缓存穿透

缓存数据没有命中就会存在缓存穿透。
目标：避免攻击性穿透、并发更新穿透，让缓存数据的失效过程尽可能平滑。
方法：选择不同的缓存策略、缓存淘汰算法。

第一种场景：
利用不存在的key攻击应用。
过程：每次请求会先检查缓存中是否存在，如果存在返回缓存内容，如果不存在就回源，然后再将结果缓存。如果查询的某个数据在缓存中一直不存在，就会造成每一次请求都回源，这样缓存就失去了意义，流量大时，回源系统的压力就会非常大。
解决办法1：将不存在的key预先设定一个值，比如 unkownKey = “&&”。在返回这个&&值的时候，应用就可以认为这是不存在的key，再决定是否需要回源。
另，设置一个很短的过期时间，最长不超过五分钟。原因如下：
缓存空对象会有两个问题：
（1）空值做了缓存，意味着缓存层中存了更多的键，需要更多的内存空间 ( 如果是攻击，问题更严重 )，比较有效的方法是针对这类数据设置一个较短的过期时间，让其自动剔除。
（2）缓存层和存储层的数据会有一段时间窗口的不一致，可能会对业务有一定影响。例如过期时间设置为 5分钟，如果此时存储层添加了这个数据，那此段时间就会出现缓存层和存储层数据的不一致，此时可以利用消息系统或者其他方式清除掉缓存层中的空对象。
解决方法2：使用布隆过滤器。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。
另，布隆过滤器使用场景：可以用来实现数据字典，进行数据的判重，或者集合求交集。对于原理来说很简单，位数组+k个独立hash函数。将hash函数对应的值的位数组置1，查找时如果发现所有hash函数对应位都是1说明存在，很明显这个过程并不保证查找的结果是100%正确的。同时也不支持删除一个已经插入的关键字，因为该关键字对应的位会牵动到其他的关键字。所以一个简单的改进就是counting Bloom filter，用一个counter数组代替位数组，就可以支持删除了。添加时增加计数器，删除时减少计数器。

第二种场景：
并发更新穿透。
过程：一个缓存失效，并发访问高的情况会出现，多个进程同时查询DB，同时设置缓存，如果并发确实很大，也会造成回源系统压力过大。
解决办法1：对缓存查询加锁，如果key不存在，先加锁，再回源，将结果进行缓存，然后解锁。这种方式和第一种场景的解决方法类似，只不过利用锁的方式，会造成一部分请求等待。
解决办法2：双key。主key生成一个附属key来标识数据修改到期时间，快到时间的时候重新加载数据。附属key起到锁的功能。

参考：
《深入分布式缓存：从原理到实践》
https://blog.csdn.net/kongtiao5/article/details/82771694
https://blog.csdn.net/fei33423/article/details/79027790