Redis缓存相关问题（缓存穿透、缓存击穿、缓存雪崩）及解决方案

缓存穿透

说明: 用户高并发环境下,频繁访问数据库中不存在的数据.导致用户请求直接访问数据库.严重时导致数据库服务器宕机.

解决方案:

1. IP限流操作 API网关中设置 设定用户访问的上限 规定每个IP单位时间内只能发送N次请求. 3-5
   治标不治本 (IP代理服务器: 1分钟变化一个IP)
2. 布隆过滤器
   布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。

核心知识点:
用法: 由二进制向量,hash函数组合.
作用: 判断一个元素是否存在于集合中.
优点: 占用空间更小/效率更高
缺点: 有一定的误判率(hash碰撞), 删除困难.

优点说明

问题: 如果有1000万的热点数据需要保存到redis缓存中. 问:是否可行?
计算: 1000万的数据如果需要存储 大约需要20G左右的空间…
知识铺垫:
1 Byte = 8 bit (二进制)。
1KB (Kilobyte 千)=1024B,
　　1MB (Megabyte 兆)=1024KB,
　　1GB (Gigabyte 吉)=1024MB,
　　1TB (Trillionbyte 太)=1024GB,

转变: 假设可以通过 0/1的方式,判断数据是否存在.同时占用的空间较小.那么这个问题就解决了.
计算2: 假设1个数据占用1个bit 问占用空间多大? 1.19M

布隆过滤器应用场景

说明:当用户查询服务器时,首先查询布隆过滤器,如果查询存在该数据,则执行后续的流程,
如果查询没有该数据,则直接返回.无需执行后续流程.

布隆过滤器算法介绍

关于布隆过滤器优化说明

1.根据hash原则 数据存在hash碰撞的概率. 则使用布隆过滤器容器造成误判. 如何解决?

优化hash碰撞概率-增加二进制向量

优化hash碰撞概率-增加hash函数个数

关于布隆在项目中使用过程

缓存击穿

说明: 在高并发环境下 某个热点数据由于删除/超时导致该数据在缓存中失效. 这时有大量的请求直接访问数据库.
导致数据库宕机.

如何优化:
1.定期更新热点数据的超时时间.
2.增加多级缓存机制.

缓存雪崩

概念: 由于Redis中大量的内存数据失效.导致用户访问缓存的命中率太低.大量的请求直接访问数据库.导致数据库宕机.

命令: flushDB/flushAll这样的命令慎用…
解决方案:
1.设定不同的超时时间/动态更新超时时间
2.设定多级缓存.