1.一般的缓存处理流程
当前台收到请求后，后台先回冲缓存中读取数据，取到直接返回结果，当从缓存取不到结果时，就会访问数据库，从数据库取到数据更新到缓存中，并返回结果，如果数据库也没结果，就返回空。
2. 缓存穿透
描述：
访问一个缓存和数据库都不存在的 key，此时会直接打到数据库上，并且查不到数据，没法写缓存，所以下一次同样会打到数据库上。
如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大。
缓存穿透流程图如下
解决方案
- 对空值缓存: 如果一个查询返回的数据为空（不管数据是否不存在），任然吧这个空结果（null）进行缓存，设置空结果的超过时间会很短，一般不超过五分钟。
- 设置可访问的名单（白名单）: 使用bitmaps类型定义一个可以访问的名单，名单id作为bitmaps的偏移量，每次访问和bitmap里面的id进行比较，如果访问id不在bitmaps里面，进行拦截，不允许访问。
- 采用布隆过滤器：（布隆过滤器（Bloom Filter））是1970年由布隆提出的。
它实际上是一个很长的二进制向量（位图）和一系列随机映射函数（哈希函数）。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是由一定的误识别率和删除困难。 - **进行实时监控：**当发现Redis的命中率开始急速降低，需要排查访问对象和访问的数据，和运维人员配合，可以设置黑名单限制服务。
3.缓存击穿
描述：
某一个热点key，在缓存过期的一瞬间，同时有大量的请求打进来，由于此时缓存过期了，所以请求最终都会走到数据库，造成瞬时数据库请求量大、压力骤增，甚至可能打垮数据库。
解决方案：
- 预先设置热门数据： 在Redis高峰访问之前，把一些热门数据提前存入到redis中，加大这些热门数据key的时长。
- 实时调整： 现场监控哪些数据热门，实时调整key的过期时长。
- 使用锁： 在并发的多个请求中，只有第一个请求线程能拿到锁并执行数据库查询操作，其他的线程拿不到锁就阻塞等着，等到第一个线程将数据写入缓存后，直接走缓存。可以使用“分布式锁”，还是“JVM 锁”
使用 redis 分布式锁的伪代码，仅供参考：
public Object getData(String key) throws InterruptedException {
Object value = redis.get(key);
// 缓存值过期
if (value == null) {
// lockRedis：专门用于加锁的redis；
// "empty"：加锁的值随便设置都可以
if (lockRedis.set(key, "empty", "PX", lockExpire, "NX")) {
try {
// 查询数据库，并写到缓存，让其他线程可以直接走缓存
value = getDataFromDb(key);
redis.set(key, value, "PX", expire);
} catch (Exception e) {
// 异常处理
} finally {
// 释放锁
lockRedis.delete(key);
}
} else {
// sleep50ms后，进行重试
Thread.sleep(50);
return getData(key);
}
}
return value;
}
4.缓存雪崩
描述： 大量的热点key设置了相同的过期时间，导致缓存在同一时刻全部失效，造成瞬时数据库大量请求、压力骤增，引起雪崩，甚至导致数据库被打挂。
解决方案：
- 过期时间打散： 既然是大量缓存集中失效，那最容易想到就是让他们不集中生效。可以给缓存的过期时间时加上一个随机值时间，使得每个key的过期时间分布开来，不会集中在同一时刻失效。
- 热点数据不过期： 该方式和缓存击穿一样，也是要着重考虑刷新时间的时间间隔和数据库异常如何处理的情况。
- 加互斥锁： 开方式和缓存击穿一样，按key维度加锁，对于同以可key，只允许一个线程去计算，其他线程原地阻塞等待第一个线程的计算结果，让后直接走缓存。
