前提
当我们使用缓存时，目标通常有两个：第一，提升响应效率和并发量；第二，减轻数据库的压力。
本文中所提到的这三种场景：缓存穿透、缓存雪崩和缓存击穿的发生，都是因为在某些特殊情况下，缓存失去了预期的功能所致。
当缓存失效或没有抵挡流量，流量直接涌入到数据库，在高并发的情况下，可能直接击溃数据库，导致整个系统奔溃。
缓存穿透
大多数情况，缓存可以减少数据库的查询压力，提升系统性能。
通常流程是：一个请求过来，先查询是否在缓存当中，如果缓存中存在，则直接返回。如果缓存中不存在对应的数据，则检索数据库，如果数据库中存在对应的数据，则更新缓存并返回结果。如果数据库中也不存在对应的数据，则返回或错误。
缓存穿透（cache penetration）是用户访问的数据既不在缓存当中，也不在数据库中。出于容错的考虑，如果从底层数据库查询不到数据，则不写入缓存。这就导致每次请求都会到底层数据库进行查询，缓存也是去了意义。当高并发或有利用不存在的key频繁攻击时，数据库的压力剧增，甚至奔溃，这就是缓存穿透问题。
缓存穿透发生的场景一般有两类：
- 原来数据是存在，但由于某些原因（误删除、主动清理等）在缓存和数据库层面被删除了，但前端或前置的应用程序依旧保持这些数据；
- 恶意攻击行为，利用不存在的key或者恶意尝试导致产生大量不存在的业务数据请求；
缓存穿透通常有四种解决方案，我们逐一介绍分析：
方案一：缓存空值（null）或默认值
分析业务请求，如果是正常业务请求是发生缓存穿透现象，可针对相应的业务数据，在数据库查询不存在时，将其缓存为空值（null）或默认值。需要注意的是，针对空值的缓存失效时间不宜过长，一般设置为5分钟之内。当数据被写入或更新该key的新数据时，缓存必须同时被刷新，避免数据不一致。
方案二：业务逻辑前置校验
在业务请求的入口处进行数据合法性校验，检查请求参数是否合理、是否包含非法值、是否恶意请求、提前有效阻断非法请求。比如，根据年龄查询时，请求的年龄为-10岁，这显然是不合法的请求参数，直接在参数校验时进行判断返回。
方案三：使用布隆过滤器请求白名单
在写入数据时，使用布隆过滤器进行标记（相当于设置白名单），业务请求发现缓存中无对应数据时，可先通过查询布隆过滤器判断数据是否在白名单内，如果不在白名单内，则直接返回空或失败。
方案四：用户黑名单限制
当发生异常情况时，实时监控访问的对象和数据，分析用户行为，针对故意请求、爬虫或攻击者，进行特定用户的限制；
缓存雪崩
在使用缓存时，通常会对缓存设置过期时间，一方面目的是保持缓存与数据库数据的一致性，另外一方面是减少冷缓存占用过多的内存空间。
但当缓存中大量热点缓存采用了相同的失效时间，就会导致缓存在某一时刻同时失效，请求全部转发到数据库，从而导致数据库压力剧增，甚至宕机。从而形成一系列的连锁反应，造成系统奔溃等情况，这就是缓存雪崩（cache Avalanche）
上面讲到的事热点key同时失败的场景，另外就是由于某些原因导致缓存服务宕机、挂掉或不响应，也同样会导致流量直接转移到数据库。
缓存雪崩的场景通常有两个：
- 大量热点key同时过期
- 缓存服务故障
缓存雪崩的解决方案：
- 通常的解决方案是将key的过期时间后面加上一个
随机数（比如随机1~5分钟），让key均匀失效 - 考虑用队列或者锁的方式，保证缓存单线程写，但这种方案可能会影响并发量
- 热点数据可以考虑不失效，后台异步更新缓存，适用于不严格要求缓存一致性的场景
- 双key策略，主key设置过期时间，备key不设置过期时间，当主key失效时，直接返回备key值
- 构建缓存高可用集群（针对缓存服务故障情况）
- 当缓存雪崩发生时，服务熔断、限制、降级等措施保障
缓存击穿
缓存雪崩是指只大量热点key同时失效的情况，如果是单个热点key，在不停的扛着大并发，在这个key失效的瞬间，持续的大并发请求就会击穿缓存，直接请求到数据库，好像蛮力击穿一样。这种情况就是缓存击穿（cache Breakdown）
从定义上可以看出，缓存击穿和缓存雪崩很类似，只不过是缓存击穿是一个热点key失效，而缓存雪崩是大量热点key失效，因此，可以将缓存击穿看作是缓存雪崩的一个子集。
缓存击穿的解决方案：
- 使用互斥锁（mutex key），只让一个线程构建缓存，其它线程等待构建缓存执行完毕，重新从缓存中获取数据。单机通过synchronize或lock来处理，分布式环境采用分布式锁
- 热点数据可以考虑不失效，后台异步更新缓存，适用于不严格要求缓存一致性的场景
- “提前”使用互斥锁（mutex key）：在value内部设置一个比缓存（redis）过期时间短的过期时间标识，当异步线程发现该值过期时，马上延长内置的这个时间，并重新从数据库加载数据，设置到缓存中去，保证数据的一致性。
