Redis缓存穿透、缓存击穿、缓存雪崩

1、缓存穿透

查询一个数据库一定不存在的数据。

解决方法
1、布隆过滤器
布隆过滤器是一个bit向量或者bit。对于一个key，我们要映射到布隆过滤器，使用多个不同的哈希函数生成多个哈希值，并把每个生成的哈希值指向的bit设置为1。
原理：当查询时，把key使用不同的哈希函数进行计算，若对应的bit均为1，则布隆过滤器判断该key存在。


从上图可以看到，不同的词对应的bit位置可能相同，当词比较多的时候，可能大部分bit位置都是1。布隆过滤器判断不存在的词一定不存在，判断存在的可能不存在。

2、缓存空对象
  当存储层不命中时，即使返回的空对象也将其缓存起来，同时设置一个过期时间，之后再访问这个数据时将从缓存中获取，保存了后端数据源；
存在的问题：

• 若空值能够被缓存起来，意味着需要更多的空间存储更多的键，因为可能有很多空值的键；
• 即使对空值设置了过期时间，缓存层和存储层之间的数据还是会有一段时间的不一致。需要保持一致性的业务会有影响。

2、缓存雪崩

是指缓存中大批量数据到了过期时间，而查询数据流巨大，引起数据库压力过大甚至down机。和缓存击穿不同的是，缓存击穿是并发查询同一条数据，缓存雪崩是不同数据都过期，很多数据都查不到从而查询数据库；

  产生雪崩的原因之一，假如马上就要到双十一零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨一点钟的时候，这批商品的缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。

解决办法
1、不同分类商品，缓存不同周期。在同一分类中的商品，加上一个随机因子。这样能尽可能分散缓存过期时间，而且，热门类目的商品缓存时间长一些，冷门类目的商品缓存时间短一些，也能节省缓存服务的资源。
2、如果缓存数据库是分布式部署，将热点数据均匀分布在不同的缓存数据库中；
3、设置热点数据永远不过期；
4、使用加锁限流的方式；

3、缓存击穿

缓存中没有但是数据库有的数据，并且某一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间（一般是缓存时间到期），持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。

解决方案

• 设置热点数据永远不过期；
• 使用互斥锁：在缓存失效的时候，判断拿出来的值为空，不是立即去load db,而是先使用缓存工具的某些带操作成功返回值的操作（比如redis的SETNX）去set一个mutex key。当操作返回成功时，在进行load db操作并回设缓存；否则重试整个get缓存；