一、缓存穿透

1. 什么是缓存穿透

缓存穿透是指用户请求的数据在缓存中不存在，同时在数据库中也不存在，导致用户每次请求该数据都要去数据库中查询一遍。如果有恶意攻击者不断请求系统中不存在的数据，会导致短时间内大量请求落在数据库上，造成数据库压力过大，甚至导致数据库承受不住而宕机崩溃。

缓存穿透的关键在于在Redis中查不到指定的key值，与缓存击穿的根本区别在于传入的key在Redis中确实不存在。如果黑客传入大量不存在的key，那么大量的请求将直接打到数据库上，这是非常危险的情况。因此，在日常开发中，我们需要对参数进行良好的校验，对于一些非法的参数或不可能存在的key，应直接返回错误提示。

如下图：

2. 解决方案

2.1 无效的key存放到Redis

当Redis无法找到数据且数据库中也无法找到数据时，我们可以将该无效的key存放到Redis中，并将其值设置为"null"，同时设置一个极短的过期时间。这样，在后续出现查询这个key的请求时，就可以直接返回null，而无需再查询数据库。然而，这种处理方式存在一个问题，即如果传入的不存在的key每次都是随机的，那么将其存放到Redis中就没有意义。

2.2 引入布隆过滤器

可以在使用缓存之前，引入布隆过滤器来判断某个key是否存在。布隆过滤器具有一定的误判率，但如果布隆过滤器判定某个key不存在，那么可以确定该key一定不存在；而如果判定某个key存在，则很大概率上是存在的（存在一定的误判率）。因此，我们可以将数据库中的所有key都存储在布隆过滤器中，然后在查询Redis之前，先通过布隆过滤器查询该key是否存在。如果布隆过滤器判定该key不存在，就可以直接返回，无需访问数据库，从而减轻了对底层存储系统的查询压力。这种方式可以有效地提高系统的性能和查询效率。

2.3 如何选择：

• 针对一些恶意攻击，攻击带过来的大量key是随机，那么我们采用第一种方案就会缓存 大量不存在key的数据。那么这种方案就不合适了，我们可以先对使用布隆过滤器方案进行过滤掉 这些key。
• 所以，针对这种key异常多、请求重复率比较低的数据，优先使用第二种方案直接过滤 掉。而对于空数据的key有限的，重复率比较高的，则可优先采用第一种方式进行缓存。

二、缓存击穿

1. 什么是缓存击穿

缓存击穿和缓存雪崩是两种类似的现象。缓存雪崩指的是在某一时刻，大规模的缓存失效，导致大量的请求直接访问数据库，从而引起数据库的压力剧增。而缓存击穿则是指某个热点的缓存失效，导致大量的并发请求集中到该缓存上，但由于缓存失效，这些请求无法从缓存中获取数据，只能直接访问数据库，进而导致数据库压力剧增。

2. 解决方案

热点key不设置过期时间

三、缓存雪崩

1. 什么是缓存雪崩

• 如果在某一时刻，缓存中大量的key同时失效，那么会导致大量的请求直接访问数据库，从而给数据库带来巨大的压力。在高并发的情况下，这可能会导致数据库宕机的风险。如果运维人员立即重启数据库，很可能会再次引来新的请求流量，继续给数据库带来过大的压力。这种情况就被称为缓存雪崩。
• 造成缓存雪崩的关键在于在同一时间大量的key失效。
• 这种情况可能发生在两种情况下：一是Redis缓存宕机，导致所有的缓存都失效；二是缓存中的key设置了相同的过期时间，导致在同一时间大量的key同时过期失效。

2. 解决方案

2.1 均匀过期

可以采取均匀过期的策略，即设置不同的过期时间，让缓存失效的时间尽量均匀，避免相同的过期时间导致大规模缓存同时失效，进而造成大量数据库访问的情况。一种常见的做法是给每个key的失效时间添加一个随机值，这样可以确保缓存不会在同一时间大面积失效。

2.2 热点数据缓存永远不过期

为了防止热点数据缓存失效导致缓存雪崩，一种常见的做法是让热点数据的缓存永远不过期。这意味着，对于那些经常被访问的数据，我们可以设置它们的缓存过期时间为永久，使其始终保持在缓存中。通过这种方式，热点数据将始终可用，不会因为过期而导致大量的请求直接访问数据库，从而减轻数据库的压力。当然，为了避免缓存数据过期而导致数据不一致的问题，我们需要确保在更新数据时及时更新对应的缓存。这样一来，热点数据的缓存可以持续为系统提供快速响应，并有效地避免了因缓存失效而引发的缓存雪崩问题。

2.3 采取限流降级的策略

为了防止过多的请求对数据库造成压力过大导致系统崩溃，可以采取限流降级的策略。当系统的流量达到一定的阈值时，可以直接返回类似于“系统拥挤”等提示信息，以限制进一步的请求。通过这种方式，可以保证至少一部分用户能够正常使用系统，并且对于其他用户，即使需要多次刷新也能够最终获得结果。

四、缓存预热

1. 什么是缓存预热

• 缓存预热是指系统上线后，提前将相关的缓存数据加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题，用户直接查询事先被预热的缓存数据。
• 如里不进行预热，那么Redis初始状态数据为空，系统上线初期，对于高并发的流量，都会访问到数据库 中，对数据库造成流量的压力。

2. 解决方案

2.1 工程启动时进行缓存的加载

2.2 采用定时任务脚本来刷新缓存

2.3 提前加载热点数据到缓存

2.4 总结

1. 当数据量较小时，可以在工程启动时进行缓存的加载操作；
2. 而当数据量较大时，可以采用定时任务脚本来刷新缓存；
3. 而对于数据量过大的情况，可以优先保证热点数据提前加载到缓存中。

在启动过程中加载缓存可以减少对数据库的频繁访问，提高系统的并发处理能力。

定时任务脚本的使用可以定期刷新缓存，确保数据的及时更新。

而对于数据量过大的情况，提前加载热点数据到缓存中可以避免频繁的数据库查询，从而减轻数据库的压力。

通过合理的缓存策略和数据加载方式，可以优化系统的性能和稳定性。