## 事故背景 公司最近安排了一波商品抢购活动，由于后台小哥操作失误最终导致活动效果差，被用户和代理商投诉了。经理让我带同事们一起复盘这次线上事故。 ## 什么原因造成的？ 抢购活动计划是零点准时开始， 22：00 运营人员通过后台将商品上线 23：00后台小哥已经将商品导入缓存中，提前预热 抢购开始的瞬间流量非常大，按计划是通过Redis承担大部分用户查询请求，避免请求全部落在数据库上。  如上图预期大部分请求会命中缓存，但是由于后台小哥预热缓存的时候将所有商品的缓存时间都设置为2小时过期，所有的商品在同一个时间点全部失效，瞬间所有的请求都落在数据库上，导致数据库扛不住压力崩溃，用户所有的请求都超时报错。 实际上所有的请求都直接落到数据库，如下图：  ## 什么时候发现的？ 凌晨01:02 SRE 收到系统告警，登录运维管理系统发现数据库节点 CPU和内存飙升超过阈值，迅速联系后台开发人员定位排查。 ## 为什么没有早点发现？ 由于缓存设置过期时间是2小时，凌晨1点前缓存可以命中大部分请求，数据库服务处于正常状态。 ## 发现时采取了什么措施？ 后台小哥通过日志定位排查发现问题后，进行了一系列操作： > 首先通过API Gateway（网关）限制大部分流量进来? > > 接着将宕机的数据库服务重启? > > 再重新预热缓存? > > 确认缓存和数据库服务正常后将网关流量正常放开，大约01：30 抢购活动恢复正常。 ## 如何避免下次出现？ 这次事故的原因其实就是出现了缓存雪崩，查询数据量巨大，请求直接落到数据库上，引起数据库压力过大宕机。 在业界解决缓存雪崩的方法其实比较成熟了，比如有： * **均匀过期** * **加互斥锁** * **缓存永不过期** **（1）均匀过期** 设置不同的过期时间，让缓存失效的时间点尽量均匀。通常可以为有效期增加随机值或者统一规划有效期。  **（2）加互斥锁** 跟缓存击穿解决思路一致，同一时间只让一个线程构建缓存，其他线程阻塞排队。  **（3）缓存永不过期** 跟缓存击穿解决思路一致，缓存在物理上永远不过期，用一个异步的线程更新缓存。   最近我根据上述的技术体系图搜集了几十套腾讯、头条、阿里、美团等公司21年的面试题，把技术点整理成了视频（实际上比预期多花了不少精力），包含知识脉络 + 诸多细节，由于篇幅有限，这里以图片的形式给大家展示一部分 [戳这里免费领取下面所有资料](https://docs.qq.com/doc/DSmxTbFJ1cmN1R2dB)