1 热点key的产生原因
1.1 用户消费的数据>>>生产的数据
- 比如秒杀活动、热点微博、热评，某件商品被数万次点击浏览或购买时，就会造成热点问题
- 被大量发布、浏览的热点新闻、热点评论等读多写少场景也会产生热点问题
1.2 请求的分片过于集中，突破单点性能极限
在服务端读数据进行访问时，往往会对数据进行分片，此过程中会在某一主机 Server 上对相应的 Key 进行访问，当访问超过 Server 极限时，就会导致热点 Key 问题。
2 热点Key的危害
- 流量过于集中，突破物理网卡的极限
- 请求过多，缓存分片服务被打垮
- 穿透DB
当某热点Key请求在某一主机上超过该主机网卡上限时，由于流量过度集中，导致服务器中其它服务无法正常进行 =》 热点过于集中，热点Key缓存过多，超过目前的缓存容量，就会导致缓存分片服务被打垮 =》 缓存服务崩溃，此时再有请求产生，会缓存到后台DB，导致缓存穿透，进一步还会导致缓存雪崩。
3 解决方案
通常的解决方案主要集中在对客户端和Server端进行改造。
3.1 服务端缓存方案
Client会将请求发送到Server，而Server是多线程服务，本地就具有一个基于Cache LRU策略的缓存空间。当Server本身拥堵时，Server不会将请求进一步发送给DB而是直接返回，只有当Server本身畅通时才会将Client请求发送至DB，并且将该数据重新写入缓存。此时就完成了缓存的访问跟重建。
缺陷
- 缓存失效，多线程构建缓存问题
- 缓存丢失，缓存构建问题
- 脏读
3.2 使用Memcache、Redis
在客户端单独部署缓存。使用过程中Client首先访问服务层，再对同一主机上的缓存层进行访问。该种解决方案具有就近访问、速度快、没有带宽限制的优点。但也存在问题：
- 内存资源浪费
- 脏读
3.3 本地缓存
缺陷
- 需要提前获知热点
- 缓存容量有限
- 不一致性时间增长
- 热点Key遗漏
3.4 随机后缀
使用Redis做缓存，那可以把一个热点Key的缓存查询压力，分散到多个Redis节点。
加随机后缀。
场景
在一个非常热点的数据，数据更新不是很频繁，但是查询非常频繁，要保证基本保证100%的缓存命中率，该怎么处理？
核心思想：空间换时间，即同一热点key保留2份：
- 不带后缀 不带的后缀的有TTL
- 带后缀 带后缀的没有TTL
先查询不带后缀的，查询不到，则：
- 后端查询DB更新缓存
- 查询带后缀返回给调用方
这样即可尽可能避免缓存击穿。
参考
- https://www.alibabacloud.com/help/zh/doc-detail/67252.htm