概述
不论是看文章还是面试时经常会碰到缓存异常的三个问题，分别是缓存雪崩、缓存击穿和缓存穿透。本节就来学习下这三个问题的表现、诱发原因以及解决方法。
1. 缓存雪崩
缓存雪崩：是指大量的应用请求无法在Redis缓存中进行处理，发送到数据库层，导致数据库压力激增。
1.1 诱发原因
1.缓存中大量key同时过期，导致大量缓存缺失，请求到达数据库
2.Redis实例故障或宕机，导致大量请求到达数据库
1.2 解决方法
1.针对缓存同时过期情况，可以在设置大量同时过期key时，在原过期时间基础上增加一个较小随机时间（例如，随机增加1~3分钟）；
2.针对实例宕机情况，可以使用高可靠集群方案，当主节点挂掉之后，从节点还可以切换成为主节点，继续提供缓存服务；
3.服务降级，针对不同的数据提供不同的处理方式：
- 当业务应用访问的是非核心数据（例如电商商品属性）时，暂时停止从缓存中查询这些数据，而是直接返回预定义信息、空值或是错误信息；
- 当业务应用访问的是核心数据（例如电商商品库存）时，仍然允许查询缓存，如果缓存缺失，也可以继续通过数据库读取；
4.请求限流，当监控到发送雪崩时，前端系统根据数据库的处理能力进行请求限流，把无法处理的请求直接拒绝服务，防止打垮数据库；
2. 缓存击穿
缓存击穿：是指某个频繁访问的热点数据无法在Redis缓存中进行处理，发送到数据库层
2.1 诱发原因
通常是因为热点数据过期
2.2 解决方法
对于频繁访问的热点数据不要设置过期时间
3. 缓存穿透
缓存穿透：是指要访问的数据既不在Redis缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据。此时，应用也无法从数据库中读取数据再写入缓存来服务后续请求，这样一来，缓存也就成了“摆设”，如果应用持续有大量请求访问数据，就会同时给缓存和数据库带来巨大压力。
3.1 诱发原因
1. 业务层误操作：缓存中的数据和数据库中的数据被误删除了，所以缓存和数据库中都没有数据；
2. 恶意攻击：专门访问数据库中没有的数据；
3.2 解决方法
1.缓存空值或缺省值
当缓存和数据库中都不存在时，回写一个空或默认值到缓存中，这样后续同样请求就可以直接从缓存中返回默认值；
2.前端应用对请求数据的合法性进行判断拦截
缓存穿透的一个原因是有大量的恶意请求访问不存在的数据，所以，一个有效的应对方案是在请求入口前端，对业务系统接收到的请求进行合法性检测，把恶意的请求（例如请求参数不合理、请求参数是非法值、请求字段不存在）直接过滤掉，不让它们访问后端缓存和数据库；
3.使用布隆过滤器
把数据写入数据库时，使用布隆过滤器做个标记。当缓存缺失后，应用查询数据库时，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，就不用再去数据库中查询了；
3.3 布隆过滤器
布隆过滤器由一个初值都为0的bitmap和N个哈希函数组成，可以用来快速判断某个数据是否存在；
3.3.1 哈希映射
1.使用N个哈希函数，分别计算一个数据的哈希值，得到N个哈希值；
2.把这N个哈希值对bit数组的长度取模，得到每个哈希值在数组中的对应位置；
3.把对应位置的bit位设置为1，这就完成了在布隆过滤器中标记数据的操作；
4.判断是否存在时，得到这个数据在bit数组中对应的N个位置，只要这N个bit 值有一个不为1，就说明数据不存在；
3.3.2 精确度
hash算法存在碰撞的可能，所以不同的数据可能hash为一个下标数据(例如图中hello hash3和word hash2都标记在bitmap[8])，故为了提高精确度就需要使用多个hash算法标记一个数据和增大bitmap的大小。
布隆过滤器判断时：【数据存在】可能数据并不存在，【数据不存在】那么数据就一定不存在
小结
可以看出这三种缓存问题都有很大的危害，使用时建议尽量使用预防式方案：
针对缓存雪崩，合理地设置数据过期时间，以及搭建高可靠缓存集群；
针对缓存击穿，在缓存访问非常频繁的热点数据时，不要设置过期时间；
针对缓存穿透，提前在入口前端实现恶意请求检测；
-----------over----------
