為什麼叫緩存穿透

① 什麼是緩存穿透

最基本的就是首先做好參數校驗，一些不合法的參數請求直接拋出異常信息返回給客戶端。比如查詢的資料庫 id 不能小於 0、傳入的郵箱格式不對的時候直接返回錯誤消息給客戶端等等。

1）緩存無效 key : 如果緩存和資料庫都查不到某個 key 的數據就寫一個到 redis 中去並設置過期時間，具體命令如下：SET key value EX 10086。這種方式可以解決請求的 key 變化不頻繁的情況，如何黑客惡意攻擊，每次構建的不同的請求key，會導致 redis 中緩存大量無效的 key 。很明顯，這種方案並不能從根本上解決此問題。如果非要用這種方式來解決穿透問題的話，盡量將無效的 key 的過期時間設置短一點比如 1 分鍾。另外，一般情況下我們是這樣設計 key 的： 表名:列名:主鍵名:主鍵值。

2）布隆過濾器：布隆過濾器是一個非常神奇的數據結構，通過它我們可以非常方便地判斷一個給定數據是否存在與海量數據中。我們需要的就是判斷 key 是否合法，有沒有感覺布隆過濾器就是羨型者我們想要找的那個「人」。具體是這樣做的：把所有可能存在的請求的值都存放在布隆過濾器中兄薯，當用戶請求過來，我會先判斷用戶發來的請求的值是否存在於布隆過濾器中。不存在的話，直接返回請求參數錯誤信息給客戶端，存在的話才會走下面的流程。總結租態一下就是下面這張圖(這張圖片不是我畫的，為了省事直接在網上找的。

② redis緩存穿透，頻繁查詢db，怎麼解決

首先要明白redis資料庫

redis內存資料庫, 所數據基本都存於內存, 定追加或者快照式刷新硬碟.
由於redis內存資料庫, 所讀取寫入速度非快, 所經用做數據, 頁面等緩存

③ 該怎麼解決 Redis 緩存穿透和緩存雪崩問題

緩存雪崩： 由於緩存層承載著大量請求，有效地 保護了存儲層，但是如果緩存層由於某些原因不能提供服務，比如 Redis 節點掛掉了，熱點 key 全部失效了，在這些情況下，所有的請求都會直接請求到資料庫，可能會造成資料庫宕機的情況。
預防和解決緩存雪崩問題，可以從以下三個方面進行著手：
1、使用 Redis 高可用架構：使用 Redis 集群來保證 Redis 服務不會掛掉
2、緩存時間不一致： 給緩存的失效時間，加上一個隨機值，避免集體失效
3、限流降級策略：有一定的備案，比如個性推薦服務不可用了，換成熱點數據推薦服務
緩存穿透： 緩存穿透是指查詢一個根本不存在的數據，這樣的數據肯定不在緩存中，這會導致請求全部落到資料庫上，有可能出現資料庫宕機的情況。
預防和解決緩存穿透問題，可以考慮以下兩種方法：
1、緩存空對象： 將空值緩存起來，但是這樣就有一個問題，大量無效的空值將佔用空間，非常浪費。
2、布隆過濾器攔截： 將所有可能的查詢key 先映射到布隆過濾器中，查詢時先判斷key是否存在布隆過濾器中，存在才繼續向下執行，如果不存在，則直接返回。布隆過濾器有一定的誤判，所以需要你的業務允許一定的容錯性。

④ 緩存穿透的意義

緩存穿透是指查詢一個一定不存在的數據，由於緩存是不命中時被動寫的，並且正羨出於容錯考慮，如舉斗拍果從存儲層查不到數據則不寫入緩存，這將導致這個不存在的數據每次請求都要到存儲層去查詢，失去了緩存的意義。在流銷租量大時，可能DB就掛掉了，要是有人利用不存在的key頻繁攻擊我們的應用，這就是漏洞。

⑤ 華為技術架構師分享：高並發場景下緩存處理的一些思路

在實際的開發當中，我們經常需要進行磁碟數據的讀取和搜索，因此經常會有出現從資料庫讀取數據的場景出現。但是當數據訪問量次數增大的時候，過多的磁碟讀取可能會最終成為整個系統的性能瓶頸，甚至是壓垮整個資料庫，導致系統卡死等嚴重問題。

