一、缓存穿透

1.1 定义

缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时需要从数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，造成缓存穿透。

1.2 解决

方案一: 缓存空对象

当存储层未命中后，即使数据库返回的空对象也对其进行缓存，同时设置一个过期时间，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。

方案二: 布隆过滤器

布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

方案三: 设置可访问的白名单

使用bITmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问。

方案四: 进行实时监控

当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务

二、缓存击穿

2.1 定义

key对应的数据存在，但在redis中过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，但是缓存回设期，这个时候大并发的请求可能会瞬间把后端DB压垮。案例：微博热搜问题

2.2 解决方案

方案一：预先设置热门数据

在redis高峰访问之前，把一些热门数据提前存入到redis里面，加大这些热门数据key的时长

方案二：设置热点数据永不过期

从缓存层面来说，没有设置过期时间，所以就不会出现热点key过期产生的问题

方案三：实时调整

现场监控哪些数据热门，实时调整key的过期时长

方案四：使用分布式锁

使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其他线程在没有获取分布式锁的权限时，需要等待。这种方式将高并发的压力转移到了分布式锁，因此对于分布式锁的考验很大。

三、缓存雪崩

3.1 定义

缓存雪崩，是指在某个时间段，缓存集中过期失效，导致数据库异常的状况。key对应的数据存在，但在redis中过期或者是缓存服务直接宕机，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存，这个时候大并发的请求可能会瞬间把后端DB压垮。

3.2 解决方案

方案一：构建集群

通过搭建Redis集群，保障Redis的高可用

方案二：搭建多级缓存架构

Nginx缓存+Redis缓存+其他缓存（ehcache等）

方案三：限流降级

在缓存失效后,通过加锁或者队列来控制读数据库写缓存的线程数量，从而避免失效时大量的并发请求落到底层存储系统上。比如对某个key只允许一个线程查 询数据和写缓存,其他线程等待。不适用高并发情况。

方案四：数据预热

在正式部署之前，先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中，在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀

方案五：设置过期标志更新缓存

记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存

方案六：将缓存失效时间分散开

比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。