redis缓存穿透、缓存击穿、缓存雪崩的问题

1. 什么是缓存穿透，怎么解决？

1.1. 缓存穿透

查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都会查询数据库。

1.2. 解决方案

方案一： 缓存空数据

缓存空数据，并设置key过期时间。查询返回的数据为空，仍把这个结果为空进行缓存。
    【例：{key:1,value:null}】
优点：简单
缺点：消耗内存，会发生不一致的问题。

方案二：设置布隆过滤器。

优点：内寸占用较少，没有多余key
缺点：实现复杂，存在误判。

2.什么是布隆过滤器？

是一种用于检测集合中元素的数据结构，它可以有效地判断一个元素是否可能在一个集合中，或者判断一个元素是否一定不在集合中。它是一个大小固定的位数组和一系列随机映射函数。

Redis提供了布隆过滤器的支持，可以通过Redis模块（如RedisBloom）或者Redis的集合实现类似功能。

代码实现：

import org.redisson.Redisson;
import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
 
public class RedisBloomFilterExample {
    public static void main(String[] args) {
        // 1. 配置RedissonClient
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379");
        RedissonClient redisson = Redisson.create(config);
 
        // 2. 创建布隆过滤器
        RBloomFilter<String> bloomFilter = redisson.getBloomFilter("myBloomFilter");
        // 初始化布隆过滤器，设置期望元素个数和错误率
        bloomFilter.tryInit(10000, 0.01);
 
        // 3. 添加元素
        bloomFilter.add("element1");
 
        // 4. 检查元素是否可能存在
        boolean mightContain = bloomFilter.contains("element1"); // 应该返回true
        boolean mightNotContain = bloomFilter.contains("element2"); // 可能返回false，如果确定不存在，那么一定不存在
 
        // 5. 关闭Redisson客户端
        redisson.shutdown();
    }
}

3. 什么是缓存击穿，怎么解决？

给某一个key设置了过期时间，当key过期的时候，恰好这个时间点对这个key有大量的并发请求进来，这些并发请求可能瞬间把DB压垮。

3.1 解决方案

方案一 互斥锁

特点：强一致，性能差。
流程：当缓存过期时，不立即去查询数据库，而是先设置一个互斥锁，然后进行数据查询，查询成功后并设置缓存。
    在互斥锁的时候，新的数据请求处于等待中。

方案二 逻辑过期

特点: 高可用，性能好，不保证数据绝对一致
流程：
1)  当设置key的时候，设置一个过期时间字段一块存入缓存中，不给当前key设置过期时间。
2)  当查询的时候，从redis获取数据后判断时间是否过期。
3)  如果过期，则开通两外一个线程进行数据同步，当前线程返回过期数据。

3.2 总结

如果选择数据的强一致性，建议使用分布式锁的方案，性能上可能没那么高，锁需要等待，会产生死锁。
如果选择key的逻辑删除，则优先考虑的高可用性，性能较高，做不到数据的绝对一致性。

设置热点数据永不过期，尽量避免热点数据产生的缓存击穿。

4.什么是缓存雪崩，怎么解决？

同一时间有大量的key过期或者时redis缓存服务器宕机，导致大量的请求进入数据库，导致数据库过大压力。

4.1解决方案

1） 给不同的key添加TTL随机值【在原有的过期时间上，在添加一个随机过期时间】。
2） 利用redis集群提高服务的高可用性。
3） 给缓存服务添加降级限流策略【可用于系统的保底策略。适用于缓存穿透、缓存击穿、缓存雪崩】
4） 给业务添加多级缓存。