常規的應用系統中，我們通常會在需要的時候對資料庫進行查找，因此系統的大致結構如下所示：

1.緩存和資料庫之間數據一致性問題

常用於緩存處理的機制我總結為了以下幾種：

首先來簡單說說Cache aside的這種方式：

Cache Aside模式

這種模式處理緩存通常都是先從資料庫緩存查詢，如果緩存沒有命中則從資料庫中進行查找。

這裡面會發生的三種情況如下：

緩存命中：

當查詢的時候發現緩存存在，那麼直接從緩存中提取。

緩存失效：

當緩存沒有數據的時候，則從database裡面讀取源數據，再加入到cache裡面去。

緩存更新：

當有新的寫操作去修改database裡面的數據時，需要在寫操作完成之後，讓cache裡面對應的數據失效。

關於這種模式下依然會存在缺陷。比如，一個是讀操作，但是沒有命中緩存，然後就到資料庫中取數據，此時來了一個寫操作，寫完資料庫後，讓緩存失效，然後，之前的那個讀操作再把老的數據放進去，所以，會造成臟數據。

Facebook的大牛們也曾經就緩存處理這個問題發表過相關的論文，鏈接如下:

分布式環境中要想完全的保證數據一致性是一件極為困難的事情，我們只能夠盡可能的減低這種數據不一致性問題產生的情況。

Read Through模式

Read Through模式是指應用程序始終從緩存中請求數據。 如果緩存沒有數據，則它負責使用底層提供程序插件從資料庫中檢索數據。 檢索數據後，緩存會自行更新並將數據返回給調用應用程序。使用Read Through 有一個好處。

我們總是使用key從緩存中檢索數據, 調用的應用程序不知道資料庫， 由存儲方來負責自己的緩存處理，這使代碼更具可讀性， 代碼更清晰。但是這也有相應的缺陷，開發人員需要給編寫相關的程序插件，增加了開發的難度性。

Write Through模式

Write Through模式和Read Through模式類似，當數據發生更新的時候，先去Cache裡面進行更新，如果命中了，則先更新緩存再由Cache方來更新database。如果沒有命中的話，就直接更新Cache裡面的數據。

2.緩存穿透問題

在高並發的場景中，緩存穿透是一個經常都會遇到的問題。

什麼是緩存穿透？

大量的請求在緩存中沒有查詢到指定的數據，因此需要從資料庫中進行查詢，造成緩存穿透。

會造成什麼後果？

大量的請求短時間內湧入到database中進行查詢會增加database的壓力，最終導致database無法承載客戶單請求的壓力，出現宕機卡死等現象。

常用的解決方案通常有以下幾類：

1.空值緩存

在某些特定的業務場景中，對於數據的查詢可能會是空的，沒有實際的存在，並且這類數據信息在短時間進行多次的反復查詢也不會有變化，那麼整個過程中，多次的請求資料庫操作會顯得有些多餘。

不妨可以將這些空值（沒有查詢結果的數據）對應的key存儲在緩存中，那麼第二次查找的時候就不需要再次請求到database那麼麻煩，只需要通過內存查詢即可。這樣的做法能夠大大減少對於database的訪問壓力。

2.布隆過濾器

通常對於database裡面的數據的key值可以預先存儲在布隆過濾器裡面去，然後先在布隆過濾器裡面進行過濾，如果發現布隆過濾器中沒有的話，就再去redis裡面進行查詢，如果redis中也沒有數據的話，再去database查詢。這樣可以避免不存在的數據信息也去往存儲庫中進行查詢情況。

什麼是緩存雪崩？

當緩存伺服器重啟或者大量緩存集中在某一個時間段失效，這樣在失效的時候，也會給後端系統(比如DB)帶來很大壓力。

如何避免緩存雪崩問題？

1.使用加鎖隊列來應付這種問題。當有多個請求湧入的時候，當緩存失效的時候加入一把分布式鎖，只允許搶鎖成功的請求去庫裡面讀取數據然後將其存入緩存中，再釋放鎖，讓後續的讀請求從緩存中取數據。但是這種做法有一定的弊端，過多的讀請求線程堵塞，將機器內存占滿，依然沒有能夠從根本上解決問題。

2.在並發場景發生前，先手動觸發請求，將緩存都存儲起來，以減少後期請求對database的第一次查詢的壓力。數據過期時間設置盡量分散開來，不要讓數據出現同一時間段出現緩存過期的情況。

