1 缓存雪崩

1.1 什么是缓存雪崩?

由于

• 设置缓存时，key都采用了相同expire

• 更新策略

• 数据热点

• 缓存服务宕机

等原因，可能导致缓存数据同一时刻大规模不可用，或者都更新。

1.2 解决方案

• 更新策略在时间上做到比较均匀

• 使用的热数据尽量分散到不同的机器上

• 多台机器做主从复制或者多副本，实现高可用

• 实现熔断限流机制，对系统进行负载能力控制

在原有失效时间基础上增加一个随机值，比如1~5分钟的随机，这样每个缓存的过期时间重复率就会降低，集体失效概率也会大大降低。

2 缓存穿透

2.1 什么是缓存穿透？

大量并发查询不存在的KEY，导致都直接将压力透传到数据库。

为什么会多次透传呢？不存在一直为空。 需要注意让缓存能够区分KEY不存在和查询到一个空值。

例如：访问id=-1的数据。可能出现绕过Redis依然频繁访问数据库，称为缓存穿透，多出现在查询为null的情况不被缓存时。

2.2 解决方案

• 缓存空值的KEY，这样第一次不存在也会被加载会记录，下次拿到有这个KEY

• Bloom过滤或RoaringBitmap 判断KEY是否存在

最常见的布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截掉，从而避免了对底层存储系统的查询压力。

• 完全以缓存为准，使用 延迟异步加载 的策略2，这样就不会触发更新。

更为简单粗暴的方法，如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过5min。

3 缓存击穿

击穿是针对某一key缓存，而雪崩是很多key。

某KEY失效时，正好有大量并发请求访问该KEY。

通常使用缓存 + 过期时间的策略来帮助我们加速接口的访问速度，减少了后端负载，同时保证功能的更新，一般情况下这种模式已经基本满足要求了。

但如下问题若同时出现，可能对系统致命：

• 为热点key，访问量非常大

• 缓存的构建是需要时间（可能是个复杂过程，例如复杂SQL、多次I/O、多个接口依赖）

于是就会导致： 在缓存失效瞬间，有大量线程构建缓存，导致后端负载加剧，甚至可能让系统崩溃。

3.2 解决方案

所以问题就在于限制处理线程的数量，即KEY的更新操作添加全局互斥锁。

互斥锁

在缓存失效时（判断拿出来的值为空），不是立即去load db，而是

• 先使用缓存工具的某些带成功操作返回值的操作（Redis的SETNX）去set一个mutex key

• 当操作返回成功时，再load db的操作并回设缓存；否则，就重试整个get缓存的方法。

提前"使用互斥锁(mutex key)：

在value内部设置1个超时值(timeout1)， timeout1比实际的memcache timeout(timeout2)小。当从cache读取到timeout1发现它已经过期时候，马上延长timeout1并重新设置到cache。然后再从数据库加载数据并设置到cache中。伪代码如下：

缓存为准

使用异步线程负责维护缓存的数据，定期或根据条件触发更新，这样就不会触发更新。

这些年做Java开发我整理了一份完整的java的系统化资料，从Javase- ssm-springcloud，包括了面试题，PDF电子书，网上商城项目，个人博客项目，分布式项目等都有想学习Java或者转行，大学生都非常实用，无任何套路免费提供,，加我裙下载，有什么问题都可以加入我的QQ裙:735721532，自行获取~