聊聊日常開發(fā)中，如何減少bug呢？
前言
大家好呀~今天跟大家聊聊日常開發(fā)中，如何減少bug？本文將從數(shù)據(jù)庫、代碼層面、緩存使用篇3個(gè)大方向，總結(jié)出一共50多個(gè)注意點(diǎn)，助大家成為開發(fā)質(zhì)量之星。
歡迎關(guān)注公眾號(hào)：撿田螺的小男孩
1. 數(shù)據(jù)庫篇
數(shù)據(jù)庫篇的話，哪些地方容易導(dǎo)致bug出現(xiàn)呢？我總結(jié)了7個(gè)方面：慢查詢、數(shù)據(jù)庫字段注意點(diǎn)、事務(wù)失效的場(chǎng)景、死鎖、主從延遲、新老數(shù)據(jù)兼容、一些SQL經(jīng)典注意點(diǎn)。
1.1 慢查詢
1.1.1 是否命中索引
提起慢查詢，我們馬上就會(huì)想到加索引。如果一條SQL沒加索引，或者沒有命中索引的話，就會(huì)產(chǎn)生慢查詢。
索引哪些情況會(huì)失效？
查詢條件包含or，可能導(dǎo)致索引失效 如何字段類型是字符串，where時(shí)一定用引號(hào)括起來，否則索引失效 like通配符可能導(dǎo)致索引失效。 聯(lián)合索引，查詢時(shí)的條件列不是聯(lián)合索引中的第一個(gè)列，索引失效。 在索引列上使用mysql的內(nèi)置函數(shù)，索引失效。 對(duì)索引列運(yùn)算（如，+、-、*、/），索引失效。 索引字段上使用（！= 或者 < >，not in）時(shí)，可能會(huì)導(dǎo)致索引失效。 索引字段上使用is null， is not null，可能導(dǎo)致索引失效。 左連接查詢或者右連接查詢查詢關(guān)聯(lián)的字段編碼格式不一樣，可能導(dǎo)致索引失效。 mysql估計(jì)使用全表掃描要比使用索引快,則不使用索引。
1.1.2 數(shù)據(jù)量大，考慮分庫分表
單表數(shù)據(jù)量太大，就會(huì)影響SQL執(zhí)行性能。我們知道索引數(shù)據(jù)結(jié)構(gòu)一般是B+樹，一棵高度為3的B+樹，大概可以存儲(chǔ)兩千萬的數(shù)據(jù)。超過這個(gè)數(shù)的話，B+樹要變高，查詢性能會(huì)下降。
因此，數(shù)據(jù)量大的時(shí)候，建議分庫分表。分庫分表的中間件有mycat、sharding-jdbc
1.1.3 不合理的SQL
日常開發(fā)中，筆者見過很多不合理的SQL：比如一個(gè)SQL居然用了6個(gè)表連接,連表太多會(huì)影響查詢性能；再比如一個(gè)表，居然加了10個(gè)索引等等。索引是會(huì)降低了插入和更新SQL性能，所以索引一般不建議太多，一般不能超過五個(gè)。
1.2 數(shù)據(jù)庫字段注意點(diǎn)
數(shù)據(jù)庫字段這塊內(nèi)容，很容易出bug。比如，你測(cè)試環(huán)境修改了表結(jié)構(gòu)，加了某個(gè)字段，忘記把腳本帶到生產(chǎn)環(huán)境，那發(fā)版肯定有問題了。
1.2.1 字段是否會(huì)超長
假設(shè)你的數(shù)據(jù)庫字段是：
`name` varchar(255) DEFAULT NOT NULL
如果請(qǐng)求參數(shù)來了變量name，字段長度是300，那插入表的時(shí)候就報(bào)錯(cuò)了。所以需要校驗(yàn)參數(shù)，防止字段超長。
1.2.2 字段為空，是否會(huì)導(dǎo)致空指針等
我們?cè)O(shè)計(jì)數(shù)據(jù)庫表字段的時(shí)候,盡量把字段設(shè)置為not null。
如果是整形，我們一般使用0或者-1作為默認(rèn)值。 如果字符串，默認(rèn)空字符串
如果數(shù)據(jù)庫字段設(shè)置為NULL值，容易導(dǎo)致程序空指針；如果數(shù)據(jù)庫字段設(shè)置為NULL值，需要注意count(具體列) 的使用，會(huì)有坑。