3.從緩存可用性的角度來思考，避免緩存出現單點故障的問題，可以結合使用 主從+哨兵的模式來搭建緩存架構，但是這種模式搭建的緩存架構有個弊端，就是無法進行緩存分片，存儲緩存的數據量有限制，因此可以升級為Redis Cluster架構來進行優化處理。（需要結合企業實際的經濟實力，畢竟Redis Cluster的搭建需要更多的機器）

4.Ehcache本地緩存 + Hystrix限流&降級,避免MySQL被打死。

使用 Ehcache本地緩存的目的也是考慮在 Redis Cluster 完全不可用的時候，Ehcache本地緩存還能夠支撐一陣。

使用 Hystrix進行限流 & 降級 ，比如一秒來了5000個請求，我們可以設置假設只能有一秒 2000個請求能通過這個組件，那麼其他剩餘的 3000 請求就會走限流邏輯。

然後去調用我們自己開發的降級組件（降級），比如設置的一些默認值呀之類的。以此來保護最後的 MySQL 不會被大量的請求給打死。

⑥ 「干貨」redis面試題

Redis 的全稱是：Remote Dictionary.Server，本質上是一個 Key-Value 類型的內存資料庫，很像

memcached，整個資料庫統統載入在內存當中進行操作，定期通過非同步操爛祥作把資料庫數據 flush 到硬碟

上進行保存。

因為是純內存操作，Redis 的性能非常出色，每秒可以處理超過 10 萬次讀寫操作，是已知性能最快的

Key-Value DB。

Redis 的出色之處不僅僅是性能，Redis 最大的魅力是支持保存多種數據結構，此外單個 value 的最大限

制是 1GB，不像 memcached 只能保存 1MB 的數據，因此 Redis 可以用來實現很多有用的功能。敗大

比方說用他的 List 來做 FIFO 雙向鏈表，實現一個輕量級的高性 能消息隊列服務，用他的 Set 可以做高

性能的 tag 系統等等。

另外 Redis 也可以對存入的 Key-Value 設置 expire 時間，因此也可以被當作一 個功能加強版的

memcached 來用。 Redis 的主要缺點是資料庫容量受到物理內存的限制，不能用作海量數據的高性能

讀寫，因此 Redis 適合的場景主要局限在較小數據量的高性能操作和運算上。

1.memcached 所有的值均是簡單的字元串，redis 作為其替代者，支持更為豐富的數據類型

2.redis 的速度比 memcached 快很多 redis 的速度比 memcached 快很多

3.redis 可以持久化其數據 redis 可以持飢枯搏久化其數據

String、List、Set、Sorted Set、hashes

內存。

1.noeviction:返回錯誤當內存限制達到，並且客戶端嘗試執行會讓更多內存被使用的命令。

2.allkeys-lru: 嘗試回收最少使用的鍵（LRU），使得新添加的數據有空間存放。

3.volatile-lru: 嘗試回收最少使用的鍵（LRU），但僅限於在過期集合的鍵,使得新添加的數據有空間存

放。

4.allkeys-random: 回收隨機的鍵使得新添加的數據有空間存放。

5.volatile-random: 回收隨機的鍵使得新添加的數據有空間存放，但僅限於在過期集合的鍵。

6.volatile-ttl: 回收在過期集合的鍵，並且優先回收存活時間（TTL）較短的鍵,使得新添加的數據有空間

存放。

因為目前 Linux 版本已經相當穩定，而且用戶量很大，無需開發 windows 版本，反而會帶來兼容性等問

題。

512M

Redis 為了達到最快的讀寫速度將數據都讀到內存中，並通過非同步的方式將數據寫入磁碟。

所以 redis 具有快速和數據持久化的特徵，如果不將數據放在內存中，磁碟 I/O 速度為嚴重影響 redis 的

性能。

在內存越來越便宜的今天，redis 將會越來越受歡迎， 如果設置了最大使用的內存，則數據已有記錄數達

到內存限值後不能繼續插入新值。

1.codis 2.目前用的最多的集群方案，基本和 twemproxy 一致的效果，但它支持在節點數量改變情況下，舊節點

數據可恢復到新 hash 節點。

redis cluster3.0 自帶的集群，特點在於他的分布式演算法不是一致性 hash，而是 hash 槽的概念，以及自

身支持節點設置從節點。具體看官方文檔介紹。

3.在業務代碼層實現，起幾個毫無關聯的 redis 實例，在代碼層，對 key 進行 hash 計算，然後去對應的

redis 實例操作數據。這種方式對 hash 層代碼要求比較高，考慮部分包括，節點失效後的替代演算法方

