缓存穿透、缓存击穿、缓存雪崩 #

缓存穿透 #

什么是缓存穿透 #

正常情况下，查询的数据都存在，如果请求一个不存在的数据，也就是缓存和数据库都查不到这个数据，每次都会去数据库查询，这种查询不存在数据的现象我们称为缓存穿透

穿透带来的问题 #

如果每次都拿一个不存在的id去查询数据库，可能会导致你的数据库压力增大

解决办法 #

1. 缓存空值 之所以发生穿透，是因为缓存中没有存储这些数据的key，从而每次都查询数据库 我们可以为这些key在缓存中设置对应的值为null，后面查询这个key的时候就不用查询数据库了 当然为了健壮性，我们要对这些key设置过期时间，以防止真的有数据
2. BloomFilter BloomFilter 类似于一个hbase set 用来判断某个元素（key）是否存在于某个集合中 我们把有数据的key都放到BloomFilter中，每次查询的时候都先去BloomFilter判断，如果没有就直接返回null 注意BloomFilter没有删除操作，对于删除的key，查询就会经过BloomFilter然后查询缓存再查询数据库，所以BloomFilter可以结合缓存空值用，对于删除的key，可以在缓存中缓存null

缓存击穿 #

什么是缓存击穿 #

在高并发的情况下，大量的请求同时查询同一个key时，此时这个key正好失效了，就会导致同一时间，这些请求都会去查询数据库，这样的现象我们称为缓存击穿

击穿带来的问题 #

会造成某一时刻数据库请求量过大

解决办法 #

采用分布式锁，只有拿到锁的第一个线程去请求数据库，然后插入缓存，当然每次拿到锁的时候都要去查询一下缓存有没有

缓存雪崩 #

什么是缓存雪崩 #

当某一时刻发生大规模的缓存失效的情况，比如你的缓存服务宕机了

解决办法 #

1. 采用集群，降低服务宕机的概率
2. ehcache本地缓存 + Hystrix限流&降级 ehcache 本地缓存的目的也是考虑在 Redis Cluster 完全不可用的时候，ehcache 本地缓存还能够支撑一阵 使用 Hystrix进行限流 & 降级 ，比如一秒来了5000个请求，我们可以设置假设只能有一秒 2000个请求能通过这个组件，那么其他剩余的 3000 请求就会走限流逻辑

解决热点数据集中失效问题 #

我们在设置缓存的时候，一般会给缓存设置一个失效时间，过了这个时间，缓存就失效了。 对于一些热点的数据来说，当缓存失效以后会存在大量的请求过来，然后打到数据库去，从而可能导致数据库崩溃的情况

解决办法 #

1. 设置不同的失效时间
2. 采用缓存击穿的解决办法，加锁
3. 永不失效，就是采用定时任务对快要失效的缓存进行更新缓存和失效时间