1.2.3 字段缺失
我們的日常開發(fā)任務(wù)，如果在測(cè)試環(huán)境，對(duì)表進(jìn)行修改，比如添加了一個(gè)新字段，必須要把SQL腳本帶到生產(chǎn)環(huán)境，否則字段缺失，發(fā)版就有問題啦。
1.2.4 字段類型是否支持表情
如果一個(gè)表字段需要支持表情存儲(chǔ)，使用utf8mb4。
1.2.5 謹(jǐn)慎使用text、blob字段
如果你要用一個(gè)字段存儲(chǔ)文件，考慮存儲(chǔ)文件的路徑，而不是保存整個(gè)文件下去。使用text時(shí)，涉及查詢條件時(shí)，注意創(chuàng)建前綴索引。
1.3 事務(wù)失效的場(chǎng)景
1.3.1 @Transactional 在非public修飾的方法上失效
@Transactional注解，加在非public修飾的方法上，事務(wù)是不會(huì)生效的。spring事務(wù)是借鑒了AOP的思想，也是通過動(dòng)態(tài)代理來實(shí)現(xiàn)的。spring事務(wù)自己在調(diào)用動(dòng)態(tài)代理之前，已經(jīng)對(duì)非public方法過濾了，所以非public方法，事務(wù)不生效。
1.3.2 本地方法直接調(diào)用
以下這個(gè)場(chǎng)景，@Transactional事務(wù)也是無效的
public class TransactionTest{
public void A(){
//插入一條數(shù)據(jù)
//調(diào)用方法B (本地的類調(diào)用，事務(wù)失效了)
B();
}
@Transactional
public void B(){
//插入數(shù)據(jù)
}
}
1.3.3 異常被try...catch吃了，導(dǎo)致事務(wù)失效。
@Transactional
public void method(){
try{
//插入一條數(shù)據(jù)
insertA();
//更改一條數(shù)據(jù)
updateB();
}catch(Exception e){
logger.error("異常被捕獲了，那你的事務(wù)就失效咯",e);
}
}
1.3.4 rollbackFor屬性設(shè)置錯(cuò)誤
Spring默認(rèn)拋出了未檢查unchecked異常（繼承自RuntimeException 的異常）或者Error才回滾事務(wù)；其他異常不會(huì)觸發(fā)回滾事務(wù)。如果在事務(wù)中拋出其他類型的異常，就需要指定rollbackFor屬性。
1.3.5 底層數(shù)據(jù)庫引擎不支持事務(wù)
MyISAM存儲(chǔ)引擎不支持事務(wù)，InnoDb就支持事務(wù)
1.3.6 spring事務(wù)和業(yè)務(wù)邏輯代碼必須在一個(gè)線程中
業(yè)務(wù)代碼要和spring事務(wù)的源碼在同一個(gè)線程中，才會(huì)受spring事務(wù)的控制。比如下面代碼，方法mothed的子線程，內(nèi)部執(zhí)行的事務(wù)操作，將不受mothed方法上spring事務(wù)的控制，這一點(diǎn)大家要注意。這是因?yàn)閟pring事務(wù)實(shí)現(xiàn)中使用了ThreadLocal，實(shí)現(xiàn)同一個(gè)線程中數(shù)據(jù)共享。
@Transactional
public void mothed() {
new Thread() {
事務(wù)操作
}.start();
}
1.4 死鎖
死鎖是指兩個(gè)或多個(gè)事務(wù)在同一資源上相互占用，并請(qǐng)求鎖定對(duì)方的資源，從而導(dǎo)致惡性循環(huán)的現(xiàn)象。
