1.1 缓存穿透

原因：当我们查询一个数据的时候，缓存中没有，就会去查询我们的关系型数据库，而且查询不到的数据是不会放到我们的缓存中，就会导致我们每次的请求都会来到我们的关系型数据库中，从而导致关系型数据库宕机。

解决：

（1）缓存空数据：查询返回的数据为空，仍把这个空结果进行缓存

优点：简单

缺点：消耗内存，可能发生缓存与数据库不一致（万一，后面的时候，我们在关系型数据库存储了这个数据呢）

（2）布隆过滤器：当我们在查询redis数据库之前，我们要先查询布隆过滤器，若不存在，直接pass，布隆过滤中存在，则查redis，但前提是在做缓存预热的时候，要初始化好布隆过滤器。

优点：它是二进制数组组成的内存占用少，且基于我们数组的特性，查询也是非常快的

缺点：实现复杂，存在误判。

---

简介 布隆过滤器

布隆过滤器：快速判断一个元素是否存在于一个集合中。它通过使用bit数组和多个哈希函数来实现

数据经过我们一系列的hash函数运算算出来对应的hash值，然后映射到我们的二进制的数组下标，然后标记，把对应的0变成1。

优点：它是二进制数组组成的内存占用少，且安全性好，且基于我们数组的特性，查询也是非常快的。

缺点：它是一个概率性的数据结构，存在一定的误判率，即可能判断一个元素存在于集合中，但实际上并不存在。因为他是应该hash函数运算的，可能两个值的hash函数值一样。其次，无法删除已插入的元素，因为删除元素会影响其他元素的判断结果。最后我们要权衡一下误判率，数组越大，hash函数越大，误判率越小。同时我们的内存占用空间也会变大很多，查询起来，也比较费时间。我们项目中一般是5%以内的误判率一般的项目也能接受，不至于高并发下压倒数据库。

RedissonClient中自带了布隆过滤器，我们可以设置长度和误差率。

• 若数据库中存在数据，那么布隆过滤器就会在该数据请求过后标记数据的存在，从而避免大量不存在数据请求数据库

1.2 缓存击穿

原因：当某一个key设置的时间过期了，恰好key过期这个时间点有大量的并发请求过来，这些并发请求可能瞬间把DB压垮。（虽然我们数据库查询到的数据，会存储redis，但：存储需要一定时间）

解决方案：

• 对于热点数据我们可以先不设置过期时间，或在访问数据的时候，对数据过期时间进行续期。
• 使用分布式锁，当缓存失效的时候，不是先从数据库中加载，而是先获取分布式锁，获取分布式锁的线程从数据库查询数据后写回到缓存中，后续没有获取锁的线程只需要等待和重试即可。这样就能避免大量请求压到数据库，虽然牺牲了一定的性能，但确保了数据库的一个稳定性。

1.3 缓存雪崩

缓存雪崩：同一时间段大量的缓存key同时失效或者Redis服务宕机，导致大量的请求到达数据库，带来压力。

与缓存穿透区别：这是大量的key 穿透是一个key

解决方案：

将缓存失效时间分散开，例如：在原有的时间上增加一个随机值，这样缓存的重复率就会降低很多。

拓展：

（1）给业务增加多级缓存：Guava或者Caffenie

（2）给缓存业务增加降级限流策略：ngxin 或 Spring cloud gateway

Redis宕机这个：可以用Redis集群提高服务的可用性（哨兵模式，集群模式）