Redis缓存穿透、击穿和雪崩简述
1、缓存穿透
1.1、概述
在默认情况下，用户请求数据时，会先在缓存(Redis)中查找，若没找到即缓存未命中，再在数据库中进行查找(数据最终持久化同步更新到数据库)，数量少可能问题不大，可是一旦大量的请求数据（例如秒杀场景）缓存都没有命中的话，就会全部转移到数据库上，造成数据库极大的压力，就有可能导致数据库崩溃。这就叫缓存穿透。网络安全中也有人恶意使用这种手段进行攻击被称为洪水攻击。
简单的说，缓存穿透是一个key对应的数据根本并不存在导致的。每次针对此key的请求从redis缓存获取不到，请求都会压到数据库，从而应用服务器压力变大，一直查询数据库，造成数据库崩溃。比如用一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。
缓存穿透发生时的现象
- redis查询不到数据
- 有很多非正常url访问[恶意攻击]
1.2、解决方案
缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求缓存访问不到则都要到存储层去查询，失去了缓存的意义。在流量大时，可能DB就挂掉了，要是有人利用不存在的key频繁攻击我们的应用，这就是漏洞。
1.2.1、布隆过滤器(Bloom Filter)
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数），它是一种数据结构，对所有可能查询的参数以Hash的形式存储到一个足够大的bitmaps中，以便快速确定是否存在这个值，在控制层先进行拦截校验，校验不通过直接驳回，一个一定不存在的数据会被这个bitmaps拦截掉，减轻了对底层存储系统的查询压力。
布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难)
原理：
对一个key进行k个hash算法获取k个值，在比特数组中将这k个值散列后设定为1，然后查的时候如果特定的这几个位置都为1，那么布隆过滤器判断该key存在。
1.2.2、缓存空对象
一次请求若在缓存和数据库中都没找到，就在缓存中放一个空对象null用于处理后续这个请求。同时会设置一个空结果的过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源
这样做存在两个问题：
- 如果空值都能被缓存起来，就意味着缓存中会存储很多的空键。解决这个缺陷的方式就是设置较短过期时间
- 即使对空值设置了过期时间，但是缓存层和存储层的数据还会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响。
1.2.3、其他方案
设置可访问的名单（白名单）：
使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问。
进行实时监控：
当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务
2、缓存击穿
2.1、概述
缓存击穿，是指某个key对应的数据存在，但是这个key非常热点，在不停的扛着大并发，大并发集中对着一个点进行冲击，当在key失效过期的瞬间，此时持续的大并发请求数目就穿破缓存，因为发现缓存过期，所以一般就会从后端DB查询加载数据，直接请求数据库，导致服务区宕机。
当某个Key在过期的瞬间，有大量的并发请求，这类数据一般是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且写回缓存，会使数据库瞬间压力过大
现象：
- 数据库访问压力瞬时增加
- Redis里面没有出现大量key过期
- redis正常运行
2.2、解决方案
某个key可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。这个时候，需要考虑一个问题：缓存被“击穿”的问题。
2.2.1、设置热点数据永不过期
从缓存层面看，没有设置过期时间，所以不会出现热点key过期后产生的问题，可以解决缓存击穿的问题
这样就不会出现热点数据过期的情况，但是当Redis内存空间满的时候也会清理部分数据，而且此种方案会占用空间，一旦热点数据多了起来，就会占用部分空间。
2.2.2、加互斥锁（分布式锁）
分布式锁：使用分布式锁。保证对于每个key，同一时间只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。
在访问key之前，采用SETNX（set if not exists）来设置另一个短期key来锁住当前key的访问，访问结束再删除该短期key。保证同时刻只有一个线程访问。这样对锁的要求就十分高。
击穿是热频key过期了，然后就一直访问数据库
穿透是大量的无效访问，缓存和数据库中都没有，增大服务器压力
3、缓存雪崩
3.1、概述
大量的key对应的数据都存在，但某个时间段在redis中都同时过期，此时若有大量并发请求过来，这些请求发现缓存过期一般都会从后端DB加载数据，这个时候大并发的请求可能会瞬间把后端DB压垮。
某一个时间段，缓存集中同时过期失效，Redis集群宕机（停电）。在双12零点，假设将一波商品放入缓存，时限为1小时。到凌晨1点的时候，缓存的商品就过期了，这时候对商品的查询请求，都落在了数据库上。会产生周期性的压力波峰，存储层的调用量会暴增，数据库会挂掉。另外，若Redis故障，也会造成Redis到Mysql的数据更新失败，造成雪崩状态。
现象：
- 数据库压力变大服务器崩溃：在极少时间段，查询大量key的集中过期情况
- 缓存雪崩与缓存击穿的区别在于这里针对很多key缓存，前者则是同一个key【同一数据】
3.2、解决方案
redis高可用
这个思想的含义是，既然redis有可能挂掉，那我多增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。（异地多活！）
限流降级
这个解决方案的思想是，在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。保证不会有大量的线程对数据库一次性进行读写，从而避免失效时大量的并发请求落到底层存储系统上。不适用高并发情况
数据预热（测试）
数据加热的含义就是在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀分散。比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。
构建多级缓存架构：
nginx缓存 + redis缓存 +其他缓存（ehcache等）【经典加一层】
设置过期标志更新缓存：
记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际key的缓存。