MySQL內(nèi)部有一套死鎖檢測(cè)機(jī)制，一旦發(fā)生死鎖會(huì)立即回滾一個(gè)事務(wù)，讓另一個(gè)事務(wù)執(zhí)行下去。但死鎖有資源的利用率降低、進(jìn)程得不到正確結(jié)果等危害。
1.4.1 9種情況的SQL加鎖分析
要避免死鎖，需要學(xué)會(huì)分析：一條SQL的加鎖是如何進(jìn)行的?一條SQL加鎖，可以分9種情況進(jìn)行探討：
組合一：id列是主鍵，RC隔離級(jí)別 組合二：id列是二級(jí)唯一索引，RC隔離級(jí)別 組合三：id列是二級(jí)非唯一索引，RC隔離級(jí)別 組合四：id列上沒有索引，RC隔離級(jí)別 組合五：id列是主鍵，RR隔離級(jí)別 組合六：id列是二級(jí)唯一索引，RR隔離級(jí)別 組合七：id列是二級(jí)非唯一索引，RR隔離級(jí)別 組合八：id列上沒有索引，RR隔離級(jí)別 組合九：Serializable隔離級(jí)別
1.4.2 如何分析解決死鎖？
分析解決死鎖的步驟如下：
模擬死鎖場(chǎng)景 show engine innodb status;查看死鎖日志 找出死鎖SQL SQL加鎖分析，這個(gè)可以去官網(wǎng)看哈 分析死鎖日志（持有什么鎖，等待什么鎖） 熟悉鎖模式兼容矩陣，InnoDB存儲(chǔ)引擎中鎖的兼容性矩陣。
有興趣的小伙伴，可以看下我之前寫的這篇文章：手把手教你分析Mysql死鎖問題
1.5 主從延遲問題考慮
先插入，接著就去查詢,這類代碼邏輯比較常見，這可能會(huì)有問題的。一般數(shù)據(jù)庫都是有主庫，從庫的。寫入的話是寫主庫，讀一般是讀從庫。如果發(fā)生主從延遲，，很可能出現(xiàn)你插入成功了，但是查詢不到的情況。
1.5.1 要求強(qiáng)一致性，考慮讀主庫
如果是重要業(yè)務(wù)，要求強(qiáng)一致性，考慮直接讀主庫
1.5.2 不要求強(qiáng)一致性，讀從庫
如果是一般業(yè)務(wù)，可以接受短暫的數(shù)據(jù)不一致的話，優(yōu)先考慮讀從庫。因?yàn)閺膸炜梢苑謸?dān)主庫的讀寫壓力，提高系統(tǒng)吞吐。
1.6 新老數(shù)據(jù)兼容
1.6.1 新加的字段，考慮存量數(shù)據(jù)的默認(rèn)值
我們?nèi)粘ｉ_發(fā)中，隨著業(yè)務(wù)需求變更，經(jīng)常需要給某個(gè)數(shù)據(jù)庫表添加個(gè)字段。比如在某個(gè)APP配置表，需要添加個(gè)場(chǎng)景號(hào)字段，如scene_type,它的枚舉值是 01、02、03，那我們就要跟業(yè)務(wù)對(duì)齊，新添加的字段，老數(shù)據(jù)是什么默認(rèn)值，是為空還是默認(rèn)01，如果是為NULL的話，程序代碼就要做好空指針處理。
1.6.2 如果新業(yè)務(wù)用老的字段，考慮老數(shù)據(jù)的值是否有坑
如果我們開發(fā)中，需要沿用數(shù)據(jù)庫表的老字段，并且有存量數(shù)據(jù)，那就需要考慮老存量數(shù)據(jù)庫的值是否有坑。比如我們表有個(gè)user_role_code 的字段，老的數(shù)據(jù)中，它枚舉值是 01：超級(jí)管理員 02：管理員 03：一般用戶。假設(shè)業(yè)務(wù)需求是一般用戶拆分為03查詢用戶和04操作用戶，那我們?cè)陂_發(fā)中，就要考慮老數(shù)據(jù)值的問題啦。
1.7 一些SQL的經(jīng)典注意點(diǎn)
1.7.1 limit大分頁問題
limit大分頁是一個(gè)非常經(jīng)典的SQL問題，我們一般有這3種對(duì)應(yīng)的解決方案
方案一： 如果id是連續(xù)的，可以這樣，返回上次查詢的最大記錄(偏移量)，再往下limit
select id,name from employee where id>1000000 limit 10.
