缓存穿透、缓存击穿、缓存雪崩区别和解决方案

一、缓存穿透

1、概念

缓存穿透是指查询一个一定不存在的数据，缓存穿透的概念很简单，用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久层数据库查询。发现也没有，于是本次查询失败。这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。在流量大时，可能DB就挂掉了。而且如果有人利用不存在的key频繁攻击我们的应用，这就是漏洞。

简而言之，缓存穿透就是指查询数据库和缓存都没有的数据。

2、解决方案

1. 缓存空对象： 代码简单，效果不好

   从缓存取不到的数据，在数据库中也没有取到，这时也可以将key-value对写为key-null，缓存有效时间可以设置短点，如30秒（设置太长会导致正常情况也没法使用）。这样可以防
   止攻击用户反复用同一个id暴力攻击

存在问题:
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。

1. 布隆过滤器： 代码复杂，效果较好

   如果想判断一个元素是不是在一个集合里，一般想到的是将所有元素保存起来，然后通过比较确定。链表，树等等数据结构都是这种思路. 但是随着集合中元素的增加，我们需要的存储空间越来越大，检索速度也越来越慢。不过世界上还有一种叫作散列表（又叫哈希表，Hash table）的数据结构。它可以通过一个Hash函数将一个元素映射成一个位阵列（Bit Array）中的一个点。这样一来，我们只要看看这个点是不是 1 就知道可以集合中有没有它了。这就是布隆过滤器的基本思想。

存在问题：
① 误算率（False Positive）。随着存入的元素数量增加，误算率随之增加。具体原理看下方链接
②一般情况下不能从布隆过滤器中删除元素. 我们很容易想到把位列阵变成整数数组，每插入一个元素相应的计数器加1,、这样删除元素时将计数器减掉就可以了。然而要保证安全的删除元素并非如此简单。首先我们必须保证删除的元素的确在布隆过滤器里面.、这一点单凭这个过滤器是无法保证的。另外计数器回绕也会造成问题。
详解见：5分钟搞懂布隆过滤器

2. 把恶意请求的IP拉黑
3. 对参数的合法性进行校验，参数不合法直接return
   例如：接口层增加校验，如用户鉴权校验，id做基础校验，id<=0的直接拦截；

二、缓存击穿

1、概念

数据库有数据，redis缓存中没有。此时并发用户极多，同时读取缓存但没有读到数据，然后有同时访问数据库，引起数据库压力瞬间增大，甚至宕机 。
或者说某个key在缓存中不存在或者失效后，某一瞬间大量请求同时访问该key，都判定redis没有这个key，然后都去查库，引起服务器宕机。

2、解决方案

4. 设置热点数据用不过期或定时刷新缓存

5. 缓存预热、定时刷新缓存：提前加载数据到缓存中

6. 使用分布式锁

   //模拟高并发的访问：1000个线程进来
   public  R selectOrderById(Integer id) {
       if(!bloomFilter.isExist(String.valueOf(id))){
           return new R().setMsg("查询无果").setData(new NullValueResultDO()).setCode(600);
       }
       Object redisObj = valueOperations.get(String.valueOf(id));//查询缓存
       if(redisObj != null) {//命中缓存
           return new R().setCode(200).setData(redisObj).setMsg("OK");//正常返回数据
       }
       try {
               redisLock.lock(String.valueOf(id));//加锁 setnx
               redisObj = valueOperations.get(String.valueOf(id));//再次查询缓存
               if(redisObj != null) {//命中缓存
                   return new R().setCode(200).setData(redisObj).setMsg("OK");//正常返回数据
               }
               Order order = orderMapper.selectOrderById(id); //查数据库
               if (order != null) {
                   valueOperations.set(String.valueOf(id), order);  //加入缓存
                   return new R().setCode(200).setData(order).setMsg("OK");
               }
       }finally {
           redisLock.unlock(String.valueOf(id));//释放锁
       }
       return new R().setCode(500).setData(new NullValueResultDO()).setMsg("查询无果");
   }
   

三、缓存雪崩

1、概念

redis宕机或者redis缓存中数据大批量到过期时间，所有请求到达存储层，存储层的调用量会暴增，造成数据库也会挂掉的情况。
与缓存击穿不同的是，缓存击穿是指并发查询同一条数据。缓存雪崩时不同数据同时过期或者redis宕机，很多数据在redis中查不到，一起去查数据库引起的

2、解决方案

1. 搭建redis集群
   就是多设几台redis，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。

2. 错开数据过期时间，如果出现雪崩，考虑使用降级熔断操作

3. 设置热点数据永不过期

4. 进行定时任务，在缓存失效前把数据重新刷新到缓存

5. 如果缓存数据库时分布式部署，可以将热点数据均匀分布在不同的缓存数据库中