缓存问题和数据一致性问题

缓存穿透

            查询大量缓存中不存在乃至数据库中不存在的数据，导致大量调用数据库操作

            解决方式：

                           缓存空对象：每查询一次不存在的数据，在redis内存中添加对应的键+空对象。

                           坏处：还是查了数据库；浪费redis大量的空间

                           布隆过滤器：程序启动时，把所有业务的需要用到的键缓存到redis中，当查询请求来时过滤请求，没有的话直接返回。当新增键时扩展redis内存中list的值

                           坏处：事先要知道哪些是热点业务的键；每次删除，添加要有额外的操作redis；

                            canal：canal监听数据库操作，把更改写入redis，查询不再查询数据库，若redis里面没有则直接返回没有

缓存击穿

              redis中数据过期此时高并发请求进来，大量去操作数据库查询

              解决方式：redis内存查询不到，然后就加分布式锁，锁住键，让拿到锁的线程去查询数据库并把查询结果缓存到数据库中，并释放锁。其他高并发的请求先等待一会，再去查询缓存就会发现能查到了

缓存雪崩

             大量数据过期，导致数据库压力陡增

             解决方式：过期时间加随机因子，避免大量数据同时过期；定时对缓存数据进行续期；查询续期

数据一致性的问题：

             在对redis内存中内容做更改时，其他线程可能会读到脏数据。比如更新订单id对应的订单内容时，按一般思路是 A线程先操作数据更改数据，然后再更改redis缓存中内容，假如b线程在A线程更改完数据库后去读redis缓存的数据就会读到旧的数据，所以就需要采取一些手段。

            延时双删：更新数据库数据前先删除redis缓存，然后更新数据库，然后发送延时消息到消息队列中，消费消息再删除一次redis缓存（确保这个消息一定要被正确消费，要有重试机制，解决最终一致性问题） 

            串行化：操作缓存的操作写入队列中，不管是更新缓存还是查询缓存，所有redis操作相当于就串行化了