緩存概念
在電腦中，高速緩沖存儲器是一個硬體或軟體元件，其存儲資料，以便該資料可以在将來的請求送達更快；存儲在緩存中的資料可能是早期計算的結果，也可能是存儲在其他位置的資料的副本。一個緩存命中時，所請求的資料在高速緩存中找到，而出現高速緩存未命中當它不能發生時發生。緩存命中是通過從緩存中讀取資料來實作的，這比重新計算結果或從速度較慢的資料存儲中讀取要快。是以，從緩存中可以處理的請求越多，系統執行速度就越快。
緩存穿透
緩存穿透的概念很簡單，使用者想要查詢一個資料，發現redis記憶體資料庫沒有，也就是緩存沒有命中，于是向持久層資料庫查詢。發現也沒有，于是本次查詢失敗。當使用者很多的時候，緩存都沒有命中，于是都去請求了持久層資料庫。這會給持久層資料庫造成很大的壓力，這時候就相當于出現了緩存穿透。
想象一下這個情況，如果傳入的參數為-1，會是怎麼樣？這個-1，就是一定不存在的對象。就會每次都去查詢資料庫，而每次查詢都是空，每次又都不會進行緩存。假如有惡意攻擊，就可以利用這個漏洞，對資料庫造成壓力，甚至壓垮資料庫。即便是采用UUID，也是很容易找到一個不存在的KEY，進行攻擊。
（這裡注意的差別：緩存穿透的概念與緩存擊穿并不相同，下面會列出緩存擊穿的概念）
緩存穿透如何去預防呢？
1）布隆過濾器
布隆過濾器是一種資料結構，垃圾網站和正常網站加起來全世界據統計也有幾十億個。網警要過濾這些垃圾網站，總不能到資料庫裡面一個一個去比較吧，這就可以使用布隆過濾器。假設我們存儲一億個垃圾網站位址。
可以先有一億個二進制比特，然後網警用八個不同的随機數産生器（F1,F2, …,F8） 産生八個資訊指紋（f1, f2, …, f8）。接下來用一個随機數産生器 G 把這八個資訊指紋映射到 1 到1億中的八個自然數 g1, g2, …,g8。最後把這八個位置的二進制全部設定為一。過程如下：
那這個布隆過濾器是如何解決redis中的緩存穿透呢？很簡單首先也是對所有可能查詢的參數以hash形式存儲，當使用者想要查詢的時候，使用布隆過濾器發現不在集合中，就直接丢棄，不再進行緩存查詢。
2、緩存空對象
當存儲層不命中後，即使傳回的空對象也将其緩存起來，同時會設定一個過期時間，之後再通路這個資料将會從緩存中擷取，保護了後端資料源；
這種方法會存在兩個問題(占用空間資源較多、業務一緻性問題)：
Object nullValue = new Object();
try {
Object valueFromDB = getFromDB(uid); //從資料庫中查詢資料
if (valueFromDB == null) {
cache.set(uid, nullValue, 10); //如果從資料庫中查詢到空值，就把空值寫入緩存，設定較短的逾時時間
} else {
cache.set(uid, valueFromDB, 1000);
}
} catch(Exception e) {
cache.set(uid, nullValue, 10);
}
1.如果空值能夠被緩存起來，這就意味着緩存需要更多的空間存儲更多的鍵，因為這當中可能會有很多的空值的鍵；
即使對空值設定了過期時間，還是會存在緩存層和存儲層的資料會有一段時間視窗的不一緻，這對于需要保持一緻性的業務會有影響。（這個方法需要具體根據業務分析方案可行性。）
緩存擊穿
緩存擊穿，是指一個key非常熱點，在不停的扛着大并發，大并發集中對這一個點進行通路，當這個key在失效的瞬間，持續的大并發就穿破緩存，直接請求資料庫，就像在一個屏障上鑿開了一個洞。 緩存被“擊穿”的問題，（這個和緩存雪崩的差別在于這裡針對某一key緩存，前者則是很多key，這裡是指同一個key。）
緩存擊穿的問題又該如何去預防呢？
資料持久化。設定熱點資料永遠不過期。（這個基于業務去考慮是否熱點資料是可以持久化的操作。）
檢查更新。将緩存key的過期時間(緩存資料存入時寫的過期)一起儲存到緩存中.在每次擷取緩存資料操作後,都将get出來的緩存過期時間與目前系統時間做一個對比,如果緩存過期時間-目前系統時間<=1分鐘(自定義的一個值),則主動更新緩存.這樣就能保證緩存中的資料始終是最新的(和方案一一樣,讓資料不過期.)
使用互斥鎖。
互斥鎖的實作思路是什麼呢？就是當某一熱點資料失效後，通過互斥鎖的機制把所有并發實作一個串行化的管理。隻有拿到鎖的線程，才去資料庫查詢資料更新緩存，其他的線程在緩存中沒有拿到資料且沒有拿倒鎖的狀态下進行等待。這樣很大程度下降低了對DB資料庫的壓力。不好的地方是可以當緩存失效時。會有短暫的等待時間。下面上一個互斥鎖的demo。
// 方法1:
static Lock reenLock = new ReentrantLock();
public List<String> getData() throws Exception {
List<String> result = new ArrayList<String>();
// 從緩存讀取資料
result = getCacheData();
if (result.isEmpty()) {
if (reenLock.tryLock()) {
try {
System.out.println("我拿到鎖了,從DB擷取資料庫後寫入緩存");
// 從資料庫查詢資料
result = getDataFromDB();
// 将查詢到的資料寫入緩存
setDataToCache(result);
} finally {
reenLock.unlock();// 釋放鎖
}
} else {
result = getDataFromCache();// 先查一下緩存
if (result.isEmpty()) {
System.out.println("我沒拿到鎖,緩存也沒資料,先進行等待");
Thread.sleep(100);// 等待
return getData04();// 重試
}
}
}
return result;
}
緩存雪崩
緩存雪崩概念是指：緩存層出現了錯誤，不能正常工作了。大量key同一時間點失效，同時又有大量請求打進來，導緻流量直接打在DB上，造成DB也會CPU爆滿挂掉的情況。
那麼如何解決緩存雪崩問題呢？
redisTemplate.opsForValue().set("2","xxx",2, 随機數);
解決思路1：可以給緩存的失效時間都設定成随機值，或者分析使用者行為。利用程式手段盡量時緩存key值不在同一時間失效。進而減少DB的瞬間壓力(根據具體業務分析)。
解決思路2：設定多級緩存。比如同時使用redis和memcache緩存，請求->redis->memcache->db；這樣可以方式redis緩存同一時間，并發請求不會直接打到DB問題，而是memcache緩存中那去資料。
————————————————
原文連結：https://blog.csdn.net/weixin_42273066/article/details/114371534