缓存穿透
概念：查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求查数据库从而使得数据库压力过大，宕机
解决方案一：
缓存空数据，查询返回的数据为空，扔把这个空结果进行缓存例如格式：{key:xxx,value:null}
优点：简单
缺点：消耗内存，可能会发生不一致的问题
代码实现：
// 解决缓存击穿问题，将查询结果写入缓存中，同时当数据库查询结果为null时写入缓存中
@Override
public Shop findById(Long id) {
// 先从redis中查询数据
String shop = stringRedisTemplate.opsForValue().get(RedisContants.SHOP_KEY + id);
// 初始化 ObjectMapper
ObjectMapper objectMapper = new ObjectMapper();
if (StringUtils.isNoneBlank(shop)){
try {
return objectMapper.readValue(shop,Shop.class);
} catch (JsonProcessingException e) {
e.printStackTrace();
}
}
if (shop != null){
// 这里要返回错误信息，例如xxx不存在
return null;
}
// 这里需要去从数据库中查询
Shop shopObj = shopMapper.findById(id);
if (shopObj != null){
String writeValueAsString = null;
try {
writeValueAsString = objectMapper.writeValueAsString(shopObj);
} catch (JsonProcessingException e) {
e.printStackTrace();
}
stringRedisTemplate.opsForValue().set(RedisContants.SHOP_KEY+id,writeValueAsString,1, TimeUnit.DAYS);
return shopObj;
}else {
// 表示数据库中也没有，将 null 存储在 Redis 中
stringRedisTemplate.opsForValue().set(RedisContants.SHOP_KEY + id, "", 10, TimeUnit.SECONDS);
}
return null;
}
解决方案二：布隆过滤器
了解即可
总结
什么是缓存穿透，怎么解决？
查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求查数据库从而使得数据库压力过大，宕机。
缓存击穿
概念：给某一个key设置了过期时间，当key过期的时候，恰好这时间点对这个key有大量的并发请求过来，这些并发请求可能会瞬间把DB压垮。
主要是热点key的问题，例如查询数据库花费了一些时间，在这个时间段多个线程都访问了数据库导致压力过大
解决方案：互斥锁，逻辑过期
互斥锁
描述：
当缓存失效时，不立即去load db，先使用入Redis的setnx去设置一个互斥锁，当操作成功返回时在进行数据库的操作并回设缓存，否则重试get缓存的方法。
缓存雪崩
缓存雪崩是指在同一时间大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力，
解决方案：
- 给不同的key的TTL添加随机值
- 利用Redis集群提高服务的可用性
- 给缓存业务添加降级限流策略，nginx或网关
- 给业务添加多级缓存，Guava 或Caffeine
描述：
缓存雪崩意思时设置缓存时采用了相同的过期时间，导致缓存在某一时刻同时失效，请求全部转发到DB，DB瞬时压力过重雪崩，与缓存击穿的区别：雪崩时很多key，击穿是某一个key缓存
解决方案主要是可以将缓存失效时间分散开，比如可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。
双写一致
当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致
- 读操作：缓存命中，直接返回；缓存未命中查询数据库，写入缓存，设定超时时间
- 读操作：延迟双删
删除缓存----> 修改数据库 ------>延时，删除缓存
无论是先删除缓存，还是先修改数据库，都会导致数据不一致性的问题，根本原因取决于线程是交替进行的。
所以采用双删策略。