本文学习子CSDN公众号。
用户的数据一般都存储于数据库，数据库的数据都是落在磁盘上的，磁盘的读写速度可以说是计算机里最慢的硬件了。
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，会用Redis作为缓存层。
因为Redis是内存数据库，我们可以把数据库的数据缓存到Redis里，相当于数据缓存在内存，内存的读写速度比磁盘快好几个数量级，这样大大提高了系统性能。
但是，
引入了缓存层，就会有缓存异常的三个问题，分别是 缓存雪崩、缓存击穿、缓存穿透。
缓存雪崩：大量缓存数据同时过期、或redis故障。
缓存击穿：热点数据缓存过期。
缓存穿透：数据既不在缓存、也不在数据库。
1.缓存雪崩
通常我们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，业务系统需要重新生成缓存，因此就会访问数据库，并将数据更新到Redis里，这样后续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，如果此时有大量的用户请求，都无法在Redis中处理，于是全部请求都直接访问数据库，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，这就是缓存雪崩的问题。
可以看到，发生缓存雪崩有问题：
大量数据同时过期；
Redis故障宕机；
不同的诱因，应对的策略也会不同。
大量数据同时过期
针对大量数据同时过期而引发的缓存雪崩问题，常见的应对方法有下面这几种：
均匀设置过期时间；
互斥锁；
双key策略；
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。我们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，就加个互斥锁，保证同一时间内只有一个请求来构建缓存（从数据库读取数据，再将数据更新到Redis里），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。
实现互斥锁的时候，最好设置超时时间，不然第一个请求拿到了锁，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.双key策略
我们对缓存数据可以使用两个key，一个是主key，会设置过期时间，一个是备key，不会设置过期，他们只是key不一样，但value值是一样的，相当于给缓存数据做了个副本。当业务线程访问不到主key的缓存数据时，就直接返回备key的缓存数据，然后在更新缓存的时候，同时更新主key和备key的数据。
4.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”，并将更新缓存的工作交由后台线程定时更新。
事实上，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，业务的视角就以为是数据丢失了。
解决上面的问题的方式有两种。
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（缓存数据被淘汰），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，并且将数据加载到缓存。这种方式相比第一种方式的更新会更及时，用户体验也更好。
Redis故障宕机
针对Redis故障宕机而引发的缓存雪崩问题，常见的对应方法有下面这几种：
服务熔断或请求限流机制；
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，我们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运行，但是暂停了业务应用访问缓存系统，全部业务都无法正常工作。
为了减少对业务的影响，我们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。
2.构建Redis缓存高可靠集群
服务熔断或请求限流机制是缓存雪崩发生后的应对方案，我们最好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。
2.缓存击穿
我们的业务通常会有几个数据会被频繁地访问，比如秒杀活动，这类被频繁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说到的两种方案：
互斥锁，保证同一时间只有一个业务线程更新缓存，未能换取互斥锁的请求，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；
3.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，即不在缓存中，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，这就是缓存穿透的问题。
缓存穿透的发生一般有这两种情况：
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；
黑客恶意攻击，故意大量访问某些读取不存在数据的业务；
应对缓存穿透的方案，常见的方案有三种。
第一种方案，非法请求的限制；
第二种方案，缓存空值或者默认值；
第三种方案，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；
第一种方案，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入口处我们要判断请求参数是否合理，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。
第二种方案，缓存空值或者默认值
当我们线上业务发现缓存穿透现象时，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，而不是继续查询数据库。
第三种方案，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。
我们可以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，Redis自身也是支持布隆过滤器的。
那么问题来了，布隆过滤器是如何工作的呢？
布隆过滤器由【初始位都是0的位图数组】和【N个哈希函数】两部分组成。当我们在写入数据库数据时，在布隆过滤器里做个标记，这样下次查询数据是否在数据库时，只需要查询布隆过滤器，如果查询到数据没有被标记，说明不在数据库中。
布隆过滤器会通过3个操作完成标记：
第一步，使用N个哈希函数分别对数据做哈希计算，得到N个哈希值；
第二步，将第一步得到的N个哈希值对位图数组的长度取模，得到每个哈希值在位图数组的对应位置。
第三步，将每个哈希值在位图数组的对应位置的值设置为1；
举个例子，假设有一个位图数组长度为8，哈希函数3个的布隆过滤器。
在数据库写入数据x后，把数据x标记在布隆过滤器时，数据x会被3个哈希函数分别计算出3个哈希值，然后在对这3个哈希值对8取模，假设取模结果为1、4、6，然后把位图数组的第1、4、6位置的值设置为1。当应用要查询数据x是否在数据库时，通过布隆过滤器只要查到位图数组的第1、4、6位置的值是否全为1，只要有一个为0，就认为数据x不在数据库中。
布隆过滤器由于是基于哈希函数实现查找的，搞笑查找的同时存在哈希冲突的可能性，比如数据x和数据y可能都落在第1、4、6位置，而事实上，可能数据库中并不存在数据y，存在误判的情况。
所以，布隆过滤器说数据存在，并不一定证明数据库存在这个数据，但是查询到数据不存在，数据库中一定就不存在这个数据。
总结
缓存异常会面临的三个问题：缓存雪崩、击穿和穿透。
其中，缓存雪崩和缓存击穿主要原因是数据不在缓存中，而导致大量请求访问了数据库，数据库压力骤增，容易引发一系列连锁反应，导致系统崩溃。不过，一旦数据被重新加载到缓存，应用又可以从缓存快速读取数据，不再继续访问数据库，数据库的压力也会瞬间降下来。因此，缓存雪崩和缓存击穿应对的方案比较类似。
而缓存穿透主要原因是数据既不在缓存也不在数据库中。因此缓存穿透与缓存雪崩、击穿应对的方案不太一样。