Redis缓存穿透、缓存击穿、缓存雪崩

缓存穿透

1. DB中实际不存在该数据，缓存未命中，查询穿透至DB中

解决方式

1. 查询时，对于不存在的数据，缓存中缓存默认值（可为null或其他值），该方式随着查询的缓存key增长或恶意攻击等方式，将造成缓存Key过多的问题
2. 对于上述解决方案的负面影响，可维护一个不存在的查询Key（invalid）列表，其缓存数据增长量可在一定程度上缓解
3. 使用布隆过滤器进行前缀过滤，确定不存在的Key，直接返回，可能存在的Key再经过缓存查询， DB查询的步骤，该方式可解决空间增长的问题，需要解决大数据量缓存预热的问题，且对于频繁删除的数据类型不适用

缓存击穿

1. 对于同一缓存Key，在缓存过期或缓存不存在时，大并发量同时请求该数据，导致大并发量请求需同时访问DB
2. 缓存服务不可用

解决方式

1. 核心思想，缓存不过期或缓存失效时不要直接驱逐出缓存组件中，使用缓存预热、查询时异步线程更新、写入时更新、定时更新等方式，保证数据缓存组件内存在，该方案可能导致短暂的数据一致性问题，业务上注意斟酌
2. 请求限流或服务降级，保证并发不超出DB承载的上限
3. 互斥锁，对于并发请求，仅允许一个请求访问到DB，获取数据后存入缓存中，该方式会导致吞吐量下降
4. 布隆过滤器同样可作为前置过滤，但对于存在的数据，仍然需要其他手段进行流量控制
5. 缓存服务使用主从、哨兵、集群等部署模式，提升缓存服务的可用性

缓存雪崩

1. 同一时间多个Key缓存失效或不存在，导致大量请求同时访问DB
2. 缓存服务不可用

解决方式

1. 不同Key，在基础缓存时间上，添加一定量的随机缓存时间，使Key不要再同一时间大批量失效，将可能得DB流量分散开来
2. 请求限流或服务降级，保证并发不超出DB承载的上限
3. 布隆过滤器同样可作为前置过滤，但对于存在的数据，仍然需要其他手段进行流量控制
4. 缓存服务使用主从、哨兵、集群等部署模式，提升缓存服务的可用性