1. 缓存雪崩的常见原因

缓存“雪崩”是指，因为部分缓存节点不可用，而导致整个缓存系统（甚至是整个服务系统）不可用。缓存“雪崩”主要分为以下两种情况：

• 因缓存不支持 rehash 而导致的缓存“雪崩”
• 缓存支持 rehash 时的缓存“雪崩”

1.1. 因缓存不支持 rehash 而导致的缓存“雪崩”

通常是由于缓存体系中有较多的缓存节点不可用，且不支持 rehash，所以请求会“穿透”到 DB，从而导致 DB 不可用，最终导致整个缓存系统不可用。

如图 7-24 所示，缓存节点不支持 rehash，当大量缓存节点不可用时会出现请求读取缓存失败的情况。根据读写缓存策略，这些读取缓存失败的请求会去访问 DB。但是，DB 是很难承载这么多请求的，很容易出现大量的慢查询，最终整个系统不可用。

1.2. 缓存支持 rehash 时的缓存“雪崩”

缓存支持 rehash 时产生的“雪崩”，一般跟瞬时流量洪峰有关。瞬时流量洪峰到达引发部分缓存节点过载，然后流量洪峰会扩散到其他缓存节点，最终整个缓存系统异常。

如 图7-25 所示，在缓存分布设计时，一般会选择一致性 Hash 分片，这样在节点出现异常时将采用 rehash 策略，即将对异常节点的请求平均分散到其他缓存节点上。

在一般情况下，“一致性Hash分布 + rehash 策略” 可以很好地应对瞬间流量洪峰。但在较大的瞬时流量洪峰到达时，如果流量比较集中，正好落在一两个缓存节点上，则这个节点很容易因为内存、网卡过载而出现异常，然后这些节点下线，之后大流量 key 请求被 rehash 到其他的缓存节点上，进而导致其他的缓存节点也过载，异常持续扩散，最终整个缓存系统无法对外提供服务。

2. 缓存雪崩的解决方案

合理有效地预防，能减小发生缓存“雪崩”的概率。可以从以下 3 个关键点来预防。

2.1. 对 DB 访问增加读开关

当发现 DB 请求变慢、出现阻塞，或者慢查询超过阈值时，会关闭读开关，部分或所有读 DB 的请求进行 failfast 立即返回，待 DB 恢复后再打开读开关。如 图7-26 所示。

当 DB 负荷严重过载时，会出现 DB 请求严重变慢、阻塞，甚至是进程崩溃，最终导致整个系统丢数据、不可用。此时可以通过控制 DB 降低 DB压力，优先保证“写”，然后保证一部分“读”，从而再不丢数据的情况下尽可能服务更多的用户。部分用户请求的失败，比“整个系统不可用、所有用户请求失败”要好。

2.2. 给缓存系统增加多个副本

当数据出现缓存异常或请求失败后，客户端可以去读取缓存副本。多个缓存副本应尽量部署在不同的机架，如 图7-27 所示，这样可以确保在任何情况下缓存系统都可以正常对外提供服务。

采用多个副本将流量分散到不同的副本中，或者没有足够资源就拒绝部分访问，可以确保系统对大部分用户可用或核心功能可用。

2.3. 对缓存系统进行实时监控

开发人员需要对缓存体系进行实时监控。当访问越来越慢超过阈值时，需要及时警报，并通过替换机器或服务进行及时处理。

也可以通过容错降级机制，通过自动关闭异常接口、停止边缘服务、停止部分非核心功能等措施，确保在极端场景下核心功能可以正常运行。

这三种方案，可根据自己业务特点进行选用。在一些大流量的项目（如大型社交系统）中，这三种方案都会被用到。