Redis异常测试盘点分析

Redis测试中的异常

在测试工作中，涉及到与 redis 交互的场景变的越来越多了。关于redis本身就不作赘述了，网上随便搜，本人也做过一些整理。

今天只来复盘一下，在测试过程中与 redis 的二三事儿。其中提到的案例是经过抽象化的，用作辅助说明作用，仅供参考。

一、更新 Key 异常

注意点：先删除原 key 再存，还是直接覆盖原 key？

比如：之前 A 服务每8小时去查询一次数据库，更新到缓存里去。后来需求调整，变成当数据库里有变动的时候就会发送MQ消息给服务 A，然后A就去全量拉取库里数据，再更新到缓存。

开发小哥实现的是先删除key再更新，那么可能会导致这个时间如果有大量的请求进来，就不能命中缓存。于是乎建议，当从数据库拉来数据之后，可以先和redis中原来的key值进行对比，删除多余的缓存，其他的覆盖更新。

二、Key的删除和丢失

注意点：考虑key被删除，或者key丢失后对上游的影响。

比如：服务A 会同步一类数据到 redis，然后发消息告诉 服务B。B 收到消息后，拿到 redis 数据去找自己那边 MongoDB里的对应 key，做更新操作，若查不到key，就会删除数据。

此时如果 redis 里产生了数据丢失，key就不存在了，那么同步过后，会导致 MongoDB 里的数据被勿删。

于是乎这里建议方案是：redis 那边涉及要删除key的话，就更新key的值为空[]，这时候 MongoDB 查询到值为空的key，就去删除对应数据。
另外，如果redis那边key 丢失了，MongoDB这边也别就删数据了，去调用一个实时接口去查询数据然后更新。

三、KEY 过期策略不当造成内存泄漏

首先回顾一下 redis 中 ttl key指令：

• 当 key 不存在时，返回 -2
• 当 key 存在但没有设置剩余生存时间时，返回 -1
• 否则，返回 key 的剩余生存时间，单位是 s

通常，大多数业务用到redis 都会设置过期时间。接下来，了解一下 key 过期是如何清理的。

定期清理

Redis会定期主动淘汰一批已过期的key（随机抽取一批key检查）。

缺点：可能存在很多KEY已过期，仍未清理。

惰性清理

在获取某个 key 的时候，redis 会检查一下这个 key 如果设置了过期时间并且已经过期，就会删除这个 key，不会返回任何东西。

缺点：如果存在很多未去查询的过期key，就没法走到惰性删除，于是可能会有大量过期的key堆积在内存里，导致内存耗尽。

一般来说，业务会惰性和定期清理配合使用。

内存淘汰机制

但是，如果定期清理漏掉了很多过期的key，然后你也没及时去查，也就没走惰性删除。此时依旧有可能大量过期的key堆积在内存里，导致内存耗尽。

这时候需要内存淘汰机制，有如下几个：

• noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。这个一般很少用。
• allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key，这个是最常用的。
• allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。
• volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。
• volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。
• volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。

以上可以作个了解。

四、查询Redis异常时处理

很多时候，redis 只是做一个缓存机制，如果redis异常或者未取到数据，是否有实时获取数据的兜底方案（查接口 or 查库？），需要考虑。

五、redis 穿透、击穿、雪崩

穿透

用户想要查询一个数据，发现redis内存数据库中没有，也就是说没有命中缓存，也是会向持久层数据库查询，发现也没有，那么本次查询失败。
如果此时，用户很多，高并发场景下都去查这个数据，由于缓存都没有命中，于是压力直接打到持久层数据库那里，这就是缓存穿透。

解决方案可以用布隆过滤器、返回空对象（设置过期时间）。

击穿

缓存击穿，是指一个key非常热点，在不停的扛着高并发，如果这个key失效了，在失效的瞬间，持续的并发量就会穿破缓存，直接打到持久层数据库，就像一个防御墙被凿开一个洞。

解决方案可以设置热点数据永不过期、加互斥锁等。

雪崩

是指在某一个时间段，缓存集中过期失效，或者redis宕机了。

解决方案：

• 事前：redis 高可用，主从+哨兵，redis cluster，避免全盘崩溃。
• 事中：本地 ehcache 缓存 + hystrix 限流&降级，避免 MySQL 被打死。
• 事后：redis 持久化，一旦重启，自动从磁盘上加载数据，快速恢复缓存数据。

关于这3个，之前有过一篇整理：https://www.jb51.net/article/230997.htm

六、Redis死锁

Redis锁，小心使用不当造成锁不能释放，陷入死锁。

目前常用的2种锁：

SET Key UniqId Seconds

仅在单实例的场景下是安全的。如果不使用setnx+expire+del中间环节断了仍可能造成死锁；
如果不用SET Key UnixTimestamp Seconds NX，高并发下可能存在相同时间戳。

分布式Redis锁：Redlock

此种方式比原先的单节点的方法更安全。

• 安全性：在同一时间不允许多个Client同时持有锁。
• 活性死锁：锁最终应该能够被释放，即使Client端crash或者出现网络分区（通常基于超时机制）。
• 容错性：只要超过半数Redis节点可用，锁都能被正确获取和释放。

七、Redis持久化

当Redis数据需要长久有效时，需要考虑是否做RDB和AOF持久化，一般RDB和AOF配合使用，但做持久化，会影响性能。

目前接触到的业务做持久化的很少见。比如有个推荐系统Redis数据是长久有效的，但却为了响应快不影响性能，未做持久化，而采用了其他的降级方案Hbase，以及业务的兜底等。

八、缓存与数据库双写时的数据一致性

一般来说，就是如果你的系统不是严格要求缓存+数据库必须一致性的话，允许缓存跟数据库偶尔不一致的情况，那么最后好不要做这个一致性方案。

如果实现这个方案，读请求和写请求串行化，串到一个内存队列里去，这样就可以保证一定不会出现不一致的情况。

但是串行化之后，就会导致系统的吞吐量会大幅度的降低，用比正常情况下多几倍的机器去支撑线上的一个请求。

还有一种适中的方式就是，就是先更新数据库，然后再删除缓存。可能会暂时产生不一致的情况，但是发生的几率特别小。这时候通常并行写数据库和缓存，可以加个事务，都写成功才成功，有一个环节失败了就回滚事务，全失败。

关于双写一致性的问题，其实可以另起一个篇幅来说了，有兴趣的可以网上搜索一下，后续可能会再进行整理。