【浅谈】缓存穿透、缓冲击穿、缓存雪崩

1、缓存穿透

缓存穿透指缓存和数据库都没有数据，用户不断的发起请求查询该数据，这种操作会穿透缓存不断对数据库进行查询，造成数据库压力过大。

代码：

public Integer findPrice(Long id) {
    //从缓存中查询
    Integer sku_price = (Integer) redisTemplate.boundHashOps("sku_price").get(id);
    if(sku_price==null) {
        //缓存中没有， 从数据库查询
        Sku sku = skuMapper.selectByPrimaryKey(id);
        if(sku!=null) { 
            //如果数据库有此对象
            sku_price = sku.getPrice();
            redisTemplate.boundHashOps("sku_price").put(id, sku_price);
        }
    }
    return sku_price;
}

解决方案：

• 1.接口层增加校验，如用户鉴权校验，id基础校验
• 2.从缓存取不到的数据，在数据库中也没有，将key-value对应修改为key-0。

public int findPrice(Long id) {
    //从缓存中查询
    Integer sku_price = (Integer) redisTemplate.boundHashOps("sku_price").get(id);
    if(sku_price==null) {
        //缓存中没有，从数据库查询
        Sku sku = skuMapper.selectByPrimaryKey(id);
        if(sku!=null) { 
            //如果数据库有此对象
            sku_price = sku.getPrice();
            redisTemplate.boundHashOps("sku_price").put(id, sku_price);
        }else{
            redisTemplate.boundHashOps("sku_price").put(id, 0);
        }
    }
    return sku_price;
}

• 3.缓存预热：将数据提前写入到缓存中，当数据发生变更，再讲最新的数据更新到缓存。

2、缓存击穿

缓存击穿指缓存中没有数据但数据库中有数据。在并发很大的情况下，缓存没有读到数据会导致大量的请求读数据库，造成数据库瞬间压力过大。

代码：

@Autowired
private RedisTemplate redisTemplate;
public List<Map> findCategoryTree() {
    //从缓存中查询
    List<Map> categoryTree = (List<Map>) redisTemplate.boundValueOps("categoryTree").get();
    if(categoryTree==null) {
        Example example=new Example(Category.class);
        Example.Criteria criteria = example.createCriteria();
        criteria.andEqualTo("isShow", "1"); //显示
        List<Category> categories = categoryMapper.selectByExample(example);
        categoryTree=findByParentId(categories, 0);
        redisTemplate.boundValueOps("categoryTree").set(categoryTree);
        //过期时间设置 . . . . . .
    }
    return categoryTree;
}

解决方案：

• 1.设置热点数据永不过期。
• 2.缓存预热。

3、缓存雪崩

缓存雪崩指缓存数据大批量到过期时间，查询数据量巨大，引起的数据库压力过大甚至导致宕机。和缓存击穿不同的是缓存击穿是指并发查询同一条数据，缓存雪崩是不同数据批量过期。

解决方案：

• 1.缓存数据的过期时间设置随机，防止同一时间出现大量数据过期现象。
• 2.设置热点数据永不过期
• 3.使用缓存预热