秒杀系统挂了，凌晨1点紧急救场！

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。

缓存命中

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。

因此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。

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。

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。

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。

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

通过与同事复盘这次线上事故，大家对于缓存雪崩有了更深刻的理解。

为了避免再次出现缓存雪崩事故，大家一起讨论了多个解决方案：

• 均匀过期

• 加互斥锁

• 缓存永不过期

希望技术人能够敬畏每一行代码！