Redis的缓存穿透、缓存击穿和缓存雪崩问题

缓存穿透：

关注点：要查询的数据缓存中没有，数据库中也没有

情景：就是在使用了缓存的基础上，去查询一个缓存中没有，数据库中也没有的空数据，也就是压根不存在的数据
如果被人写一个程序去频繁的调用这个查询空数据的请求，那么就有可能把数据库搞崩溃

解决方案：
1）缓存空对象：
第一次查询缓存中没有，去查询数据库也没有，然后我们把查询关键字当做缓存的key,然后对应的value用空对象代替，然后将这条数据加入到缓存中，下次再来相同查询的时候，就不再查询数据库了，而是去查询缓存，返回缓存中的空对象
2）布隆过滤器

步骤一：启动的时候，根据查询关键字，查询数据库中对应关键字的所有信息，添加到布隆过滤器中

步骤二：然后在查询缓存之前先去查询布隆过滤器，先去判断查询的值是否存在，如果判断为否，那么肯定数据库中不存在，那么直接返回错误信息或者提示信息，就不会再去查询缓存和数据库，相当于只是启动时候只去查询了一次数据库，用于布隆过滤器中值的写入
（当然存在误判，但是误判无所谓，已经削减了大量的请求，误判少量的请求，那也是少量的去查询数据库）

布隆过滤器可以参考集合的概念，但是跟集合不同的地方，或者说它的底层实现是位数组（每个位的值只有0和1，占用空间小，那么可以存储的就大），然后它的实现就是当你往布隆过滤器中插入一个数据的时候，他会根据你设置的要插入的总的数据量size和容错率fpp去计算生成的位数组的长度和（用于计算怎么将存储的数据存储到位数组哪些数组下标位置的）hash函数个数，然后你去查布隆过滤器中有没有该数据的时候，它就会拿相同的hash函数去计算数组中存储该数据的数组下标位置，然后去判断是否和插入时的一样，来判断是否可能存在，为什么说可能存在呢，因为存在hash碰撞导致误判，这个误判率和数组长度和容错率有直接关系（你容错率越低，hash函数越多，数组长度越大，那么产生hash碰撞误判的几率就越小，判断是否存在的准确性就越高，但是所需的空间资源也就越多）

缓存击穿：

关注点：要查询的数据缓存中没有，数据库中有（并发情况下）

情景：当高并发的情况下，n多个线程去查询数据，先查询Redis,正好查询的值过了过期时间，值被清除，那么Redis查不到了，就去MySQL数据库中查，那么n多个线程请求都将直接打到MySQL数据库上

解决方案：加分布式锁
比如99个人并发去访问查询同一个数据，第一步都去查询了缓存，缓存中没有，没有命中缓存，然后加分布式锁，其中一个访问线程持有了这个锁，然后其他线程阻塞，然后持有锁的线程又去查询一次缓存（这个是为了释放锁后，其他第一次查询缓存没有命中的阻塞的线程，等第一个线程查询完，写入缓存并且释放锁资源之后，阻塞线程被唤醒，然后不是去查询数据库，而是去查询缓存），缓存中没有，然后查询数据库，将查询到的数据写入Redis缓存，并且释放锁资源，其他阻塞线程被唤醒，然后去查询缓存，而不是查询数据库

缓存雪崩：

关注点：Redis中大量的值失效

情景：
Redis缓存宕机
或者你多个值设置了同一个过期时间，导致过期时间后，大量值失效

对应解决方案：
高可用Redis集群；
设置过期时间时有差值，避免设置大量的相同的过期时间