Redis是一个完全开源的，遵守BSD协议的，高性能的key-value的数据存储结构系统，它支持数据持久化，可以将内存中的数据保存在磁盘中。不仅支持简单的key-value类型的数据结构，同事还提供list，zset，hash等数据结构存储。Redis还支持master-slave模式的数据备份。最重要的是Redis读写速度快。在实际应用中，Redis会存在缓存雪崩、缓存穿透、缓存击穿等异常情况。

概述

1、缓存雪崩：redis中大量key集体过期

2、缓存穿透：大量请求根本不存在的key

3、缓存击穿：redis中一个热点key过期（大量用户访问该热点key，但是热点key过期）

1、缓存雪崩解决方案

进行预先的热门词汇的设置，进行key时长的调整
实时调整，监控哪些数据是热门数据，实时的调整key的过期时长
使用锁机制

2、缓存穿透解决方案

对空值进行缓存
设置白名单
使用布隆过滤器
网警

3、缓存击穿解决方案

进行预先的热门词汇的设置，进行key时长的调整
实时调整，监控哪些数据是热门数据，实时的调整key的过期时长
使用锁机制(只有一个线程可以进行热点数据的重构)

Redis缓存中间件工作原理：

客户端Client发起一个查询请求Request的时候，首先去Redis缓存中查询，如果数据在Redis缓存中存在，则直接将缓存中的数据返回给客户端；如果数据在缓存中不存在，则继续查询数据库DB，如果数据在数据库DB中存在，则将该数据放入Redis缓存中，并返回给客户端Client，如果数据在数据库DB中也不存在，则直接返回null给客户端Client

缓存雪崩，缓存穿透，缓存击穿3者出现的根本原因：Redis命中率下降，请求直接打在DB上

正常情况下，大量的资源请求都会被redis响应，在redis得不到响应的小部分请求才会去请求DB，这样DB的压力是非常小的，是可以正常工作的（如下图）

如果大量的请求在redis上得不到响应，那么就会导致这些请求会直接去访问DB，导致DB的压力瞬间变大而卡死或者宕机

1、大量的高并发的请求打在redis上

2、这些请求发现redis上并没有需要请求的资源，redis命中率降低

3、因此这些大量的高并发请求转向DB（数据库服务器）请求对应的资源

4、DB压力瞬间增大，直接将DB打垮，进而引发一系列“灾害”

现象	缓存雪崩	缓存穿透	缓存击穿
资源是否存在DB数据库服务器中	✅	❎	✅
资源是否存在Redis中	❎	❎	❎
redis没有对应资源的原因	大部分key集体过期	根本不存在该资源（DB也没有）	某个热点key过期
根本原因	大量的高并发的请求打在Redis上，但是发现Redis中并没有请求的数据，redis的命令率降低，所以这些请求就只能直接打在DB（数据库服务器）上，在大量的高并发的请求下就会导致DB直接卡死、宕机

一、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，从而导致整个系统崩溃，引发雪崩一样的连锁效应

问题原因

1、大量缓存数据同时过期，导致本应请求到缓存的需重新从数据库中获取数据

2、 Redis本身出现故障，无法处理请求，那自然会再请求到数据库那里

解决方案

1、针对大量key同时过期

【1】将失效时间分散开；通过使用自动生成随机数、微调、均匀设置等方式使得key的过期时间是随机的，防止集体过期

【2】使用多级架构；使用nginx缓存+redis缓存+其他缓存，不同层使用不同的缓存，可靠性更强

【3】设置缓存标记；记录缓存数据是否过期，如果过期会触发通知另外的线程在后台去跟新实际的key（采用定时任务或者消息队列的方式进行redis缓存更新或移除等）

【4】添加互斥锁；使得构建缓存的操作不会在同一时间进行

2、针对redis发生故障

【1】在预防层面，通过主从节点方式构建高可用集群，实现主Redis挂掉后，其他从库快速切换为主库，继续提供服务

【2】为了防止数据库被大量请求搞崩溃，可以采用服务熔断或者请求限流方式。服务熔断相对粗暴一些，停止服务直到Redis服务恢复，请求限流相对温和一些，保证一些请求可以处理。

二、缓存穿透

缓存穿透是指数据既不在Redis缓存中，也不在DB数据库中，这样导致每次请求过来时，在Redis缓存中找不到对应的key后，每次都要去DB数据库中再查询一次，发现DB数据库中也不存在，相当于进行2次无效的查询。

这样请求就可以绕过Redis缓存直接查询DB数据库，如果这事有黑客恶意攻击系统，就可以使用空值或者其他不存在的值进行频繁请求，就会对数据库造成较大压力，甚至挂掉

解决方案

1、缓存空值或者默认值

如果从Redis缓存中取不到数据，在DB数据库中也没有取到，仍把结果进行缓存，同时设置一个较短的过期时间

2、非法请求限制

参数校验，鉴权校验，一开始把大量的非法请求拦截在外，不允许这些请求到达Redis、DB上

3、布隆过滤器

布隆过滤器，就是一种数据结构，它是由一个长度为m bit的位数组与n个hash函数组成的数据结构，位数组中每个元素的初始值都是0。在初始化布隆过滤器时，会先将所有key进行n次hash运算，这样就可以得到n个位置，然后将这n个位置上的元素改为1。这样，就相当于把所有的key保存到了布隆过滤器中了。

举个例子，比如我们一共有3个key，我们对这3个key分别进行3次hash运算，key1经过三次hash运算后的结果分别为2/6/10，那么就把布隆过滤器中下标为2/6/10的元素值更新为1，然后再分别对key2和key3做同样操作，结果如下图：

这样，当客户端查询时，也对查询的key做3次hash运算得到3个位置，然后看布隆过滤器中对应位置元素的值是否为1，如果所有对应位置元素的值都为1，就证明key在库中存在，则继续向下查询；如果3个位置中有任意一个位置的值不为1，那么就证明key在库中不存在，直接返回客户端空即可。如下图：

当客户端查询key4时，key4的3次hash运算中，有一个位置8的值为0，就说明key4在库中不存在，直接返回客户端空即可。

所以，布隆过滤器就相当于一个位于客户端与缓存层中间的拦截器一样，负责判断key是否在集合中存在。如下图：

布隆过滤器的好处就是解决了第一种缓存空值的不足，但布隆过滤器也存在缺陷，首先，它有误判的可能，比如在上面客户端查询key4的图中，假如key4经过3次hash运算得到的位置分别是2/4/6，由于这3个位置的值都是1，所以，布隆过滤器就认为key4在库中存在，进而继续向下查询了。所以，布隆过滤器判断存在的key实际上可能是不存在的，但布隆过滤器判断不存在的key是一定不存在的。它的第二个缺点就是删除元素比较难，比如现在要删除key2这个元素，那么需要将2/7/11三个位置的元素值改为0，但这样就会影响到key1和key3的判断