redis缓存和性能

缓存穿透：穿透从字面上理解，透过去，用户访问了一个缓存和数据库都不存在的key，这样的话，缓存的意义就不存在了，一下子数据库的压力就大了。
解决方法：
1.对不存在的key缓存起来，并增加一个过期的时间60s
2.使用布隆过滤器，经过布隆过滤器的过滤，key不存在的，肯定不存在。配合方法1
缓存击穿：一大部分缓存的key在某一时刻全部失效，此时这一部分的访问请求会直接作用在数据库上面，增加了数据库的压力。
解决方法： 给这些key在失效时间内，增加一小段随机的时间，让这些key不会在同一时间内全部失效。
缓存雪崩：缓存一下子崩溃了。类似缓存系统不管用了，访问的压力全部压到数据库上面了。
解决方法：
1.redis布置成哨兵群或者集群的形式
2.在代码层面使用限流、降级、熔断的方式
3.预防方案，在类似双十一活动之前，让缓存的系统崩溃，做好相关的预防措施。
热点key：类似双十一的活动，某件商品成为热点一下子访问量提升了上来。
解决方法：使用互斥锁，很多请求访问，只让一个请求进来获取数据，然后缓存起来，后面的请求直接从缓存中获取相应的数据。
缓存和数据库不一致：
这个问题处理起来是矛盾的，不仅要求数据的一致性，还要求数据得实时性。建议使用读写锁来处理这个问题，对于我们大部分的互联网公司来说，读操作往往大于写的操作，读写锁对于读操作基本就是无锁，对于写操作是串行执行的。没有完美的方案，性能和安全性只能偏向一个方向。
Redis对于过期键的处理策略：
redis对key过期的处理，有8种策略，
a) 针对设置了过期时间的key做处理：
volatile-ttl：在筛选时，会针对设置了过期时间的键值对，根据过期时间的先后进行删除，越早过期的越先被删除。
volatile-random：就像它的名称一样，在设置了过期时间的键值对中，进行随机删除。
volatile-lru：会使用 LRU 算法筛选设置了过期时间的键值对删除。
volatile-lfu：会使用 LFU 算法筛选设置了过期时间的键值对删除。
b) 针对所有的key做处理：
allkeys-random：从所有键值对中随机选择并删除数据。
allkeys-lru：使用 LRU 算法在所有数据中进行筛选删除。
allkeys-lfu：使用 LFU 算法在所有数据中进行筛选删除。
c) 不处理：
noeviction：不会剔除任何数据，拒绝所有写入操作并返回客户端错误信息"(error) OOM command not allowed when used memory"，此时Redis只响应读操作。

LRU 算法（Least Recently Used，最近最少使用）
淘汰很久没被访问过的数据，以最近一次访问时间作为参考。

LFU 算法（Least Frequently Used，最不经常使用）
淘汰最近一段时间被访问次数最少的数据，以次数作为参考。

推荐使用的是volatile-lru