什么是缓存雪崩，缓存击穿，缓存穿透，缓存预热，缓存更新，缓存降级？

一、缓存雪崩

由于原有缓存失效，新缓存未到期间（例如我们设置缓存采用了一样的过期时间，在同一时刻造成了所有的缓存失效），所有原本应该去访问缓存的请求都去查询数据库，
对数据库CPU和内存造成了巨大的压力，严重的会造成数据库宕机。

缓存雪崩的解决方案：
（1）如果并发量不是特别多的话，使用最多的方案是加锁排队。

public void getAllList(){
	int cacheTime = 30;
	String cacheKey = "list_key";
	String lockKey = cacheKey;
	
	String value = CacheHelper.get(cacheKey);
	if(value != null){
		// 如果缓存有值，就直接取出来即可
		return value;
	}else{
		synchronized(lockKey){
			value = CacheHelper.get(cacheKey);
			if(value != null){
				return value;
			}else{
				// 这里一般是SQL查询语句
				value = GetListFromDB();
				// 把查询结果放入缓存
				CacheHelper.Add(cacheKey,value,cacheTime)
			}
		}
		return value ;
	}
}

（2）批量往Redis存数据的时候，把每个key设置一个随机失效时间，这样可以保证数据不会在同一时间大面积失效。

setRedis（Key，value，time + Math.random() * 10000）；

缓存标记：记录缓存数据是否过期，如果过期，则会通知另外的线程在后台去更新实际key的值。

缓存数据：缓存数据的过期时间比缓存标记的时间延长一倍，如果，缓存标记过期时间是30分钟，缓存数据的过期时间是60分钟，这样当缓存标记过期后，还能把缓存中放的旧数据返回给调用端，直到另外的线程再后台更新完成后才会返回新缓存。

二、缓存击穿

缓存击穿跟缓存雪崩很像，缓存雪崩是大面积缓存失效，所有请求都访问数据库，导致数据库压力过大而崩掉。

缓存击穿是指一个key特别热门，大并发请求不停的队这个key进行访问，当这个key失效的时候，持续的大并发就冲破缓存直接访问数据库，导致数据库崩掉。

解决方案：
（1）使用互斥锁
当获取key的值为空时，先锁上，再从数据库加载，加载完毕，释放锁。若其他线程获取锁失败，则睡眠50ms后重试。

String get(String key) {  

   String value = redis.get(key);  

   if (value  == null) {  

    if (redis.setnx(key_mutex, "1")) {  

        // 3 min timeout to avoid mutex holder crash  

        redis.expire(key_mutex, 3 * 60)  

        value = db.get(key);  

        redis.set(key, value);  

        redis.delete(key_mutex);  

    } else {  

        //其他线程休息50毫秒后重试  

        Thread.sleep(50);  

        get(key);  

    }  

  }  

}  

（2）异步构建缓存
该方法redis自己维护一个失效时间，当失效时间小于System.currentTimeMillis()时，则进行缓存更新，否则直接返回value值。

优点：性能最佳，用户无需等待
缺点：无法保证缓存一致性

三、缓存穿透

缓存穿透是指用户在数据库查询查不到，在缓存中自然也不会有，这样就导致每次用户查询的时候在缓存查不到，在数据库也查不到，相当于进行了两次无用查询。

缓存穿透解决方案：
（1）采用布隆过滤器。将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截掉，从而避免了对底层存储系统的查询压力。

布隆过滤器：
布隆过滤器相当于一个不怎么精确的set结构，布隆过滤器有两个基本指令，bf.add添加元素，bg.exits查询元素是否存在。要想一次添加多个元素，用bf.madd指令。
要一次查找是否存在多个元素，用bf.mexits指令。

布隆过滤器的原理如图：

每个布隆过滤器对应到Redis的数据结构里面就是一个大型的位数组和几个不一样的无偏hash函数，所谓无偏就是能把hash值算的比较均匀。

向布隆过滤器中添加key值时，会使用多个hash函数对key值进行hash算法取得一个哈希值，然后对数组长度进行取模运算得到一个下标位置，每个hash函数都会得到一个不同的位置，最后得到多个位置，再把位数组的这几个位置都置为1就完成了add操作。
向布隆过滤器中查询某个key值时，也跟add操作一样，算出来hash的几个位置，看看这几个位置是否都为1，有一个为0就说明布隆过滤器中该值不存在。如果这几个位置都是1，
也不一定说明这个key存在，也有可能是别的key值存在导致。

Redis中使用布隆过滤器：
布隆过滤器可能存在误判的情况，Redis中有两个值可以决定布隆过滤器的准确率。

• error_rate：允许布隆过滤器的错误率，这个值越低过滤器的位数组的大小越大，占用空间就越大。
• initial_size:布隆过滤器可以存储的元素个数，当实际存储的元素个数超过这个值之后，过滤器的准确率会下降。

Redis中有一个命令可以来设置这两个值:

bf.reserve urls 0.01 100

三个参数的含义：

• 第一个是过滤器的名字
• 第二个是error_rate的值
• 第三个是initial_size的值
  使用这个命令要注意，执行这个命令之前这个过滤器应该是不存在的，如果存在的话会报错。

（2）如果一个查询的数据为空，我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分钟。这样下一次访问缓存就有值了，而不会继续访问数据库。

四、缓存预热

缓存预热就是系统上线后，提前将相关的缓存数据直接加载到缓存系统中，避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题。
解决方案：
（1）直接写个缓存页面，上线时手工操作下
（2）数据量不大，可以在项目启动的时候自动加载
（3）定时刷新缓存

五、缓存更新

除了缓存自带的缓存失效策略之外，我们还可以进行自定义的缓存淘汰策略，常见的策略有两种：
（1）定期去清理过期的缓存
（2）当有用户请求过来时，再判断这个请求用到的key是否过期，过期的话就去获取新数据并更新缓存。

六、缓存降级

当访问量剧增、服务出现问题（如响应时间慢或不响应）或非核心服务影响到核心流程的性能时，仍然需要保证服务还是可用的，即使是有损服务。

系统可以根据一些关键数据进行自动降级，也可以配置开关实现人工降级。