缓存穿透
概念
去查询一个根本不存在的数据，这个数据既不在缓存中，也不在数据库中，这就会导致每次查询都会穿透缓存，直接去查数据库。当这种查询非常多的时候，就会导致大面积缓存穿透，增大数据库的压力。
解决方案
缓存空对象
原理：
不管数据库里存不存在这条数据，我们都把其加入到缓存:
- 如果存在，就把那个对象加入缓存
- 如果不存在，就把空对象加入缓存。
那么下次该查询再过来的时候，缓存里就有该对象了，就能防止其去查询数据库。
优点：
- 代码简单
缺点：
- 效果不好
- 只能解决1个key多次访问的问题，不能解决多个key都为空的问题（仍然会在第一次去查询数据库）
- 会导致redis中有大量的空数据，占用了redis的空间
布隆过滤器（互联网公司多用这个）
应用：
- 创建布隆过滤器对象，先将其大概理解成一个特殊的List
最后一个参数为误判概率，不能定义成0。
- 通过put方法将key放入
- 判断key是否在布隆过滤器中
注意事项：
- 布隆过滤器只有Put和判断是否可能存在（mightContain）的方法；
- 判断是否存在的方法，有可能会误判，即将不存在判断为存在。
原理
- 底层依赖于一个bit数组，每一位要么是0，要么是1
- 通过put方法设置值时，会有多个hash算法对key进行hash，现在假设是3个hash算法；
- hash后得到一个数值，对数组长度进行取余，得到下标，将对应下标的bit改为1；
- 三个不同的hash函数，得到三个不同的下标， 均改为1。
- 当调用mightContains函数时，同样进行hash和取余的操作，拿到对应的下标，判断其位置上是否为1；
之所以出现误判，是因为当我们添加的值很多的时候，很多位置都被设置为了1，那么查询一个不存在的值，也有可能发现对应的索引位置是1，导致误判。如下图，111并不存在
误判率和哈希函数的数量以及数组长度都有关系。
为什么我们要自己手写布隆过滤器
因为谷歌的布隆过滤器框架用的是JVM内存，一旦发生停电之类的问题，数据完全丢失；
但是我们自己手写的时候用的是redis内存，redis自带持久化，例如RDB或者AOF，不会将所有数据丢失，最多丢失一部分。
实际场景运用
- 首先，将Mysql中的所有订单Id添加到布隆过滤器中，例如1 ~ 100000；
- 当查询过来的时候，先去布隆过滤器中查找
- 如果不存在该id，则直接返回不存在；
- 如果存在该id，说明数据库中存在该数据，接着往下走；
- 接着往下走，如果redis缓存中有，即直接返回；
- 如果没有，就去读数据库读取，并写入缓存中。
优点：
- 效果好
缺点：
- 代码复杂
- 维护成本变高，每次在数据库中添加一个新的数据，就需要同步更新布隆过滤器中的数组；
- 当删除了数据库中的很多数据时，因为布隆过滤器没有删除的操作，所以要考虑重新生成布隆过滤器的list，因此我们可以考虑设置定时任务，每过一段时间重新生成布隆过滤器的list。
缓存击穿
概念
主要指的是热点数据的访问，缓存中没有该数据，某个热点数据的访问就全访问到了数据库，导致数据库压力非常大，就击穿了某个点。
数据库有该数据，但是缓存中没有该数据。
- 例如某个数据从来没有被访问过，也就不会添加到缓存中。（不会导致缓存击穿）
- 数据刚好失效，例如刚好到过期时间了。该热点数据就会导致缓存击穿。
解决方式
采用分布式锁。
- 在访问数据库前上锁；
- 加上一次查询缓存的代码；
- 查询数据库，并添加到缓存；
- 解锁。
线程分析：
- 线程1首先拿到锁，其他线程等待
- 线程1访问缓存，缓存中没有，查询数据库；
- 数据库中有，写入缓存并返回该对象。
- 解锁
- 线程2拿到锁；
- 线程2查询缓存；
- 拿到被缓存1写入的缓存对象；
- 直接返回，不走数据库；
- 后续线程逻辑和线程2一样。
这样就只会访问一次数据库。
缓存雪崩
概念
大部分缓存数据同时失效的问题，例如：
- 对于100W条数据同时设置相同的过期时间，那么在某个时间点，对这些数据的访问全部会落到数据库上。
- Redis挂了。
解决办法
对于redis挂了这个问题，需要搭建Redis高可用集群，一个挂了我还有好多个备份呢！
对于相同过期时间的问题，错开数据过期时间。
如果已经出现了雪崩
那么就需要降级熔断
若有收获，就点个赞吧
0 人点赞
