缓存穿透、缓存击穿、缓存雪崩的问题与解决方案

缓存概念

在计算器中，高速缓冲存储器是一个硬件或软件组件，其存储数据，以便该数据可以在将来的请求送达更快；存储在缓存中的数据可能是早期计算的结果，也可能是存储在其他位置的数据的副本。一个缓存命中时，所请求的数据在高速缓存中找到，而出现高速缓存未命中当它不能发生时发生。缓存命中是通过从缓存中读取数据来实现的，这比重新计算结果或从速度较慢的数据存储中读取要快。因此，从缓存中可以处理的请求越多，系统执行速度就越快。

缓存穿透

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。当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透。
想象一下这个情况，如果传入的参数为-1，会是怎么样？这个-1，就是一定不存在的对象。就会每次都去查询数据库，而每次查询都是空，每次又都不会进行缓存。假如有恶意攻击，就可以利用这个漏洞，对数据库造成压力，甚至压垮数据库。即便是采用UUID，也是很容易找到一个不存在的KEY，进行攻击。
（这里注意的区别：缓存穿透的概念与缓存击穿并不相同，下面会列出缓存击穿的概念）
缓存穿透如何去预防呢？
1）布隆过滤器

布隆过滤器是一种数据结构，垃圾网站和正常网站加起来全世界据统计也有几十亿个。网警要过滤这些垃圾网站，总不能到数据库里面一个一个去比较吧，这就可以使用布隆过滤器。假设我们存储一亿个垃圾网站地址。

可以先有一亿个二进制比特，然后网警用八个不同的随机数产生器（F1,F2, …,F8） 产生八个信息指纹（f1, f2, …, f8）。接下来用一个随机数产生器 G 把这八个信息指纹映射到 1 到1亿中的八个自然数 g1, g2, …,g8。最后把这八个位置的二进制全部设置为一。过程如下：

那这个布隆过滤器是如何解决redis中的缓存穿透呢？很简单首先也是对所有可能查询的参数以hash形式存储，当用户想要查询的时候，使用布隆过滤器发现不在集合中，就直接丢弃，不再进行缓存查询。
2、缓存空对象

当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源；
这种方法会存在两个问题(占用空间资源较多、业务一致性问题)：

Object nullValue = new Object();
try {
  Object valueFromDB = getFromDB(uid); //从数据库中查询数据
  if (valueFromDB == null) {
    cache.set(uid, nullValue, 10);   //如果从数据库中查询到空值，就把空值写入缓存，设置较短的超时时间
  } else {
    cache.set(uid, valueFromDB, 1000);
  }
} catch(Exception e) {
  cache.set(uid, nullValue, 10);
}

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；
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。（这个方法需要具体根据业务分析方案可行性。）

缓存击穿

缓存击穿，是指一个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，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。 缓存被“击穿”的问题，（这个和缓存雪崩的区别在于这里针对某一key缓存，前者则是很多key，这里是指同一个key。）
缓存击穿的问题又该如何去预防呢？

1. 数据持久化。设置热点数据永远不过期。（这个基于业务去考虑是否热点数据是可以持久化的操作。）
2. 检查更新。将缓存key的过期时间(缓存数据存入时写的过期)一起保存到缓存中.在每次获取缓存数据操作后,都将get出来的缓存过期时间与当前系统时间做一个对比,如果缓存过期时间-当前系统时间<=1分钟(自定义的一个值),则主动更新缓存.这样就能保证缓存中的数据始终是最新的(和方案一一样,让数据不过期.)
3. 使用互斥锁。
   互斥锁的实现思路是什么呢？就是当某一热点数据失效后，通过互斥锁的机制把所有并发实现一个串行化的管理。只有拿到锁的线程，才去数据库查询数据更新缓存，其他的线程在缓存中没有拿到数据且没有拿倒锁的状态下进行等待。这样很大程度下降低了对DB数据库的压力。不好的地方是可以当缓存失效时。会有短暂的等待时间。下面上一个互斥锁的demo。
   // 方法1:

static Lock reenLock = new ReentrantLock();
 
    public List<String> getData() throws Exception {
        List<String> result = new ArrayList<String>();
        // 从缓存读取数据
        result = getCacheData();
        if (result.isEmpty()) {
            if (reenLock.tryLock()) {
                try {
                    System.out.println("我拿到锁了,从DB获取数据库后写入缓存");
                    // 从数据库查询数据
                    result = getDataFromDB();
                    // 将查询到的数据写入缓存
                    setDataToCache(result);
                } finally {
                    reenLock.unlock();// 释放锁
                }
 
            } else {
                result = getDataFromCache();// 先查一下缓存
                if (result.isEmpty()) {
                    System.out.println("我没拿到锁,缓存也没数据,先进行等待");
                    Thread.sleep(100);// 等待
                    return getData04();// 重试
                }
            }
        }
        return result;
      }

缓存雪崩

缓存雪崩概念是指：缓存层出现了错误，不能正常工作了。大量key同一时间点失效，同时又有大量请求打进来，导致流量直接打在DB上，造成DB也会CPU爆满挂掉的情况。
那么如何解决缓存雪崩问题呢？

 redisTemplate.opsForValue().set("2","xxx",2, 随机数);

解决思路1：可以给缓存的失效时间都设置成随机值，或者分析用户行为。利用程序手段尽量时缓存key值不在同一时间失效。从而减少DB的瞬间压力(根据具体业务分析)。
解决思路2：设置多级缓存。比如同时使用redis和memcache缓存，请求->redis->memcache->db；这样可以方式redis缓存同一时间，并发请求不会直接打到DB问题，而是memcache缓存中那去数据。

今天的分享到这里结束了。看完的小伙伴点个赞再走呗。