redis之缓存穿透、缓存击穿与缓存雪崩

一、概述

redis作为一种基于键值对的非关系型数据库，由于其直接在内存中进行读写，具有特别高效的读写效率，所以常用于作为数据库的缓存，当服务器需要查询数据时，先去redis中查询，如果查询命中，则直接返回数据给服务器；如果查询未命中，再去数据库中进行查询。redis中缓存数据库中的热点数据，可以在高并发的情况下，有效减小数据库查询的压力。

虽然redis能有效提升查询效率和并发性，但是也存在一定的问题，典型的问题即：

1. 缓存穿透
2. 缓存击穿
3. 缓存雪崩

---

二、缓存穿透

定义：当用户查询一个数据，发现redis内存数据库中没有，即缓存没有命中，于是向持久层数据库查询，发现持久层数据库也没有，于是本次查询失败。当用户量很多的时候，缓存都未命中，大量的请求会冲击持久层数据库，对持久层数据库造成很大压力，即缓存穿透现象。

解决方案：

1、缓存空对象

当存储层未命中后，即使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，保护了底层数据库。因此即便发生缓存穿透，也只会发生一次查询未命中，以后都会从redis中查询命中并返回空值。

2、布隆过滤器

布隆过滤器本质上是一种数据结构，对数据库中存在的数据建立一个hash映射表，当需要查询某数据时，先查询布隆过滤器中是否存在该数据的映射，如果存在，再对数据库进行查询，如果不存在，则直接丢弃该查询。相比Set、List、Map等数据结构，其内存占用更小，更高效，但缺点是返回的结果是不确切的，即“某样东西可能存在和一定不存在”。

布隆过滤器是一种二进制向量数组，数组中元素的初始值为0，当需要映射一个值到布隆过滤器中时，通过k个哈希函数对该值进行哈希计算，并将每个哈希值对应的二进制数组位置的值变为1。这样当我们要查询某个值是否映射到了布隆过滤器中时，由k个哈希函数计算得到k个哈希值，再查询数组中对应的k个位置的二进制值是否为1，如果都为1，则该值有可能在映射在布隆过滤器中（哈希值的计算会有重复性，类似于hashmap的哈希冲突）；只要存在一个位置的二进制值为0，则表示布隆过滤器中一定没有要查询的值的映射。

---

三、缓存击穿

定义：大并发集中对一个热点key进行访问，当这个key在缓存失效的瞬间，持续的大并发就穿破缓存，直接请求数据库。

解决方案：

1、设置热点数据永不过期。（并不是很好的方法）

2、加互斥锁。保证对每个key同时只有一个线程去查询数据库，其他线程没有获得分布式锁的权限，则进行等待。

---

四、缓存雪崩

定义：当redis中缓存的热点数据集中过期失效，或是redis宕机，导致大量查询指向持久化数据库，引起数据库压力过大甚至宕机。

解决方案：

1、建立redis集群，一个redis宕机不影响全局。

2、对热点数据的过期时间间隔设置，让缓存失效的时间点尽量均匀。

3、通过加锁或者队列来控制读数据库写缓存的线程数量。