方案二: 在業(yè)務(wù)允許的情況下限制頁數(shù)：
建議跟業(yè)務(wù)討論，有沒有必要查這么后的分頁啦。因?yàn)榻^大多數(shù)用戶都不會(huì)往后翻太多頁。谷歌搜索頁也是限制了頁數(shù)，因此不存在limit大分頁問題。
方案三： 利用延遲關(guān)聯(lián)或者子查詢優(yōu)化超多分頁場(chǎng)景。（先快速定位需要獲取的id段，然后再關(guān)聯(lián)）
SELECT a.* FROM employee a, (select id from employee where 條件 LIMIT 1000000,10 ) b where a.id=b.id
1.7.2 修改、查詢數(shù)據(jù)量多時(shí)，考慮分批進(jìn)行。
我們更新或者查詢數(shù)據(jù)庫數(shù)據(jù)時(shí)，盡量避免循環(huán)去操作數(shù)據(jù)庫，可以考慮分批進(jìn)行。比如你要插入10萬數(shù)據(jù)的話，可以一次插入500條，執(zhí)行200次。
正例：
remoteBatchQuery(param);
反例：
for(int i=0;i<100000;i++){
remoteSingleQuery(param)
}
2. 代碼層面篇
2.1 編碼細(xì)節(jié)
2.1.1 六大典型空指針問題
我們編碼的時(shí)候，需要注意這六種類型的空指針問題
包裝類型的空指針問題 級(jí)聯(lián)調(diào)用的空指針問題 Equals方法左邊的空指針問題 ConcurrentHashMap 類似容器不支持 k-v為 null。 集合，數(shù)組直接獲取元素 對(duì)象直接獲取屬性
if(object!=null){
String name = object.getName();
}
2.1.2 線程池使用注意點(diǎn)
使用 Executors.newFixedThreadPool，可能會(huì)出現(xiàn)OOM問題，因?yàn)樗褂玫氖菬o界阻塞隊(duì)列 建議使用自定義的線程池，最好給線程池一個(gè)清晰的命名，方便排查問題 不同的業(yè)務(wù)，最好做線程池隔離，避免所有的業(yè)務(wù)公用一個(gè)線程池。 線程池異常處理要考慮好
2.1.3 線性安全的集合、類
在高并發(fā)場(chǎng)景下，HashMap可能會(huì)出現(xiàn)死循環(huán)。因?yàn)樗欠蔷€性安全的，可以考慮使用ConcurrentHashMap。所以我們使用這些集合的時(shí)候，需要注意是不是線性安全的。
Hashmap、Arraylist、LinkedList、TreeMap等都是線性不安全的； Vector、Hashtable、ConcurrentHashMap等都是線性安全的
2.1.4 日期格式，金額處理精度等
日常開發(fā)，經(jīng)常需要對(duì)日期格式化，但是呢，年份設(shè)置為YYYY大寫的時(shí)候，是有坑的哦。
Calendar calendar = Calendar.getInstance();
calendar.set(2019, Calendar.DECEMBER, 31);
Date testDate = calendar.getTime();
SimpleDateFormat dtf = new SimpleDateFormat("YYYY-MM-dd");
System.out.println("2019-12-31 轉(zhuǎn) YYYY-MM-dd 格式后 " + dtf.format(testDate));
運(yùn)行結(jié)果：
2019-12-31 轉(zhuǎn) YYYY-MM-dd 格式后 2020-12-31
還有金額計(jì)算也比較常見，我們要注意精度問題：
public class DoubleTest {
public static void main(String[] args) {
System.out.println(0.1+0.2);
System.out.println(1.0-0.8);
System.out.println(4.015*100);
System.out.println(123.3/100);
double amount1 = 3.15;
double amount2 = 2.10;
if (amount1 - amount2 == 1.05){
System.out.println("OK");
}
}
}
運(yùn)行結(jié)果：
0.30000000000000004
0.19999999999999996
401.49999999999994
1.2329999999999999
2.1.5 大文件處理
