一、缓存穿透

查询的数据既不在redis缓存中，也不在数据库中。所以每次查询都会穿过redis直达数据库，还无法被redis缓存到。这种一般都是人为攻击较多。

解决方法一：假数据

既然是人为攻击，你还跟他客气什么？直接塞假数据呀。一来不会穿过redis造成数据库的压力；二来小小的“报复”一下，皮一下。

String key = "一个不存在的key";

String value = (String) redisTemplate.opsForValue().get(key);
if (ObjectUtils.isEmpty(value)
    && ObjectUtils.isEmpty(value = selectFromDataBase(key)))
    redisTemplate.opsForValue().set(key, "我是你爹", 10, TimeUnit.SECONDS);
} else {
    redisTemplate.opsForValue().set(key, value);
}

解决方法二：布隆过滤器

在客户端和缓存中间加上布隆过滤器，可以将百分之百不存在的key过滤掉。

原理：布隆过滤器是一个大型的二进制数组，每次添加key时，都将key的hash值取模该数组的长度，将对应索引的值置为1。布隆过滤器维护着多个hash计算的函数，将key跟多个hash函数取模后得到多个下标索引，将数组索引上的值全部置为1。

当需要查询key时，布隆过滤器会重新将key跟维护着的多个hash函数进行运算计算出对应的数组索引。

只要一个索引为0，那么这个key必然不存在。因为只要这个key存在，得到的索引上都应该是1
所有的索引都为1，却不能确定key一定存在。因为有可能是其他key重合了这个索引
布隆过滤器数组长度越长，那么索引分布的越稀疏，这个key存在的可能性越大

这种方法适用于数据命中不高、数据相对固定、实时性低（通常是数据集较大）的应用场景，代码维护较为复杂，但是缓存空间占用很少。

代码实现

导入 redission 依赖包

<dependency>
  <groupId>org.redisson</groupId>
  <artifactId>redisson</artifactId>
  <version>3.6.5</version>
</dependency>

代码

// 创建 redission 的config对象
Config config = new Config();

// 设置 redis 服务器信息
config.useSingleServer().setAddress("redis://172.168.1.1:6379", "redis://172.168.1.2:6379");

// 设置密码
// config.useSingleServer().setPassword("password");

// 获得 redisson 对象
RedissonClient redisson = Redisson.create(config);

// 获取布隆过滤器
// bloom 布隆过滤器名称
RBloomFilter<Object> bloom = redisson.getBloomFilter("bloom");

// 初始化布隆过滤器，预计元素 100000000L 个，误差率 3%
// 根据这两个参数计算出底层的bit数组大小
myBloom.tryInit(100000000L,0.03);

// 模拟从数据库中向过滤器添加数据
for (int i = 1; i <= 10; i++) {
    if(!myBloom.contains("k" + i)) {
        String dbVal = selectFromDB(i);
        if(dbVal != null) {
            //向布隆过滤器插入key
            myBloom.add("k" + i);
        }
    }
}

// 查询缓存
for (int i = 1; i < 10; i++) {
    //-------> 判断key在布隆过滤器中是否存在
    boolean flag = myBloom.contains("k" + i);
    if(flag) {
        //key有可能存在
        String value = (String) redisTemplate.opsForValue().get("k" + i);
        if(ObjectUtils.isEmpty(value)) {
            //从数据库查询
            System.out.println("============>从数据库查询" + i);
            value = selectFromDB(i);
            redisTemplate.opsForValue().set("k" + i, value);
        } else {
            System.out.println("---------->从缓存中查询" + i);
        }
    } else {
        //key一定不存在
        System.out.println("--------->非法请求");
    }
}

二、缓存击穿

缓存中某个热点数据的key突然过期，造成大量的请求无法从缓存中获取数据，直接打到数据库。

解决方法

热点数据设置更长的过期时间
限流。请求达到一定阈值，给一个访问频繁等提示
降级。不访问数据库，直接给出默认

三、缓存雪崩

缓存中大量的 key 在同一时间过期，造成大量的请求无法从缓存中获取数据，而直达数据库。感觉就像出现了雪崩。

京东秒杀，秒杀10000件商品【这10000件商品设置了相同的生存的时间】，在同一时间秒杀【在10:10分时，这10000件商品同时过期】

解决

热点数据永不过期
不同的key随机生存时间

redis缓存失效带来的问题