缓存穿透、缓存雪崩、缓存击穿问题与优化方案

在使用缓存（如 redis）的应用中，我们需要对常见的问题做好相关技术方案的设计和应对，以充分应对或减少可能出现的线上故障

1、缓存穿透

缓存穿透在于缓存中不存在数据，数据库中也查询不到数据。这种情况更多的可能是恶意攻击，通过提供数据库中不存在的值，来暴力压垮数据库，类似针对数据库的 DDos 攻击。

优化方案（参考关键字段id）：

方案 1 针对数据库中不存在的值，返回时，也创建相应 id 缓存 key，value 可以是默认的空值或其他。

优势：

a、该方案可以保证对于数据库的请求时一次性的，可以拦截后续重复的请求

b、实现简单、直接

不足：

a、如果攻击提供的查询值不重复，则无法有效缓存

b、不断累加的缓存 key 浪费缓存空间

方案 2 维护最大 id 缓存信息，超出的数据直接拒绝

优势：

a、在发布内容后需要维护最大 id 信息

b、实现也相对比较简单

不足：

1、仅满足关键值如 id 信息连续或数据不稀疏的场景

2、维护最大 id 等需要原子性以保持并发和递增等一致性

3、最大 id 缓存存在一定的初次写入成本

4、数据查询数据库时，多一次缓存 id 判定操作

方案 3 使用布隆过滤器

优势：

1、有开源的工具类可以使用且可实现 redis 分布式版本

2、空间占用少

不足：

1、多次哈希性能开销

2、对于存在的数据有一定误判率，且随着数据增加，误判率会增大

3、对于存在数据需要启动并热数据

4、无法删除数据，不适合数据删除场景较多的情况

2、缓存雪崩

缓存雪崩主要针对大量的缓存在同一时间集体失效，导致大量的查询直接透传到数据库层面，从而压垮数据库。

优化方案：

调整缓存 key 过期时间策略为：基本过期时间+随机时间

优势：

简单直接

不足：无

3、缓存击穿

主要是由于数据访问用户并发高，由于缓存失效等原因，并发请求同时发起数据库读取操作，引起数据库压力瞬间增大的情况。

优化方案：

方案一 设置热点数据永不过期

优势：

1、实现最简单

不足：

1、需要 task 等其他方式维护数据更新

方案二 单机并发时，应用级别锁控制并发，仅保留 1 个请求去查询并写入缓存，其他请求重试取缓存读取

优势：

1、可以减少同时发起请求的并发连接

2、应用级别支持，实现相对简单

不足：

1、未获取到锁的线程会阻塞，不适合缓存写入等逻辑复杂，用时较长的情况

方案三 查询数据库并写入缓存的操作请求需要获取到分布式锁

优势：

1、到数据库的并发请求最少

不足：

1、需要引入分布式锁操作

2、未获取到锁的请求需要定时重试或返回降级内容