讀取大文件的時(shí)候，不要Files.readAllBytes直接讀到內(nèi)存，會(huì)OOM的，建議使用BufferedReader一行一行來，或者使用NIO
2.1.6 使用完IO資源流，需要關(guān)閉
使用try-with-resource，讀寫完文件，需要關(guān)閉流
/*
* 關(guān)注公眾號(hào)，撿田螺的小男孩
*/
try (FileInputStream inputStream = new FileInputStream(new File("jay.txt")) {
// use resources
} catch (FileNotFoundException e) {
log.error(e);
} catch (IOException e) {
log.error(e);
}
2.1.7 try...catch異常使用的一些坑
盡量不要使用e.printStackTrace()打印，可能導(dǎo)致字符串常量池內(nèi)存空間占滿 catch了異常，使用log把它打印出來 不要用一個(gè)Exception捕捉所有可能的異常 不要把捕獲異常當(dāng)做業(yè)務(wù)邏輯來處理
2.1.8 先查詢，再更新/刪除的并發(fā)一致性
日常開發(fā)中，這種代碼實(shí)現(xiàn)經(jīng)常可見：先查詢是否有剩余可用的票，再去更新票余量。
if(selectIsAvailable(ticketId){
1、deleteTicketById(ticketId)
2、給現(xiàn)金增加操作
}else{
return “沒有可用現(xiàn)金券”
}
如果是并發(fā)執(zhí)行，很可能有問題的，應(yīng)該利用數(shù)據(jù)庫更新/刪除的原子性，正解如下：
if(deleteAvailableTicketById(ticketId) == 1){
1、給現(xiàn)金增加操作
}else{
return “沒有可用現(xiàn)金券”
}
2.2 提供對(duì)外接口
2.2.1 校驗(yàn)參數(shù)合法性
我們提供對(duì)外的接口，不管是提供給客戶端、還是前端，又或是別的系統(tǒng)調(diào)用，都需要校驗(yàn)一下入?yún)⒌暮戏ㄐ浴?/p>
★如果你的數(shù)據(jù)庫字段設(shè)置為varchar(16),對(duì)方傳了一個(gè)32位的字符串過來，你不校驗(yàn)參數(shù)長度，插入數(shù)據(jù)庫直接異常了。
”
2.2.2 新老接口兼容
很多bug都是因?yàn)樾薷牧藢?duì)外老接口，但是卻不做兼容導(dǎo)致的。關(guān)鍵這個(gè)問題多數(shù)是比較嚴(yán)重的，可能直接導(dǎo)致系統(tǒng)發(fā)版失敗的。新手程序員很容易犯這個(gè)錯(cuò)誤哦~
比如我們有個(gè)dubbo的分布式接口，本次你修改了入?yún)?，就需要考慮新老接口兼容。原本是只接收A，B參數(shù)，現(xiàn)在你加了一個(gè)參數(shù)C，就可以考慮這樣處理。
//老接口
void oldService(A,B){
//兼容新接口，傳個(gè)null代替C
newService(A,B,null);
}
//新接口，暫時(shí)不能刪掉老接口，需要做兼容。
void newService(A,B,C);
2.2.3 限流，防止大流量壓垮系統(tǒng)
如果瞬間的大流量請(qǐng)求過來，容易壓垮系統(tǒng)。所以為了保護(hù)我們的系統(tǒng)，一般要做限流處理?？梢允褂?strong style="font-weight: border;color: #0e88eb;">guava ratelimiter 組件做限流，也可以用阿里開源的Sentinel
2.2.4 接口安全性，加簽驗(yàn)簽，鑒權(quán)
我們轉(zhuǎn)賬等類型的接口，一定要注意安全性。一定要鑒權(quán)，加簽驗(yàn)簽，為用戶交易保駕護(hù)航。
2.2.5 考慮接口冪等性
接口是需要考慮冪等性的，尤其搶紅包、轉(zhuǎn)賬這些重要接口。最直觀的業(yè)務(wù)場(chǎng)景，就是用戶連著點(diǎn)擊兩次，你的接口有沒有hold住。
★”
冪等（idempotent、idempotence）是一個(gè)數(shù)學(xué)與計(jì)算機(jī)學(xué)概念，常見于抽象代數(shù)中。 在編程中.一個(gè)冪等操作的特點(diǎn)是其任意多次執(zhí)行所產(chǎn)生的影響均與一次執(zhí)行的影響相同。冪等函數(shù)，或冪等方法，是指可以使用相同參數(shù)重復(fù)執(zhí)行，并能獲得相同結(jié)果的函數(shù)。
一般冪等技術(shù)方案有這幾種:
