数据一般都是存储在数据库中，数据库的数据一般是存储在磁盘中的，磁盘的 IO 速度可以说是计算机中最慢的硬件了。这种情况下，当用户的请求都访问数据库的话，请求数量一上来，数据库就很容易崩溃了，所以为了避免用户直接访问数据库，会选用 IO 速度更高的内存数据库（比如 Redis）来做缓存层，内存的 IO 速度比硬盘快好几个量级，这样也就大大提升了系统性能。
但是呢，引入了缓存层，就会有缓存异常的三个问题：
- 缓存雪崩
- 缓存击穿
- 缓存穿透
缓存雪崩
通常开发时为了保证缓存中的数据与数据库中的数据一致性，会给 Redis 里的数据设置过期时间，当缓存数据过期后，用户访问的数据如果不在缓存里，系统就需要重新生成缓存，因此就会访问数据库，并将数据更新到 Redis 中，这样后续的请求都可以直接命中缓存。
那么，当大量缓存数据在同一时间过期（失效）或者 Redis 故障宕机时，此时如果有大量的用户请求，都无法在 Redis 中读取，于是就会全部请求到数据库，从而导致数据库的压力骤增，严重的会造成数据库宕机，从而形成一系列连锁反应，造成整个系统崩溃，这就是 缓存雪崩。
发生缓存雪崩有两个原因：
- 大量数据同时过期
- Redis 故障宕机
针对于不同的原因，应对的策略也会不同。
大量数据同时过期
常见解决方案：
- 均匀设置过期时间
- 互斥锁
- 后台更新缓存
1）均匀设置过期时间
如果要给缓存数据设置过期时间，应该避免将大量的数据设置成同一个过期时间。开发时可以在对缓存数据设置过期时间时，给这些数据的过期时间加上一个随机数，这样就保证数据不会在同一时间过期。
2）互斥锁
当业务线程在处理用户请求时，如果发现访问的数据不在 Redis 里，就加一个互斥锁，保证同一时间内只有一个请求来构建缓存，当缓存构建完成后，再释放锁。未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。
📢注意：实现互斥锁的时候，最好设置超时时间，极端情况下前一个请求拿到了锁，然后这个请求发生了某种意外而一直阻塞，一直不释放锁，这时其他请求也一直拿不到锁，整个系统就会出现无响应的现象。
3）后台更新缓存
业务线程不再负责更新缓存，缓存也不设置有效期，而是让缓存永久有效（逻辑过期），并将更新缓存的工作交由后台线程定时更新。
但是需要明确的是，缓存数据不设置有效期，并不是意味着数据一直能在内存里，因为当系统内存紧张的时候，有些缓存数据会被淘汰，而在缓存被淘汰到下一次后台定时更新缓存的这段时间内，业务线程读取缓存失败就返回空值，从业务的视角来看就以为是数据丢失了。
如何实现呢？
第一种方式，后台线程不仅负责定时更新缓存，而且也负责频繁地检测缓存是否有效，检测到缓存失效了，原因可能是系统紧张而被淘汰的，于是就要马上从数据库读取数据，并更新到缓存。这种方式的检测时间间隔不能太长，太长也导致用户获取的数据是一个空值而不是真正的数据，所以检测的间隔最好是毫秒级的，但是总归是有个间隔时间，用户体验一般。
第二种方式，在业务线程发现缓存数据失效后，通过消息队列发送一条消息通知后台线程更新缓存，后台线程收到消息后，在更新缓存前可以判断缓存是否存在，存在就不执行更新缓存操作；不存在就读取数据库数据，并将数据加载到缓存。这种方式相比第一种方式缓存的更新会更及时，用户体验也比较好。
在业务刚上线的时候，最好提前把数据缓起来，而不是等待用户访问才来触发缓存构建，这就是缓存预热，后台更新缓存的机制刚好也适合干这个事情。
Redis 故障宕机
常见解决方案：
- 服务熔断或请求限流
- 构建 Redis 缓存高可靠集群
1）服务熔断或请求限流机制
因为 Redis 故障宕机而导致缓存雪崩问题时，这时可以启动服务熔断机制，暂停业务应用对缓存服务的访问，直接返回错误，不用再继续访问数据库，从而降低对数据库的访问压力，保证数据库系统的正常运行，然后等到 Redis 恢复正常后，再允许业务应用访问缓存服务。
