欢迎关注头条号：老顾聊技术

精品原创技术分享，知识的组装工

目录

1. 前言
2. 缓存化
3. 分布式锁
4. 永不过期
5. 遗留问题
6. 读写分离
7. 本地缓存
8. 热点发现
9. 总结

前言

“这个商品不错，大家来看啊“，每个平台都有会有些大卖的商品，简称为爆品。这些商品会有个特点，就是访问量特别大。我们专业上面可以称之为热点数据，在处理这些热点商品时，系统需要做一些特殊的处理。

缓存化

针对热点商品这些类型的数据，要考虑到访问量比较大，大家首先想到的是缓存，上redis缓存，这点肯定没有错。系统框架如下：

上图中，先从缓存中获取，没有再到DB获取，并保存到缓存中。但有个问题会产生，热点数据的访问会比较大，如果缓存一旦失效，所有请求同一时刻，会打到DB上面，DB肯定会崩溃。那怎么办呢？

分布式锁

缓存一旦失效，如何重新构建缓存？首先需要避免失效那一刻大量请求同时去重新构建缓存。因为重新构建缓存，需要到数据库DB中获取数据，那一个时刻的所有请求到DB上面。

方案有两种，第一个方案是把请求进入队列中（这个老顾以后会介绍，关于库存一致性的问题中，有涉及到这个知识点）。

还有一个方案就比较简单，利用分布式锁，只允许一个请求线程去访问DB，其他请求阻塞，这样就避免了很多请求打到DB上。

具体怎么实现可以看老顾之前的文章【如何利用锁，防止缓存击穿？重构思想的重要性】

永不过期

这个方案就是利用redis本身的特性，导致的问题是因为缓存失效了，那我们可以让缓存永不过期就行了。这个方案中需要考虑两个情况：

1、热点商品上线前需要预热，也就是在商品正式发布到前端时，需要提前把商品信息进行缓存，避免跟缓存失效的情况一样。

2、更新商品信息机制，如何在商品信息更新后，及时更新缓存中的商品信息。这个也比较简单在更新商品事件中，增加个更新消息，由缓存服务进行消费，更新缓存信息。

遗留问题

上面两个方案是网上经常提到的方案，其实这两个方案会存在一个问题，也就是redis达到了负载极限怎么办？也就是热点商品的访问量，我们的单台redis扛不住了。

小伙伴们会有疑问，redis可以上集群啊，不就解决了吗？

我们先了解一下，redis cluster集群部署方案：

上图是redis经典的三主三从集群方案，客户端进行set和get时，都是走的主redis，从redis只是个备份，主要作用是用来做高可用的，如：主redis挂了，从redis顶上。

备注：老顾这里介绍的是redis集群部署方案，如果是之前的redis主从方案，另外讨论

从redis是不负责set和get请求的，即使请求打到从redis节点，从redis也会转发给主redis。而其他的主redis，是用来做数据扩容的。

即就是商品A的信息，只会存在一个主redis中，其他主redis是没有此商品A的信息的，这就是redis集群哈希槽的特点。

也就是小伙伴刚才想到的做redis集群这个方案是不行的，因为热点数据只会在一个主redis中。会存在单台redis负载不足（达到网卡、网络上限。达到这个瓶颈流量代表非常大了）。那怎么办呢？

读写分离

上面我们提到从redis只不负责读和写请求的，但redis官方提供了一个方法，在操作读请求时，可以先加上readonly命令，这样从redis就可以提供读请求服务了，不需要转发到主redis。

根据这个特性，我们可以对客户端工具进行改造，读请求方法时，加上readonly这个命令，从而实现读写分离，提高了从redis的利用率。

即达到了多台从redis去扛大量请求了，减少了主redis压力。这个方案需要对客户端进行改造，而且redis官方推荐没有必要使用读写分离。

本地缓存

这个方案就是多级缓存的方案，把缓存前置，架构图如下：

改造web应用服务，在获取到redis缓存后，在web服务本地把热点的数据进行缓存，因为热点的商品不会很多，所以保存在本地缓存中，是没有问题的。这样请求数据时，如果web本地有缓存数据，就直接返回了。

这样前端3个web应用就分担了redis缓存的压力，如访问过大就可以增加web应用服务，本来web应用服务就需要集群化

热点发现

本地缓存的方案中，有一个问题需要解决，那就是怎么知道哪些数据是热点数据？因为本地缓存资源有限，不可能把所有的商品数据进行缓存，它只会缓存热点的数据。那怎么知道数据是热点数据呢？

人为预测

就是人工标记，预测这个商品会成为热点，打个标记。web应用根据这个标记把此商品保存到本地缓存中

这个方案，是根据运营人员的经验进行预测，太不靠谱了。

系统推算

这个方案是根据实实在在的数据访问量进行推算形成，网上也介绍了用访问日志的什么算法，推算哪些是热点数据。

老顾这里分享一个比较简单的方式，就是利用redis4.x自身特性，LFU机制发现热点数据。实现很简单，只要把redis内存淘汰机制设置为allkeys-lfu或者volatile-lfu方式，再执行

./redis-cli --hotkeys

会返回访问频率高的key，并从高到底的排序

那就是我们的热点数据的key了。

备注：在设置key时，需要把商品id带上，这样就是知道是哪些商品了

总结

到此为止，老顾就把热点数据的问题、解决方案以及热点发现介绍完了，希望能够帮助小伙伴。当然整个解决方案的搭建，还需要小伙伴结合自身业务去实现。

如果小伙伴们部署到阿里云上面，阿里云上面也有类似方案

谢谢大家阅读！！！

-End-

如有收获，请帮忙转发，您的鼓励是作者最大的动力，谢谢！

10几年的经验实战分享

相关微服务，分布式，高并发，高可用，企业实战，干货等原创文章正在路上

欢迎关注头条号：老顾聊技术

精品原创技术分享，知识的组装工

推荐阅读

1、如何设计API接口，实现统一格式返回？

2、你真的知道在生产环境下如何部署tomcat吗？

3、分享一线互联网大厂分布式唯一ID设计 之 snowflake方案

4、分享大厂分布式唯一ID设计方案，快来围观

5、你想了解一线大厂的分布式唯一ID生成方案吗？

6、你知道如何处理大数据量吗？(数据拆分篇)

7、如何永不迁移数据和避免热点? 根据服务器指标分配数据量(揭秘篇)

8、你知道怎么分库分表吗？如何做到永不迁移数据和避免热点吗？

9、你了解大型网站的页面静态化吗？

10、你知道如何更新缓存吗？如何保证缓存和数据库双写一致性？

11、你知道怎么解决DB读写分离，导致数据不一致问题吗？

12、DB读写分离情况下，如何解决缓存和数据库不一致性问题？

13、你真的知道怎么使用缓存吗？

14、如何利用锁，防止缓存击穿？重构思想的重要性

15、海量订单产生的业务高峰期，如何避免消息的重复消费？

16、你知道如何保障生产端100%消息投递成功吗？