查詢操作 唯一索引 token機(jī)制，防止重復(fù)提交 數(shù)據(jù)庫的delete刪除操作 樂觀鎖 悲觀鎖 Redis、zookeeper 分布式鎖（以前搶紅包需求，用了Redis分布式鎖） 狀態(tài)機(jī)冪等
2.3 調(diào)用第三方接口
2.3.1 超時(shí)處理
我們調(diào)用別人的接口，如果超時(shí)了怎么辦呢？
★舉個(gè)例子，我們調(diào)用一個(gè)遠(yuǎn)程轉(zhuǎn)賬接口，A客戶給B客戶轉(zhuǎn)100萬，成功的時(shí)候就把本地轉(zhuǎn)賬流水置為成功，失敗的時(shí)候就把本地流水置為失敗。如果調(diào)用轉(zhuǎn)賬系統(tǒng)超時(shí)了呢，我們?cè)趺刺幚砟?？置為成功還是失敗呢？這個(gè)超時(shí)處理可要考慮好，要不然就資金損失了。這種場(chǎng)景下，調(diào)接口超時(shí)，我們就可以先不更新本地轉(zhuǎn)賬流水狀態(tài)，而是重新發(fā)起查詢遠(yuǎn)程轉(zhuǎn)賬請(qǐng)求，查詢到轉(zhuǎn)賬成功的記錄，再更新本地狀態(tài)狀態(tài)
”
2.3.2 考慮重試機(jī)制
如果我們調(diào)用一個(gè)遠(yuǎn)程http或者dubbo接口，調(diào)用失敗了，我們可以考慮引入重試機(jī)制。有時(shí)候網(wǎng)路抖動(dòng)一下，接口就調(diào)失敗了，引入重試機(jī)制可以提高用戶體驗(yàn)。但是這個(gè)重試機(jī)制需要評(píng)估次數(shù)，或者有些接口不支持冪等，就不適合重試的。
2.3.3 考慮是否降級(jí)處理
假設(shè)我們系統(tǒng)是一個(gè)提供注冊(cè)的服務(wù)：用戶注冊(cè)成功之后，調(diào)遠(yuǎn)程A接口發(fā)短信，調(diào)遠(yuǎn)程B接口發(fā)郵件，最后更新注冊(cè)狀態(tài)為成功。
如果調(diào)用接口B發(fā)郵件失敗，那用戶就注冊(cè)失敗，業(yè)務(wù)可能就不會(huì)同意了。這時(shí)候我們可以考慮給B接口降級(jí)處理，提供有損服務(wù)。也就是說，如果調(diào)用B接口失敗，那先不發(fā)郵件，而是先讓用戶注冊(cè)成功，后面搞個(gè)定時(shí)補(bǔ)發(fā)郵件就好啦。
2.3.4 考慮是否異步處理
我還是使用上個(gè)小節(jié)的用戶注冊(cè)的例子。我們可以開個(gè)異步線程去調(diào)A接口發(fā)短信，異步調(diào)B接口發(fā)郵件，那即使A或者B接口調(diào)失敗，我們還是可以保證用戶先注冊(cè)成功。
把發(fā)短信這些通知類接口，放到異步線程處理，可以降低接口耗時(shí)，提升用戶體驗(yàn)哦。
2.3.5 調(diào)接口異常處理
如果我們調(diào)用一個(gè)遠(yuǎn)程接口，一般需要思考以下：如果別人接口異常，我們要怎么處理，怎么兜底，是重試還是當(dāng)做失?。吭趺幢ＷC數(shù)據(jù)的最終一致性等等。
3. 緩存篇
3.1 數(shù)據(jù)庫與緩存一致性
使用緩存，可以降低耗時(shí)，提供系統(tǒng)吞吐性能。但是，使用緩存，會(huì)存在數(shù)據(jù)一致性的問題。
3.1.1 幾種緩存使用模式
Cache-Aside Pattern，旁路緩存模式 Read-Through/Write-Through（讀寫穿透） Write- behind （異步緩存寫入）
一般我們使用緩存，都是旁路緩存模式，讀請(qǐng)求流程如下:
讀的時(shí)候，先讀緩存，緩存命中的話，直接返回?cái)?shù)據(jù) 緩存沒有命中的話，就去讀數(shù)據(jù)庫，從數(shù)據(jù)庫取出數(shù)據(jù)，放入緩存后，同時(shí)返回響應(yīng)。
旁路緩存模式的寫流程：
3.1.2 刪除緩存呢，還是更新緩存？
我們?cè)诓僮骶彺娴臅r(shí)候，到底應(yīng)該刪除緩存還是更新緩存呢？我們先來看個(gè)例子：
線程A先發(fā)起一個(gè)寫操作，第一步先更新數(shù)據(jù)庫 線程B再發(fā)起一個(gè)寫操作，第二步更新了數(shù)據(jù)庫 由于網(wǎng)絡(luò)等原因，線程B先更新了緩存 線程A更新緩存。
這時(shí)候，緩存保存的是A的數(shù)據(jù)（老數(shù)據(jù)），數(shù)據(jù)庫保存的是B的數(shù)據(jù)（新數(shù)據(jù)），數(shù)據(jù)不一致了，臟數(shù)據(jù)出現(xiàn)啦。如果是刪除緩存取代更新緩存則不會(huì)出現(xiàn)這個(gè)臟數(shù)據(jù)問題。
