Redis面经——深入剖析Redis缓存穿透、击穿和雪崩，一篇文章彻底拿下经典面试题

缓存穿透（查不到数据）

一、概念
当用户想要查询一个数据，发现Redis内存数据库中没有，也就是缓存没有命中，于是向持久层数据库中查询。但是发现持久层数据库中也没有，于是本次查询失败。当用户非常多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这个现象就叫做缓存穿透

二、解决方案
1、布隆过滤器
（1）定义
在用户客户端和服务端增加了一层，这一层就是布隆过滤器。布隆过滤器的作用是查询的key先查询布隆过滤器，如果存在，则查询Redis，如果不存在，则直接返回。注意，在缓存预热的时候，也要将数据预热到布隆过滤器中

（2）布隆过滤器的工作流程图

（3）布隆过滤器底层实现
首先先了解一下位图：
bitmap(位图):相当于一个以（bit）位为单位的数组，数组中每个单元只能存储二进制0或1

布隆过滤器的作用如下：
布隆过滤器可以用于检索一个元素是否存在一个集合中
下面的案例是我想查询id为1的数据，那么key就是1。存储数据和查询数据的底层原理见下图

（4）布隆过滤器可能存在的问题
场景，我们正常存储id为1和2的数据，此时通过多次的hash计算，将对应的位置更新成1，但是此时我想查询一个id为3的数据，本身这个id为3的数据是不存在的，但是由于前面存储的1和2对应位置上的数据由0变成了1，所以布隆过滤器认为id为3是存在的

这个时候就出现一个概念叫做误判率，数组越小误判率越大，数组越大误判率越小，但是与此同时，带来了更多的内存的消耗

布隆过滤器提供了解决方案：
Redisson和Guava都提供了了对布隆过滤器的实现

在代码中直接手动设置误判率即可，下图设置的是5%，一般在真实的开发中，都是设置在5%以下就行

（5）布隆过滤器优缺点
优点：内存占用较少，没有多余的key
缺点：实现复杂，存在误判

2、缓存空对象
当存储层不命中后，即时返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源。

但是这种方法会存在两个问题：
（1）如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中会有很多空值的键

（2）即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响

缓存击穿（查得到数据，但是key即将过期）

一、概念

击穿要注意刚刚学习的缓存穿透的区别，缓存击穿，是指一个key非常热点，在不断的扛着高并发，高并发期间对这一个key进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏幕上凿开了一个洞！
当某个key在过期的瞬间，有大量的请求并发访问，这类数据一般都是热点数据，由于缓存过期，会同时访问数据库来查询最新的数据，并且回写到缓存，会导致数据库瞬间压力过大！

二、解决方案    
1、逻辑过期（保证高可用性，性能优）
设置设点key永不过期
从缓存层面来看，没有设置过期时间，所以就不会出现热点key过期产生的严重影响！
但是一般不会这么使用，因为这个方案有可能导致Redis的空间浪费

现在升级成设置逻辑过期，实现方案如下：
假设下图的key，不给key设置过期时间，而是存储的时候，数据中增加一个逻辑过期的字段。

下图是设置逻辑过期的场景，在多线程下，缓存重现的底层逻辑

2、加互斥锁（保证强一致性，性能差）

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，其他线程没有获得分布式锁的权限，因此需要等待，等待拿到锁的线程将缓存重建，直接就能从Redis中命中了。这种方式将高并发的压力转到了分布式锁。保证了数据的强一致性！

缓存雪崩（key集中失效或者Redis服务宕机）

一、概念

缓存雪崩，是指在某一个时间段，缓存集中过期失效，或者是整个Redis集群宕机！

二、产生雪崩的原因
比方说在双十一的场景，马上到11月10日零点，很快就会迎来一波抢购。这波商品时间比较集中的放入了缓存中 ，假设设置了缓存的有效时间为1小时，那么到了凌晨1点，这批商品的缓存就都过期了。而对于这批商品的访问查询，都落到了数据库上，对于持久层数据库而言，就会产生周期性的压力波峰。于是所有的请求就都会达到持久层数据库，持久层数据库的调用量会暴增，可能会造成持久层数据库崩掉的情况。

其实集中过期，倒不是特别致命，比较致命的是缓存雪崩，就是缓存服务器的某个节点宕机或者断网 。因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，这个时候，数据库倒是可以顶住压力。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机，对数据库造成的压力是不可预知的，很有可能瞬间就把数据库压垮！

三、解决方案
1、Redis高可用
既然Redis可能挂掉，那么就多增设几台Redis服务器节点，这样一台挂掉了其他的节点还能够正常的工作，就是搭建大的集群，开启哨兵模式

2、限流降级
给缓存业务添加降级限流策略，比如通过nginx或者Gateway。降级可作为系统的保底策略，适用于穿透。击穿和雪崩的场景

3、数据预热
在正式部署之前，可以先把可能的数据预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发量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

4、给不同的key的过期时间添加随机值

5、给业务添加多级缓存，比如使用Guava或者Caffeine
 

至此，关于经典的Redis缓存穿透、击穿和雪崩介绍完毕，后续还会继续更新Redis面经技术点，敬请期待~~~