服务熔断机制是保护数据库的正常允许，但是暂停了业务应用访问缓存服系统，全部业务都无法正常工作。为了减少对业务的影响，可以启用请求限流机制，只将少部分请求发送到数据库进行处理，再多的请求就在入口直接拒绝服务，等到 Redis 恢复正常并把缓存预热完后，再解除请求限流的机制。
这种解决方案是在缓存雪崩发生后的。
2）构建 Redis 缓存高可靠集群
为了在缓存雪崩发生前做好预防，可以通过主从节点的方式构建 Redis 缓存高可靠集群。如果 Redis 缓存的主节点故障宕机，从节点可以切换成为主节点，继续提供缓存服务，避免了由于 Redis 故障宕机而导致的缓存雪崩问题。
缓存击穿
业务通常会有几个数据会被频繁地访问，比如秒杀活动，这类被频地访问的数据被称为热点数据。
如果缓存中的某个热点数据过期了，此时大量的请求访问了该热点数据，就无法从缓存中读取，直接访问数据库，数据库很容易就被高并发的请求冲垮，这就是缓存击穿的问题。
可以发现缓存击穿跟缓存雪崩很相似，可以认为缓存击穿是缓存雪崩的一个子集。
应对缓存击穿可以采取前面的两种方案：
- 互斥锁方案，保证同一时间只有一个业务线程更新缓存，未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值；
- 不给热点数据设置过期时间，由后台异步更新缓存，或者在热点数据准备要过期前，提前通知后台线程更新缓存以及重新设置过期时间。
缓存穿透
当发生缓存雪崩或击穿时，数据库中还是保存了应用要访问的数据，一旦缓存恢复相对应的数据，就可以减轻数据库的压力，而缓存穿透就不一样了。
当用户访问的数据，既不在缓存中，也不在数据库中，导致请求在访问缓存时，发现缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据，没办法构建缓存数据，来服务后续的请求。那么当有大量这样的请求到来时，数据库的压力骤增，这就是缓存穿透。
缓存穿透的发生的情况：
- 业务误操作，缓存中的数据和数据库中的数据都被误删除了，所以导致缓存和数据库中都没有数据；
- 恶意攻击，故意大量访问某些读取不存在数据的业务。
常见的解决方案：
- 非法请求的限制
- 缓存控制或者默认值
- 使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在
1）非法请求的限制
当有大量恶意请求访问不存在的数据的时候，也会发生缓存穿透，因此在 API 入口处需要判断求请求参数是否合理，请求参数是否含有非法值、请求字段是否存在，如果判断出是恶意请求就直接返回错误，避免进一步访问缓存和数据库。
2）缓存控制或者默认值
当线上业务发现缓存穿透的现象时，可以针对查询的数据，在缓存中设置一个空值或者默认值，这样后续请求就可以从缓存中读取到空值或者默认值，返回给应用，而不会继续查询数据库。
3）使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在
在写入数据库数据时，使用布隆过滤器做个标记，然后在用户请求到来时，业务线程确认缓存失效后，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，就不用通过查询数据库来判断数据是否存在。
即使发生了缓存穿透，大量请求只会查询 Redis 和布隆过滤器，而不会查询数据库，保证了数据库能正常运行，另外，Redis 自身也是支持布隆过滤器的。
布隆过滤器参考资料：
结论：查询布隆过滤器说数据存在，并不一定证明数据库中存在这个数据，但是查询到数据不存在，数据库中一定就不存在这个数据。（存在一定的误判率）
总结
