题目：高并发下缓存一致性的解决方案
- 延迟双删
- 先操作数据库，再操作reids，操作redis失败则进行多次重试，重试多次失败则告警人工处理；
- binlog日志订阅，异步删除
缓存穿透
- 提前加载数据库的数据到redis的布隆过滤器，可以基于此过滤掉不再数据库的的请求；或者也可以缓存空值、业务层面的默认值；
- token机制、白名单、api鉴权等机制过滤掉非法请求；
缓存击穿
- 热点数据预热本地缓存，数据量太大的话，放redis则设置永不过期；
- 非热点数据的加载，加锁，确保只有一个请求去加载；
缓存雪崩
- 过期时间增加一个随机时间，避免同一时刻，大批量过期；
- 微服务降级，对于某些非核心业务，在大量请求下，缓存查询不存在，则返回预定义信息。
布隆过滤器
布隆过滤器由一个初值都为 0 的 bit 数组和 N 个哈希函数组成，可以用来快速判断某个数据是否存在。当我们想标记某个数据存在时（例如，数据已被写入数据库），布隆过滤器会通过三个操作完成标记：
- 首先，使用 N 个哈希函数，分别计算这个数据的哈希值，得到 N 个哈希值；
- 然后，我们把这 N 个哈希值对 bit 数组的长度取模，得到每个哈希值在数组中的对应位置。
- 最后，我们把对应位置的 bit 位设置为 1，这就完成了在布隆过滤器中标记数据的操作。
如果数据不存在（例如，数据库里没有写入数据），我们也就没有用布隆过滤器标记过数据，那么，bit 数组对应 bit 位的值仍然为 0。
如果数据存在(存在一定的误判率)，那也没关系，也只是很少的一部分请求。