3.1.3 先操作數(shù)據(jù)庫還是先操作緩存
雙寫的情況下，先操作數(shù)據(jù)庫還是先操作緩存？我們?cè)賮砜匆粋€(gè)例子：假設(shè)有A、B兩個(gè)請(qǐng)求，請(qǐng)求A做更新操作，請(qǐng)求B做查詢讀取操作。
線程A發(fā)起一個(gè)寫操作，第一步del cache 此時(shí)線程B發(fā)起一個(gè)讀操作，cache miss 線程B繼續(xù)讀DB，讀出來一個(gè)老數(shù)據(jù) 然后線程B把老數(shù)據(jù)設(shè)置入cache 線程A寫入DB最新的數(shù)據(jù)
醬紫就有問題啦，緩存和數(shù)據(jù)庫的數(shù)據(jù)不一致了。緩存保存的是老數(shù)據(jù)，數(shù)據(jù)庫保存的是新數(shù)據(jù)。因此，Cache-Aside緩存模式，選擇了先操作數(shù)據(jù)庫而不是先操作緩存。
3.1.4 如何保證最終一致性
緩存延時(shí)雙刪 刪除緩存重試機(jī)制 讀取biglog異步刪除緩存
3.2 緩存穿透
★緩存穿透：指查詢一個(gè)一定不存在的數(shù)據(jù)，由于緩存不命中時(shí)，需要從數(shù)據(jù)庫查詢，查不到數(shù)據(jù)則不寫入緩存，這將導(dǎo)致這個(gè)不存在的數(shù)據(jù)每次請(qǐng)求都要到數(shù)據(jù)庫去查詢，進(jìn)而給數(shù)據(jù)庫帶來壓力。
”
緩存穿透一般都是這幾種情況產(chǎn)生的：業(yè)務(wù)不合理的設(shè)計(jì)、業(yè)務(wù)/運(yùn)維/開發(fā)失誤的操作、黑客非法請(qǐng)求攻擊。如何避免緩存穿透呢？一般有三種方法。
如果是非法請(qǐng)求，我們?cè)贏PI入口，對(duì)參數(shù)進(jìn)行校驗(yàn)，過濾非法值。 如果查詢數(shù)據(jù)庫為空，我們可以給緩存設(shè)置個(gè)空值，或者默認(rèn)值。但是如有有寫請(qǐng)求進(jìn)來的話，需要更新緩存哈，以保證緩存一致性，同時(shí)，最后給緩存設(shè)置適當(dāng)?shù)倪^期時(shí)間。（業(yè)務(wù)上比較常用，簡單有效） 使用布隆過濾器快速判斷數(shù)據(jù)是否存在。即一個(gè)查詢請(qǐng)求過來時(shí)，先通過布隆過濾器判斷值是否存在，存在才繼續(xù)往下查。
3.3 緩存雪崩
★緩存雪崩：指緩存中數(shù)據(jù)大批量到過期時(shí)間，而查詢數(shù)據(jù)量巨大，引起數(shù)據(jù)庫壓力過大甚至down機(jī)。
”
緩存雪奔一般是由于大量數(shù)據(jù)同時(shí)過期造成的，對(duì)于這個(gè)原因，可通過均勻設(shè)置過期時(shí)間解決，即讓過期時(shí)間相對(duì)離散一點(diǎn)。如采用一個(gè)較大固定值+一個(gè)較小的隨機(jī)值，5小時(shí)+0到1800秒醬紫。 Redis 故障宕機(jī)也可能引起緩存雪奔。這就需要構(gòu)造Redis高可用集群啦。
3.4 緩存機(jī)擊穿
★緩存擊穿：指熱點(diǎn)key在某個(gè)時(shí)間點(diǎn)過期的時(shí)候，而恰好在這個(gè)時(shí)間點(diǎn)對(duì)這個(gè)Key有大量的并發(fā)請(qǐng)求過來，從而大量的請(qǐng)求打到db。
”
緩存擊穿看著有點(diǎn)像緩存雪崩，其實(shí)它兩區(qū)別是，緩存雪奔是指數(shù)據(jù)庫壓力過大甚至down機(jī)，緩存擊穿只是大量并發(fā)請(qǐng)求到了DB數(shù)據(jù)庫層面?？梢哉J(rèn)為擊穿是緩存雪奔的一個(gè)子集吧。有些文章認(rèn)為它倆區(qū)別，是在于擊穿針對(duì)某一熱點(diǎn)key緩存，雪奔則是很多key。
解決方案就有兩種：
使用互斥鎖方案。緩存失效時(shí)，不是立即去加載db數(shù)據(jù)，而是先使用某些帶成功返回的原子操作命令，如(Redis的setnx）去操作，成功的時(shí)候，再去加載db數(shù)據(jù)庫數(shù)據(jù)和設(shè)置緩存。否則就去重試獲取緩存。 “永不過期”，是指沒有設(shè)置過期時(shí)間，但是熱點(diǎn)數(shù)據(jù)快要過期時(shí)，異步線程去更新和設(shè)置過期時(shí)間。
3.5 緩存熱Key
在Redis中，我們把訪問頻率高的key，稱為熱點(diǎn)key。如果某一熱點(diǎn)key的請(qǐng)求到服務(wù)器主機(jī)時(shí)，由于請(qǐng)求量特別大，可能會(huì)導(dǎo)致主機(jī)資源不足，甚至宕機(jī)，從而影響正常的服務(wù)。
