一文说清Redis缓存击穿，雪崩，穿透，及解决办法

缓存雪崩

缓存雪崩是指大量热点数据同时过期，导致请求直接落到数据库，对数据库造成巨大压力甚至宕机。

解决方案：

1.简单方案
不让缓存同时过期。可以在过期时间上加一定范围的随机数，也可以将一些几乎不改变的数据设置为永远不过期。

2.复杂方案
分布式缓存+多个数据库，使请求尽可能分布在不通的redis 和mysql数据库中，在过期时间有限制的场景，也可以使用该方案，使多个库共同分担压力。

缓存雪崩的事前事中事后的解决方案如下。

• 事前：redis 高可用，主从+哨兵，redis cluster，避免全盘崩溃。
• 事中：本地 ehcache 缓存 + hystrix 限流&降级，避免 MySQL 被打死。
• 事后：redis 持久化，一旦重启，自动从磁盘上加载数据，快速恢复缓存数据。

缓存穿透

缓存穿透是指大量请求不命中缓存，直接穿透到数据库。可能是由黑客频繁请求某些不存在的id ，比如持续请求id>一千万的一系列数据，因为这些数据缓存里不存在，所以每次都会请求数据库，即产生了缓存穿透。

解决办法：

1.初级方案：
将不存在的数据也缓存起来。比如某个数据不存在，在redis中就缓存一个null，下次再请求这个数据就会命中缓存了。

2.优化方案：
方案一可以解决单个key的穿透问题，但如果黑客拿一系列不存在的key,就会在redis产生大量值为null的key ,占满内存，很快也会拖垮我redis。那么我们可以使用一个set 将存在的key都存在这个set里，取的时候先从set里查看下，如果存在再读缓存，如果不存在直接返回null。注意需要该set的预热。

3.终极方案：
方案2中用于过滤的set在数据量少的时候可以使用，如果数据量巨大，那么该set将会占用大量的内存。所以需要祭出缓存穿透的终极方案，布隆过滤器。在redis 4.0以后都支持布隆过滤器，其结构就是一个位数字，由于每个元素只占1位，所以100000个元素，也只有100000/8=12500 即越12KB内存，大大减轻了redis内存负担。
布隆过滤器的工作原理，是将key进行多次hash运算，比如存在三个哈希函数，就进行三次运算，分别得到的值为s1,s2,s3。再将位数组中对应的位置为1。
查找的时候再对key进行三次运算，对应位都位1则说明该值可能存在。
如果有一个位置不为1,则返回不存在。

注意事项1：
使用布隆过滤器要考虑到哈希碰撞的情况，也就是随着数据的增多，有可能两个不同的key三次哈希运算得到的值是一样的，所以会产生误判该值存在的情况。这个错误率，也是布隆过滤器可调节的指标之一。
所以在使用布隆过滤器时，最好通过该值不存在进行判断更为准确。

redis 布隆过滤器使用方法：

//创建一个布隆过滤器，并设置错误率为万分之一，容量100w
bf.reserve one-more-filter 0.0001 1000000
//添加key
bf.add one-more-filter fans1
//判断key是否存在
bf.exists one-more-filter fans1

注意事项2:
错误率的设置会影响内存占用，越低说明判断越准确，所需要的内存占用也就越高。

缓存击穿

缓存击穿是指在热点key失效时，同时有大量请求过来，同时透传到数据库，造成数据库压力或崩溃。

解决办法：

解决办法就是加锁，在请求数据库操作，只允许一个请求进行，其他请求等待该请求返回，再从redis中读取数据。在spring cache中这个操作非常简单，只需要在注解中加上sync=true，如@Cacheable(value = “test”, key = “#a0”, sync = true)。非springcache可以考虑使用个分布式锁，如zookeeper或redis锁用来实现此功能。