我们在正常使用缓存的时候的流程大概就是这样的：
请求访问缓存，缓存有数据就返回，缓存无数据就去数据库里面查数据写入到缓存中。
1、缓存穿透问题
但是如果由恶意请求，短时间内大量的访问不存在的数据，这时每个请求都会打到数据库上，数据库就会扛不住压力崩掉。
图例：
2、解决方案
1、缓存空对象
我们可以将此时这个恶意请求查询的内容添加到缓存，添加为一个空值缓存，也就是缓存空对象。
缓存空对象之后，此时这个恶意请求的请求都会击中缓存了，一定程度上就解决了缓存穿透的问题。
弊端： 如果此时恶意请求是大量访问多个空对象，就会导致短时间内，内存中被大量的空对象占用，造成系统资源浪费。
2、加锁
如果Redis中不存在该数据，在请求访问数据库的时候，加一把互斥锁。此时就可以让只有一个请求访问数据库了，就不会导致数据库压力过大。
但是这种方法不可取：
- 首先任何需要应对高并发的系统都应该尽量避免使用互斥锁，会阻塞其他用户的操作，导致其他用户体验不佳。
- 可能会误杀到正常请求，如果此时是正常请求只是缓存过期了，此时就会阻塞其他的请求。
所以这种方法并不可取。
3、布隆过滤器
布隆过滤器是一种数据结构，用于快速判断一个元素是否存在于一个集合中。具体来说，布隆过滤器包含一个位数组和一组哈希函数。位数组的初始值全部置为 0。在插入一个元素时，将该元素经过多个哈希函数映射到位数组上的多个位置，并将这些位置的值置为 1。
在查询一个元素是否存在时，会将该元素经过多个哈希函数映射到位数组上的多个位置，如果所有位置的值都为 1，则认为元素存在；如果存在任一位置的值为 0，则认为元素不存在。
1、 优缺点
优点：
- 高效地判断一个元素是否属于一个大规模集合。（哈希函数）
- 节省内存。（位数组）
缺点： - 可能存在一定的误判。
2、 布隆过滤器误判理解（为什么会误判）
- 布隆过滤器要设置初始容量。容量设置越大，冲突几率越低。
- 布隆过滤器会设置预期的误判值。
3、弊端：
- 做的业务需要支持一定的误判率
- 如果恶意请求是针对这小概率的误判进行攻击，那么数据库还是会遭到很大的压力。
4、组合方案
针对上述的缺点，我们可以将缓存空对象和布隆过滤器结合起来。
布隆过滤器的缺点是有小概率的误判，而且如果恶意请求拿着这个误判的值进行大量的请求，还是会对数据库造成很大的压力。但是此时如果我们针对于误判的这部分加上缓存空值，大部分的恶意请求都被布隆过滤器拦截下来了，不用担心内存大量占用的问题。此时就完美的解决了缓存穿透的问题。