如何解決熱key問題？
Redis集群擴(kuò)容：增加分片副本，均衡讀流量； 對(duì)熱key進(jìn)行hash散列，比如將一個(gè)key備份為key1,key2……keyN，同樣的數(shù)據(jù)N個(gè)備份，N個(gè)備份分布到不同分片，訪問時(shí)可隨機(jī)訪問N個(gè)備份中的一個(gè)，進(jìn)一步分擔(dān)讀流量； 使用二級(jí)緩存，即JVM本地緩存,減少Redis的讀請(qǐng)求。
3.6 緩存容量內(nèi)存考慮
3.6.1 評(píng)估容量，合理利用
如果我們使用的是Redis，而Redis的內(nèi)存是比較昂貴的，我們不要什么數(shù)據(jù)都往Redis里面塞，一般Redis只緩存查詢比較頻繁的數(shù)據(jù)。同時(shí)，我們要合理評(píng)估Redis的容量，也避免頻繁set覆蓋，導(dǎo)致設(shè)置了過期時(shí)間的key失效。
如果我們使用的是本地緩存，如guava的本地緩存，也要評(píng)估下容量。避免容量不夠。
3.6.2 Redis的八種內(nèi)存淘汰機(jī)制
為了避免Redis內(nèi)存不夠用，Redis用8種內(nèi)存淘汰策略保護(hù)自己~
★”
volatile-lru：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從設(shè)置了過期時(shí)間的key中使用LRU（最近最少使用）算法進(jìn)行淘汰； allkeys-lru：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從所有key中使用LRU（最近最少使用）算法進(jìn)行淘汰。 volatile-lfu：4.0版本新增，當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在過期的key中，使用LFU算法進(jìn)行刪除key。 allkeys-lfu：4.0版本新增，當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從所有key中使用LFU算法進(jìn)行淘汰； volatile-random：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從設(shè)置了過期時(shí)間的key中，隨機(jī)淘汰數(shù)據(jù)；。 allkeys-random：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，從所有key中隨機(jī)淘汰數(shù)據(jù)。 volatile-ttl：當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，在設(shè)置了過期時(shí)間的key中，根據(jù)過期時(shí)間進(jìn)行淘汰，越早過期的優(yōu)先被淘汰； noeviction：默認(rèn)策略，當(dāng)內(nèi)存不足以容納新寫入數(shù)據(jù)時(shí)，新寫入操作會(huì)報(bào)錯(cuò)。
3.6.3 不同的業(yè)務(wù)場(chǎng)景，Redis選擇適合的數(shù)據(jù)結(jié)構(gòu)
排行榜適合用zset 緩存用戶信息一般用hash 消息隊(duì)列，文章列表適用用list 用戶標(biāo)簽、社交需求一般用set 計(jì)數(shù)器、分布式鎖等一般用String類型
3.7 Redis一些有坑的命令
不能使用 keys指令 慎用O(n)復(fù)雜度命令，如hgetall等 慎用Redis的monitor命令 禁止使用flushall、flushdb 注意使用del命令
最后
本文總結(jié)了50多個(gè)減少bug的編碼注意點(diǎn)，都是日常開發(fā)經(jīng)典的范例，希望對(duì)大家有幫助哈。
長按進(jìn)入小程序，進(jìn)行打卡簽到
（更多精彩值得期待……）
最近熱文： 假如你來發(fā)明編程語言 互聯(lián)網(wǎng)公司部門鄙視鏈！ 一款神奇的極客工具，用了永無 Bug 這個(gè)工具傳輸比QQ、微信還好用！ PC微信逆向：破解聊天記錄文件！ 2T技術(shù)資源大放送！包括但不限于：C/C++，Linux，Python，Java，人工智能，考研，軟考，英語，等等。在公眾號(hào)內(nèi)回復(fù)「資源」，即可免費(fèi)獲??！回復(fù)「社群」，可以邀請(qǐng)你加入讀者群！
跪求大家?guī)兔c(diǎn)個(gè)贊、在看、轉(zhuǎn)發(fā)，感謝！