关于：缓存穿透、缓存击穿、缓存雪崩、热点数据失效

关于

项目通常会引入NoSQL技术（即：基于内存的数据库，如redis），来应对大数据量的需求，以规避磁盘读/写速度比较慢的问题而存在的性能弊端；
但是，引入redis等又有可能出现缓存穿透，缓存击穿，缓存雪崩等问题，并需要开发对这些问题进行考量并作出应对。

缓存穿透

缓存穿透：请求一个不存在的数据，缓存和数据库都查不到这个数据，每次都会去数据库查询。

比如：用一个不存在的用户id获取用户信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。

解决方案

有很多种方法可以有效地解决缓存穿透问题：

1. BloomFilter：（“布隆过滤器”）将所有可能存在的数据哈希到一个足够大的bitmap中，每次查询的时候都先去BloomFilter判断，如果没有就直接返回null。
   • 注意BloomFilter没有删除操作，对于删除的key，可以在缓存中缓存null；
2. 缓存空值：如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），仍然为这些key在缓存中设置对应的值为null。
   • 要对这些key设置过期时间，以防止真的有数据；

   //伪代码
   public object GetProductListNew() {
       int cacheTime = 30;
       String cacheKey = "product_list";
   
       String cacheValue = CacheHelper.Get(cacheKey);
       if (cacheValue != null) {
           return cacheValue;
       }
   
       cacheValue = CacheHelper.Get(cacheKey);
       if (cacheValue != null) {
           return cacheValue;
       } else {
           //数据库查询不到，为空
           cacheValue = GetProductListFromDB();
           if (cacheValue == null) {
               //如果发现为空，设置个默认值，也缓存起来
               cacheValue = string.Empty;
           }
           CacheHelper.Add(cacheKey, cacheValue, cacheTime);
           return cacheValue;
       }
   }
   

• BloomFilter可以结合缓存空值用；

缓存击穿

缓存击穿：大量的请求同时查询同一个key时，此时这个key正好失效了，就会导致同一时间，这些请求都会去查询数据库，这样的现象我们称为缓存击穿。

解决方案

1. 采用分布式锁，只有拿到锁的第一个线程去请求数据库，然后插入缓存，当然每次拿到锁的时候都要去查询一下缓存有没有；

   //伪代码
   public object GetProductListNew() {
       int cacheTime = 30;
       String cacheKey = "product_list";
       String lockKey = cacheKey;
   
       String cacheValue = CacheHelper.get(cacheKey);
       if (cacheValue != null) {
           return cacheValue;
       } else {
           synchronized(lockKey) {
               cacheValue = CacheHelper.get(cacheKey);
               if (cacheValue != null) {
                   return cacheValue;
               } else {
                   // 这里一般是sql查询数据
                   cacheValue = GetProductListFromDB(); 
                   CacheHelper.Add(cacheKey, cacheValue, cacheTime);
               }
           }
           return cacheValue;
       }
   }
   

缓存雪崩

缓存雪崩：当某一时刻发生大规模的缓存失效的情况，如缓存服务宕机。

解决方案

针对服务器宕机：

1. 采用集群，降低服务宕机的概率；
2. ehcache本地缓存 + Hystrix限流&降级；【？？？】
   • ehcache 本地缓存：在 Redis Cluster 完全不可用的时候，ehcache 本地缓存做临时支持；
   • Hystrix进行限流 & 降级 ，比如一秒来了5000个请求，我们可以设置假设只能有一秒 2000个请求能通过这个组件，那么其他剩余的 3000 请求就会走限流逻辑；

热点数据失效

热点数据失效：缓存的数据集体过期；

解决方案

针对缓存过期：

1. 采用加锁或队列，来保证不会有大量的线程对数据库一次性进行读写；（缓存击穿的解决办法）
   • 加锁排队只是为了减轻数据库的压力，并没有提高系统吞吐量。甚至可能带来分布式锁的问题，因此，在真正的高并发场景下很少使用！
2. 为缓存设置不同的失效时间（原有的失效时间基础上增加一个随机值），避免集体失效；
3. 永不失效，就是采用定时任务对快要失效的缓存进行更新缓存和失效时间；
4. （设置过期标志更新缓存：）

   //伪代码
   public object GetProductListNew() {
       int cacheTime = 30;
       String cacheKey = "product_list";
       //缓存标记
       String cacheSign = cacheKey + "_sign";
   
       String sign = CacheHelper.Get(cacheSign);
       //获取缓存值
       String cacheValue = CacheHelper.Get(cacheKey);
       if (sign != null) {
           return cacheValue;   //未过期，直接返回
       } else {
           CacheHelper.Add(cacheSign, "1", cacheTime);
           ThreadPool.QueueUserWorkItem((arg) -> {
               //这里一般是 sql查询数据
               cacheValue = GetProductListFromDB(); 
               //日期设缓存时间的2倍，用于脏读
               CacheHelper.Add(cacheKey, cacheValue, cacheTime * 2);                 
           });
           return cacheValue;
       }
   }
   

   • 缓存标记：记录缓存数据是否过期，如果过期会触发通知另外的线程在后台去更新实际key的缓存；
   • 缓存数据：它的过期时间比缓存标记的时间延长1倍，例：标记缓存时间30分钟，数据缓存设置为60分钟。这样，当缓存标记key过期后，实际缓存还能把旧数据返回给调用端，直到另外的线程在后台更新完成后，才会返回新缓存。