缓存穿透、缓存雪崩与缓存击穿
缓存穿透、缓存雪崩与缓存击穿
Jaron缓存穿透
缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。
解决办法：
- 缓存空对象
当查找的数据在数据库中不存在时，可以将这个非空的空结果缓存起来，并设置较短的过期时间。这样，当再次查询相同的数据时，可以直接从缓存中获取到这个空结果，从而避免对数据库的访问。需要注意的是，这种方法可能需要适当处理缓存的对象，以防止缓存过多无用数据。
优点：实现简单，维护方便
缺点：
- 额外的内存消耗
- 可能造成短期的不一致
- 布隆过滤
布隆过滤器是由布尔逊（Burton Howard Bloom）在1970年提出的一种空间效率很高的概率型数据结构，用于测试一个元素是否是一个集合的成员。它的优点是空间和时间效率都非常高，缺点是有一定的误识别率和删除困难。
布隆过滤器的工作原理
- 初始化：
• 布隆过滤器本质上是一个大型的位数组和几个哈希函数。开始时，位数组中的每一位都被设置为0。
- 添加元素：
• 当我们要添加一个元素到集合中时，该元素会被哈希函数处理，得到几个哈希值。
• 这些哈希值对应于位数组中的位置，我们将这些位置上的位都设为1。
- 成员查询：
• 当我们需要检查一个元素是否属于这个集合时，我们将这个元素通过相同的哈希函数处理，得到相应的哈希值。
• 查看位数组中这些哈希值对应的位是否都是1
• 如果所有对应的位都是1，那么这个元素可能在这个集合中（存在误判的可能）。
• 如果任何一个位不是1，则该元素绝对不在集合中。
缓存雪崩
缓存雪崩是指在缓存层面发生的问题，当大量的缓存项集中在同一时间失效或缓存服务完全宕机时，所有的请求都会直接打到数据库上，这会导致数据库压力骤增，进而可能引起数据库崩溃，从而影响到整个系统的稳定性和可用性。
缓存雪崩的主要原因有：
缓存同一时间大规模过期：如果缓存中大量数据集中在同一时间过期，那么在这些缓存过期的瞬间，对这些数据的查询就会直接访问数据库，而不是缓存。
缓存服务宕机：如果缓存服务器发生故障或重启，原本应该访问缓存的请求都会转向数据库。
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
- 给业务添加多级缓存
缓存击穿
缓存击穿是指缓存中没有但数据库中有的数据（通常是热点数据），在并发访问高的情况下，突然失效（例如过期），导致所有的请求都落到数据库上，可能会对数据库造成过大压力。
常见的解决方案有两种：
互斥锁
逻辑过期（永不过期）
互斥锁
优点：
减少数据库压力：通过互斥锁确保对于同一个缓存失效的键，只有一个请求查询数据库并更新缓存，其他请求等待缓存更新完成后再访问缓存，从而避免对数据库的大量并发访问。
数据一致性：互斥锁可以保证在任何时候，对于任何给定的键，缓存中至多只有一个线程在进行数据更新，这有助于维护数据的一致性。
缺点：
延迟问题：如果缓存键非常热门，多个并发请求可能需要等待锁释放，这会增加用户的等待时间。
死锁风险：在某些实现中，如果不当使用锁机制可能会引发死锁，特别是在分布式环境中。
逻辑过期
逻辑过期是指设置缓存项不真正过期，而是通过逻辑判断决定何时更新缓存。
优点：
避免高峰压力：即使数据已经“过期”，缓存仍然可以提供旧值，避免所有请求直接访问数据库，可以平滑地处理数据更新，避免高峰时段的数据库压力。
用户体验：用户不需要等待数据被更新，可以立即获取响应，尽管是旧数据。
缺点：
数据时效性问题：使用逻辑过期策略可能会导致用户看到的是旧数据，如果业务对数据实时性有较高要求，这可能是一个问题。
资源消耗：虽然避免了直接的数据库访问压力，但后台更新线程需要定期运行，也会消耗系统资源。
