缓存穿透
缓存和数据库中都没有的数据，可用户还是源源不断的发起请求，导致每次请求都会到数据库，从而压垮数据库。
这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。
*** 解决方案**
- 对空值进行缓存标志
- 对于不存在的数据，同样设置一个特殊的 Value 到缓存中，并设置过期时间
- 使用布隆过滤器
- 如果布隆过滤器认为值不存在，那么值一定是不存在的，无需查询缓存也无需查询数据库；
- 对于极小概率的误判请求，才会最终让非法 Key 的请求走到缓存或数据库。
- 业务层校验
- 用户发过来的请求，根据请求参数进行校验，对于明显错误的参数，直接拦截返回。
缓存雪崩
缓存雪崩是指当缓存中有大量的key在同一时刻过期，或者Redis直接宕机了，导致大量的查询请求全部到达数据库，造成数据库查询压力骤增，甚至直接挂掉。
和缓存击穿不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。
*** 现象 ** ：数据库的访问压力瞬间激增，服务负载过高
产生雪崩的原因大致有两种
- 缓存系统不可用
- 大量的key在同一时间失效，导致大量数据回源
解决方案
-
1、差异化缓存过期时间
- 避免缓存设置相近的有效期，我们可以在设置有效期时增加随机值；
-
2、缓存永不过期，后台线程刷新
- 初始化缓存数据的时候设置缓存永不过期，然后启动一个后台线程 30 秒一次定时把所有数据更新到缓存，而且通过适当的休眠，控制从数据库更新数据的频率，降低数据库压力
-
3、增强redis的高可用性
- 构建 Redis 缓存高可靠集群
缓存击穿
在某些 Key 属于极端热点数据，且并发量很大的情况下，如果这个 Key 过期，可能会在某个瞬间出现大量的并发请求同时回源，相当于大量的并发请求直接打到了数据库。这种情况，就是我们常说的缓存击穿或缓存并发问题。
*** 现象 ** ：数据库的访问压力瞬间激增，Redis正常运行
*** 解决办法**
-
业务允许下，设置缓存永不过期
- 启动一个后台线程 30 秒一次定时把所有数据更新到缓存，而且通过适当的休眠，控制从数据库更新数据的频率，降低数据库压力
-
使用互斥锁
- 缓存失效的时候（判断拿出来的值为空），不是立即去加载数据库。
- 先使用缓存工具的某些带成功操作返回值的操作（比如Redis的SETNX）去set一个mutex key。
- 当操作返回成功时，再进行加载数据库的操作，并回设缓存，最后删除mutex key。
- 当操作返回失败，证明有线程在加载数据库，当前线程睡眠一段时间再重试整个get缓存的方法。
@Autowired
private RedissonClient redissonClient;
@GetMapping("mutex")
public String mutex() {
String data = stringRedisTemplate.opsForValue().get("hot_key");
if (StringUtils.isEmpty(data)) {
RLock locker = redissonClient.getLock("mutex_locker");
//获取分布式锁
if (locker.tryLock()) {
try {
data = stringRedisTemplate.opsForValue().get("hot_key");
//双重检查，因为可能已经有一个B线程过了第一次判断，在等锁，然后A线程已经把数据写入了Redis中
if (StringUtils.isEmpty(data)) {
//回源到数据库查询
data = getDatabaseData();
stringRedisTemplate.opsForValue().set("hot_key", data, 5, TimeUnit.SECONDS);
}
} finally {
//别忘记释放，另外注意写法，获取锁后整段代码try+finally，确保unlock万无一失
locker.unlock();
}
}
}
return data;
}
缓存穿透和缓存击穿的区别：
- 缓存穿透是指，缓存没有起到压力缓冲的作用；
- 而缓存击穿是指，缓存失效时瞬时的并发打到数据库。
