Redis缓存雪崩，缓存穿透，缓存击穿

• 缓存雪崩

1，缓存同一时间大面积的失效(缓存数据设置的过期时间是相同的，并且Redis恰好将这部分数据全部删光了,缓存同时失效),请求全部走数据库。

2，Redis挂掉了，请求全部走数据库。

导致数据库CPU和内存负载过高，甚至宕机。存雪崩如果发生了，很可能就把我们的数据库搞垮，导致整个服务瘫痪！

缓存雪崩的事前事中事后的解决方案如下：

对于缓存数据设置的过期时间是相同的，缓存大面积的失效

1、在缓存的时候给过期时间加上一个随机值，这样就会大幅度的减少缓存在同一时间过期。

2，Redis挂掉了

• 事前：redis 高可用，主从+哨兵，redis cluster，避免全盘崩溃。
• 事中：本地 ehcache 缓存 + hystrix 限流&降级，避免 MySQL 被打死。
• 事后：redis 持久化，一旦重启，自动从磁盘上加载数据，快速恢复缓存数据。

3，系统 A 收到请求后，先查本地 ehcache 缓存，如果没查到再查 redis。如果 ehcache 和 redis 都没有，再查数据库，将数据库中的结果，写入 ehcache 和 redis 中。

4，限流组件，限流，降级，服务熔断

5，在查完redis缓存查不到了之后去查数据库之前，加一把分布式锁，只允许一个线程去查数据库，查完数据库之后再将数据写入到redis中，后面的线程拿到了锁，再去查一遍redis缓存，查到了直接返回

• 缓存穿透

缓存穿透：查询一个缓存和DB都不存在的数据。例如：从缓存redis没有命中，需要从mysql数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，造成缓存穿透。

请求的数据在缓存大量不命中，导致请求走数据库。缓存穿透如果发生了，也可能把我们的数据库搞垮，导致整个服务瘫痪！

解决方案：

1，如果查询数据库也为空，直接设置一个默认值存放到缓存或者将空对象设置到缓存里边去，这样第二次到缓存中获取就有值了，而不会继续访问数据库。设置一个过期时间或者当有值的时候将缓存中的值替换掉即可。主要减轻数据库的压力，防止数据库宕机了

2，对于恶意攻击的请求，使用默认值写入缓存是无法避免的

例如：用户系统登录的场景，如果是恶意的请求，它每次都生成了一个符合ID规则的账号，但是这个账号在我们的数据库是不存在的，那Redis就完全失去了作用，这样也会导致所有请求打到我们的数据库，

解决：使用布隆过滤器解决缓存穿透

•首先，项目在启动的时候，把所有的数据加载到布隆过滤器中。

•然后，当客户端有请求过来时，先到布隆过滤器中查询一下当前访问的key是否存在，如果布隆过滤器中没有该key，则不需要去数据库查询直接反馈即可

布隆过滤器只是大致的过滤，但他判断的准确率很高，速度很快

对于在布隆过滤器中的key，是一定能判断存在的，只是不在布隆过滤器中key可能误判为存在

布隆过滤器的误判性是和hash算法，hash函数的个数，bit数组的长度有关的，如果数组的长度太小，则会导致很快将数组填满为

1，会导致误判为存在布隆过滤器中，

使用guava中提供了布隆过滤器的api，做布隆过滤器

public class BoolmFilterTest {

    // 1000 代表bit数组的长度，0.01代表容错率，就部在布隆过滤器中的key，可能误判存在，
    // 但是对于在布隆过滤器中的key，是一定能判断存在的，只有不在布隆过滤器中key可能误判为存在
    static BloomFilter<Integer> bo = BloomFilter.create(Funnels.integerFunnel(),1000,0.01);

    public static void main(String[] args) {
        boolean b = bo.mightContain(1);
        bo.put(2);
    }
}

• 缓存击穿

就是说某个 key 非常热点，访问非常频繁，处于集中式高并发访问的情况，当这个 key 在失效的瞬间，大量的请求(同已时可并发请求)就击穿了缓存，直接请求数据库，就像是在一道屏障上凿开了一个洞。

解决方式：

1，是用后台进行起定时任务，定时刷新，在key过期了前10或者30分钟重新刷新缓存，

2，可以将热点数据设置为永远不过期；

3，或者基于 redis or zookeeper 实现互斥锁，就是请求从缓存中查询数据没查到，此时就会去查询数据库，在查询数据库之前，我们加一把分布式锁，此时就只能有一个线程查数据库了，查完数据库将数据写入缓存中，其它线程获取到了锁再查询一次缓存(不是直接查询数据库，而是在查询数据库之前再查询一次缓存)，查询不到，再去查询数据库