相关链接
Reids缓存穿透、击穿、雪崩
??Redis缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。但同时，它也带来了一些问题。其中，最主要的就是数据的一致性问题，从严格意义上讲，如果对于数据的一致性要求很高，那么就不能使用缓存。
缓存穿透（查不到）
?
??用户想要查询一个数据，发现redis内存数据中没有（缓存未命中），于是向持久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中（大量查询不存在的key），于是都去请求了持久层数据库。这会给持久层的数据库造成很大的压力，这时候就相当于出现了缓存穿透。
解决方案1：布隆过滤器 (Bloom Filter)
??简介：布隆过滤器可以用于检索一个元素是否在一个集合中。在用户请求后，先在控制层通过布隆过滤器判断请求的key是否存在。存在则进入Redis获取key，不存在则丢弃。
??原理：它实际上是一个很长的二进制向量(位图)和一系列随机映射函数（哈希函数）。
??优点：1.空间效率和查询时间都远远超过一般的算法。2.缓存空间小
??缺点：1.有一定的误识别率和删除困难。2.代码维护困难
解决方案2：Redis缓存空值
??简介：在用户请求后且Redis缓存未命中后，将数据库中的空值也缓存到缓存层中，这样查询该空值就不会再访问DB，而是直接在缓存层访问就行。
??原理：数据库结果反馈给Redis，避免下次再请求数据库。
??优点：1.实现方式简单，不需要额外加层。2.代码易于维护
??缺点：1.数据不一致。2. 需要过多的存储空间。
缓存击穿（缓存过期，量太大）
?
??如果出现上述情况，采用了Redis缓存空值的方法来解决缓存穿透，那么还有可能会出现缓存击穿问题。当某一个key非常热点（微博热搜），通过缓存空值其放入了Redis中，在这个key失效的一瞬间（在下次重新缓存该key的空值之前，有个很短时间的空隙），持续的大量并发就穿破缓存（大量查询同一个key），直接请求数据库，导致数据库瞬间压力过大。
解决方案1：设置热点数据永不过期
??简介：从缓存层面来看，没有设置过期时间，所以不会出现热点key过期后产生的问题。
??优点：简单暴力。
??缺点：Redis空间会越来越大，很快达到上限。
解决方案2：加互斥锁 (mutex key)
??简介：分布式锁：使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其它线程没有获得分布式锁的权限，因此只需要等待该线程将数据放入缓存，直接从缓存中获取即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。
??原理：setnx(set if not exist) 不存在再设置key（在分布式锁中，会经常使用）
??优点：
??缺点：
缓存雪崩（缓存集体过期）
?
??指在某一个时间段，缓存集体过期失效（周期性的波峰压力），导致大量请求直接进入到数据库。
??产生雪崩的场景：双十一零点抢购，这波商品比较集中的放入缓存，假设缓存设置为一小时，那么到了凌晨一点钟的时候，这一批商品的缓存都过期了。而对于这批商品再次的访问查询，都会进入到数据库中，对于数据库而言，就会产生周期性的压力波峰。当波峰超出存储层性能瓶颈，就会导致存储层挂掉。
??缓存雪崩最致命的问题在于，缓存服务器某个节点宕机或断网。因为自然形成的空值缓存失效，无非就是对数据库产生周期性的压力。二服务器缓存节点宕机，对数据库服务器造成的压力是不可预知的，很有可能瞬间就把数据库压垮。
解决方案1：redis高可用
??简介：多增设几台redis，这样一台挂掉之后其他的还可以继续工作。
??原理：搭建redis分片集群。
??优点：redis几乎不会宕机。
??缺点：需要额外成本。
解决方案2：服务降级
??简介：停掉一些服务，保证主要的服务可用。（双十一当天不可退款）
??原理：减少不重要的服务，回收JVM的内存与CPU资源。
??优点：节约成本。
??缺点：部分服务不可用。
解决方案3：限流降级
??简介：缓存失效后，通过加锁或者队列来控制读数据库和写缓存的线程数量。
??原理：互斥锁 -> 对某个key只允许一个线程查询数据和写缓存，其他线程等待从缓存获取。
??缺点：可能造成死锁。
解决方案4：数据预热
??简介：在正式部署前，把可能的数据先预先访问一遍，这样一些可能大量访问的数据就会加载到缓存中，在即将发生大并发访问前，手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间尽量均匀。
22/03/15
M