复盘这次线上事故。

什么原因造成的?

抢购活动计划是零点准时开始,

22:00 运营人员通过后台将商品上线

23:00后台小哥已经将商品导入缓存中,提前预热

抢购开始的瞬间流量非常大,按计划是通过Redis承担大部分用户查询请求,避免请求全部落在数据库上。

缓存命中

如上图预期大部分请求会命中缓存,但是由于后台小哥预热缓存的时候将所有商品的缓存时间都设置为2小时过期,所有的商品在同一个时间点全部失效,瞬间所有的请求都落在数据库上,导致数据库扛不住压力崩溃,用户所有的请求都超时报错。

实际上所有的请求都直接落到数据库,如下图:

缓存雪崩

什么时候发现的?

凌晨01:02 SRE 收到系统告警,登录运维管理系统发现数据库节点 CPU和内存飙升超过阈值,迅速联系后台开发人员定位排查。

为什么没有早点发现?

由于缓存设置过期时间是2小时,凌晨1点前缓存可以命中大部分请求,数据库服务处于正常状态。

发现时采取了什么措施?

后台小哥通过日志定位排查发现问题后,进行了一系列操作:

首先通过API Gateway(网关)限制大部分流量进来

接着将宕机的数据库服务重启

再重新预热缓存

确认缓存和数据库服务正常后将网关流量正常放开,大约01:30 抢购活动恢复正常。

如何避免下次出现?

这次事故的原因其实就是出现了缓存雪崩,查询数据量巨大,请求直接落到数据库上,引起数据库压力过大宕机。

在业界解决缓存雪崩的方法其实比较成熟了,比如有:

  • 均匀过期
  • 加互斥锁
  • 缓存永不过期

(1)均匀过期

设置不同的过期时间,让缓存失效的时间点尽量均匀。通常可以为有效期增加随机值或者统一规划有效期。

缓存key过期时间均匀分布

(2)加互斥锁

跟缓存击穿解决思路一致,同一时间只让一个线程构建缓存,其他线程阻塞排队。

互斥访问

(3)缓存永不过期

跟缓存击穿解决思路一致,缓存在物理上永远不过期,用一个异步的线程更新缓存。

异步更新缓存

复盘总结

通过与同事复盘这次线上事故,大家对于缓存雪崩有了更深刻的理解。为了避免再次出现缓存雪崩事故,大家一起讨论了多个解决方案:

(1)均匀过期

(2)加互斥锁

(3)缓存永不过期

希望技术人能够敬畏每一行代码!

 

责任编辑:武晓燕 来源: 爱笑的架构师
相关推荐

2019-10-12 14:19:05

Redis数据库缓存

2023-03-10 13:33:00

缓存穿透缓存击穿缓存雪崩

2020-03-16 14:57:24

Redis面试雪崩

2021-06-05 09:01:01

Redis缓存雪崩缓存穿透

2022-03-08 00:07:51

缓存雪崩数据库

2023-04-14 07:34:19

2019-04-24 09:25:51

安全事故复联

2021-06-02 06:49:18

Redis缓存设计.

2023-12-06 13:38:00

Redis缓存穿透缓存击穿

2018-12-13 12:43:07

Redis缓存穿透

2021-01-19 10:39:03

Redis缓存数据

2019-11-05 14:24:31

缓存雪崩框架

2022-08-28 16:31:11

缓存雪崩

2019-03-22 15:15:25

Redis缓存击穿雪崩效应

2022-05-27 07:57:20

缓存穿透缓存雪崩缓存击穿

2023-11-10 14:58:03

2019-08-30 08:33:59

Redis缓存高可用性

2022-11-18 14:34:28

2023-04-26 07:36:44

缓存雪崩服务器架构

2021-10-13 06:49:14

事故复盘ID
点赞
收藏

51CTO技术栈公众号