Redis生产问题

缓存穿透

用户访问的多个key没有保存在缓存中，也不存在于数据库中，用户的访问直接访问到数据库，导致数据库的崩溃

缓存空结果：当查询条件在数据库中不存在时，可以将空结果（null或特定的空值）缓存一段时间。这样，对于同样的查询，后续的请求可以直接从缓存中获取空结果，避免了对数据库的重复查询。
请求校验：在查询前，对请求进行合法性校验，比如检查请求的参数格式、范围或是否存在。对于非法或可疑的请求，直接拒绝或返回错误信息，减少无效查询。
限流与黑名单：通过对IP地址或请求频率进行限制，可以防止恶意的高并发请求。同时，可以维护一个黑名单，对于已知的恶意请求源进行屏蔽。
布隆过滤器（Bloom Filter） ：布隆过滤器是一种空间效率极高的概率型数据结构，用于判断一个元素是否在一个集合中。通过将所有可能存在的数据哈希到一个足够大的位数组中，可以快速判断一个查询是否可能存在。如果布隆过滤器表明一个元素不存在，那么可以直接返回，无需查询数据库。

用户访问的key不存在缓存中，用户直接去访问数据库，导致数据库的访问量过大导致数据库的宕机，一般是数据库中保存的热点key失效导致的。

设置热点数据永不过期：对于那些访问频率非常高、数据更新不频繁的热点数据，可以考虑将其设置为永不过期，或者设置一个非常长的过期时间，以减少缓存失效的可能性。
限流与熔断：实施请求限流，限制单位时间内对数据库的请求次数，或者在数据库负载过高时，熔断机制可以暂时停止接收请求，直到数据库压力减轻。
预热缓存：在系统启动时，预先加载热点数据到缓存中，避免在系统运行初期由于缓存未准备好而导致的缓存击穿。

缓存穿透是key不在缓存中也不在数据库中

缓存击穿是保存在缓存中的key已经失效，数据库中存在，会直接访问数据库

缓存在同一时间大面积的失效或缓存系统突然不可用的情况，导致大量的请求都直接落到了数据库上，对数据库造成了巨大的压力。 这就好比雪崩一样，摧枯拉朽之势，数据库的压力可想而知，可能直接就被这么多请求弄宕机了。

缓存击穿只是单个热点key失效，对于系统的整体影响较小

缓存雪崩是同一时间内大量大key同时失效或者缓存系统崩溃

Cache Aside Pattern（旁路缓存模式） ：
- 读操作：首先尝试从缓存中读取数据，如果缓存中没有（缓存未命中），则从数据库读取并将数据写入缓存。
- 写操作：直接写入数据库，然后删除相关缓存项（而不是更新缓存），让下次读取时重新从数据库加载数据。
Write Behind Caching（写后置缓存） ：
- 在这种模式下，写操作首先更新缓存，然后异步地更新数据库。这可以提高写操作的性能，但需要确保异步更新的可靠性和顺序正确性。
事件驱动的一致性：
- 使用消息队列或事件总线，当数据库数据发生变化时，发送事件通知缓存系统进行相应的更新或清除。
延迟双删（Lazy Double Deletion） ：
- 在更新数据库后，先标记缓存为过期，但不立即删除。这样可以避免在缓存更新期间的短暂不一致性窗口。