Redis-缓存穿透、击穿和雪崩

一、Redis的缓存穿透

1、概念：
用户需要查询一个数据，但是redis中没有（比如说mysql中id=-1的数），直接去请求MySQL，当很多用户同时请求并且都么有命中！于是都去请求了持久层的数据库，那么这样会给持久层数据库带来非常大的压力。一般出现这样的情况都不是正常用户，基本上都是恶意用户！ 
2、解决方案
①布隆过滤器：

 布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则
丢弃，从而避免了对底层存储系统的查询压力；
因为篇幅原因，在此不展开讲，后面会出单独的文章来仔细讲解布隆过滤器！

 ②缓存空对象：

 当存储层查不到，即使是空值，我们也将其存储起来并且在Redis中设置一个过期时间，之后再访问这个数据将会从Redis中访问，保护了持久层的数据库！

③存在的问题：
1）如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多
的空值的键；
2）即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于
需要保持一致性的业务会有影响。
注意：缓存穿透前提是：Redis和MySQL中都没有，然后不停的直接请求MySQL。

代码：缓存空对象，不管查到数据库的是不是null都缓存

    @Resource
    private RedisTemplate<String, Object> redisTemplate;

    public List<UserDO> findUserDO() {
        String key = "User:";
        Object obj = redisTemplate.opsForValue().get(key);
        if (obj == null) {
            synchronized (this) {
                //进入synchronized后一定要再查一次redis，防止上一个抢到锁的已经更新了
                obj = redisTemplate.opsForValue().get(key);
                if (obj != null) {
                    return (List<UserDO>) obj;
                }
                List<UserDO> list = userDAO.selectList(new LambdaQueryWrapper<>());
                Duration expire = Duration.ofHours(2).plus(Duration.ofSeconds((int) (Math.random() * 100)));
                redisTemplate.opsForValue().set(key, list, expire);
                return list;
            }
        } else {
            return (List<UserDO>) obj;
        }
    }

二、Redis的缓存击穿

 1、概念：
是指一个非常热点的key，在不停的扛着大并发，当这个key失效时，一瞬间大量的请求冲到持久层的数据库中，就像在一堵墙上某个点凿开了一个洞！

2、解决方案：
①设置热点key永不过期：
从缓存层面来看，没有设置过期时间，所以不会出现热点 key 过期后产生的问题

②加互斥锁：

 在查询持久层数据库时，保证了只有一个线程能够进行持久层数据查询，其他的线程让它睡眠几百毫秒，等待第一个线程查询完会回写到Redis缓存当中，剩下的线程可以正常查询Redis缓存，就不存在大量请求去冲击持久层数据库了！
③缺点：
其实设置永不过期不合理！

代码：访问数据库加锁

@Resource
private RedisTemplate<String, Object> redisTemplate;

    public List<UserDO> findUserDO(){
        String key ="User:";
        Object obj = redisTemplate.opsForValue().get(key);
        if (obj==null){
            synchronized (this){
                //进入synchronized后一定要再查一次redis，防止上一个抢到锁的已经更新了
                obj = redisTemplate.opsForValue().get(key);
                if (obj != null){
                    return (List<UserDO>) obj;
                }
                List<UserDO> list =userDAO.selectList(new LambdaQueryWrapper<>());
                redisTemplate.opsForValue().set(key,list, Duration.ofHours(2));
                return list;
            }
        }else{
            return (List<UserDO>) obj;
        }
    }

三、Redis的缓存雪崩

 1、概念：
在某一个时间段，缓存的key大量集中同时过期了，所有的请求全部冲到持久层数据库上，导致持久层数据库挂掉！
范例：双十一零点抢购，这波商品比较集中的放在缓存，设置了失效时间为1个小时，那么到了零点，这批缓存全部失效了，而大量的请求过来时，全部冲过了缓存，冲到了持久层数据库！
2、解决方案：

①Redis高可用：
搭建Redis集群，既然redis有可能挂掉，那我多增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。（异地多活！）
②限流降级：
在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对
某个key只允许一个线程查询数据和写缓存，其他线程等待。
③数据预热：
数据加热的含义就是在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀 。

代码：随机失效+访问数据库加锁

    @Resource
    private RedisTemplate<String, Object> redisTemplate;

    public List<UserDO> findUserDO() {
        String key = "User:";
        Object obj = redisTemplate.opsForValue().get(key);
        if (obj == null) {
            synchronized (this) {
                //进入synchronized后一定要再查一次redis，防止上一个抢到锁的已经更新了
                obj = redisTemplate.opsForValue().get(key);
                if (obj != null) {
                    return (List<UserDO>) obj;
                }
                List<UserDO> list = userDAO.selectList(new LambdaQueryWrapper<>());
                Duration expire = Duration.ofHours(2).plus(Duration.ofSeconds((int) (Math.random() * 100)));
                redisTemplate.opsForValue().set(key, list, expire);
                return list;
            }
        } else {
            return (List<UserDO>) obj;
        }
    }