缓存雪崩

• 大量缓存数据在同一时间过期（失效）或者 Redis 故障宕机时，如果此时有大量的用户请求，都无法在 Redis 中处理，于是全部请求都直接访问数据库，从而导致数据库的压力骤增，严重的会造成数据库宕机，从而形成一系列连锁反应，造成整个系统崩溃，这就是缓存雪崩的问题。

解决办法

针对大量数据同时过期的解决方法

1. 设置过期时间：避免将大量数据设置成同一个过期时间，给这些数据的过期时间加上一个随机数。
2. 互斥锁：如果发现访问的数据不在 Redis 里，就加个互斥锁，保证同一时间内只有一个请求来构建缓存（实现互斥锁的时候，最好设置超时时间，防止锁一直不被释放，其他的请求也一直拿不到锁）
3. 双Key策略：

• 一个是主 key，会设置过期时间，一个是备 key，不会设置过期，它们只是 key 不一样，但是 value 值是一样的，相当于给缓存数据做了个副本。
• 当业务线程访问不到「主 key 」的缓存数据时，就直接返回「备 key 」的缓存数据，然后在更新缓存的时候，同时更新「主 key 」和「备 key 」的数据。

针对Redis故障宕机解决办法

1. 服务熔断或请求限流机制
   • 当Redis故障时，启动服务熔断机制，暂停业务应用对缓存服务的访问，直接返回错误，不用再继续访问数据库
   • 但是此时暂停业务访问数据库，为了减少业务影响，启用请求限流机制，只将少部分请求发送到数据库进行处理，再多的请求就在入口直接拒绝服务，等到 Redis 恢复正常并把缓存预热完后，再解除请求限流的机制。
2. 构建 Redis 缓存高可靠集群
   • 主从节点的方式构建 Redis 缓存高可靠集群。
   • 如果 Redis 缓存的主节点故障宕机，从节点可以切换成为主节点，继续提供缓存服务，避免了由于 Redis 故障宕机而导致的缓存雪崩问题。

缓存击穿

• 例如秒杀活动，某类商品为热点数据，当缓存的某个热点数据过期了，此时此时大量的请求访问了该热点数据，就无法从缓存中读取，直接访问数据库，数据库很容易就被高并发的请求冲垮，这就是缓存击穿的问题。

解决办法

• 不给热点数据设置过期时间，由后台异步更新缓存，或者在热点数据准备要过期前，提前通知后台线程更新缓存以及重新设置过期时间；
• 互斥锁方案，保证同一时间只有一个业务线程更新缓存，未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。

缓存穿透

• 当发生缓存雪崩或击穿时，数据库中还是保存了应用要访问的数据，一旦缓存恢复相对应的数据，就可以减轻数据库的压力
• 缓存穿透：当用户访问的数据，既不在缓存中，也不在数据库中，导致请求在访问缓存时，发现缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据

缓存穿透的两种常见情况

• 黑客恶意攻击，故意大量访问某些读取不存在数据的业务；
• 业务操作，缓存中的数据和数据库中的数据被误删

解决办法

1. 非法请求的限制
   • API 入口处我们要判断求请求参数是否合理，请求参数是否含有非法值、请求字段是否存在，如果判断出是恶意请求就直接返回错误，避免进一步访问缓存和数据库。
2. 缓存空值或者默认值
   • 后续请求就可以从缓存中读取到空值或者默认值，返回给应用，而不会继续查询数据库。
3. 使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在。
   • 写入数据库数据时，使用布隆过滤器做个标记，然后在用户请求到来时，业务线程确认缓存失效后，可以通过查询布隆过滤器快速判断数据是否存在，如果不存在，就不用通过查询数据库来判断数据是否存在。
   • 即使发生了缓存穿透，大量请求只会查询 Redis 和布隆过滤器，而不会查询数据库，保证了数据库能正常运行

布隆过滤器工作原理

• 布隆过滤器由「初始值都为 0 的位图数组」和「 N 个哈希函数」两部分组成。
• 工作过程
  • 第一步，使用 N 个哈希函数分别对数据做哈希计算，得到 N 个哈希值；
  • 第二步，将第一步得到的 N 个哈希值对位图数组的长度取模，得到每个哈希值在位图数组的对应位置。
  • 第三步，将每个哈希值在位图数组的对应位置的值设置为 1；
• 当查询数据x是否在数据库时，通过布隆过滤器只要查到位图数组的值的相应位置的值是否全为1，只要有一个为 0，就认为数据 x 不在数据库中。

注意:

• 布隆过滤器由于是基于哈希函数实现查找的，高效查找的同时存在哈希冲突的可能性
• 查询布隆过滤器说数据存在，并不一定证明数据库中存在这个数据，但是查询到数据不存在，数据库中一定就不存在这个数据。