案，數據震盪後的自動腳本恢復，實例的監控，等等。

有 A，B，C 三個節點的集群,在沒有復制模型的情況下,如果節點 B 失敗了，那麼整個集群就會以為缺少

5501-11000 這個范圍的槽而不可用。

redis 內存數據集大小上升到一定大小的時候，就會施行數據淘汰策略。

（1）會話緩存（Session Cache）

最常用的一種使用 Redis 的情景是會話緩存（sessioncache），用 Redis 緩存會話比其他存儲（如

Memcached）的優勢在於：Redis 提供持久化。當維護一個不是嚴格要求一致性的緩存時，如果用戶的

購物車信息全部丟失，大部分人都會不高興的，現在，他們還會這樣嗎？

幸運的是，隨著 Redis 這些年的改進，很容易找到怎麼恰當的使用 Redis 來緩存會話的文檔。甚至廣為

人知的商業平台 Magento 也提供 Redis 的插件。

（2）全頁緩存（FPC）

除基本的會話 token 之外，Redis 還提供很簡便的 FPC 平台。回到一致性問題，即使重啟了 Redis 實

例，因為有磁碟的持久化，用戶也不會看到頁面載入速度的下降，這是一個極大改進，類似 PHP 本地

FPC。

再次以 Magento 為例，Magento 提供一個插件來使用 Redis 作為全頁緩存後端。

此外，對 WordPress 的用戶來說，Pantheon 有一個非常好的插件 wp-redis，這個插件能幫助你以最快

速度載入你曾瀏覽過的頁面。

（3）隊列

Reids 在內存存儲引擎領域的一大優點是提供 list 和 set 操作，這使得 Redis 能作為一個很好的消息隊列

平台來使用。Redis 作為隊列使用的操作，就類似於本地程序語言（如 Python）對 list 的 push/pop

操作。

如果你快速的在 Google 中搜索「Redis queues」，你馬上就能找到大量的開源項目，這些項目的目的

就是利用 Redis 創建非常好的後端工具，以滿足各種隊列需求。例如，Celery 有一個後台就是使用

Redis 作為 broker，你可以從這里去查看。

（4）排行榜/計數器 Redis 在內存中對數字進行遞增或遞減的操作實現的非常好。集合（Set）和有序集合（SortedSet）也使

得我們在執行這些操作的時候變的非常簡單，Redis 只是正好提供了這兩種數據結構。

所以，我們要從排序集合中獲取到排名最靠前的 10 個用戶–我們稱之為「user_scores」，我們只需要像

下面一樣執行即可：

當然，這是假定你是根據你用戶的分數做遞增的排序。如果你想返回用戶及用戶的分數，你需要這樣執

行：

ZRANGE user_scores 0 10 WITHSCORES

Agora Games 就是一個很好的例子，用 Ruby 實現的，它的排行榜就是使用 Redis 來存儲數據的，你可

以在這里看到。

立聊天系統！

Redisson、Jedis、lettuce 等等，官方推薦使用 Redisson。

Redisson 是一個高級的分布式協調 Redis 客服端，能幫助用戶在分布式環境中輕松實現一些 Java 的對

象 (Bloom filter, BitSet, Set, SetMultimap, ScoredSortedSet, SortedSet, Map, ConcurrentMap,

List, ListMultimap, Queue, BlockingQueue, Deque, BlockingDeque, Semaphore, Lock,

ReadWriteLock, AtomicLong, CountDownLatch, Publish / Subscribe, HyperLogLog)。

Jedis 是 Redis 的 Java 實現的客戶端，其 API 提供了比較全面的 Redis 命令的支持；

Redisson 實現了分布式和可擴展的 Java 數據結構，和 Jedis 相比，功能較為簡單，不支持字元串操作，

Redis 集群沒有使用一致性 hash,而是引入了哈希槽的概念，Redis 集群有 16384 個哈希槽，每個 key 通

過 CRC16 校驗後對 16384 取模來決定放置哪個槽，集群的每個節點負責一部分 hash 槽。

為了使在部分節點失敗或者大部分節點無法通信的情況下集群仍然可用，所以集群使用了主從復制模型,

每個節點都會有 N-1 個復製品.

Redis 並不能保證數據的強一致性，這意味這在實際中集群在特定的條件下可能會丟失寫操作。

非同步復制

16384 個

Redis 集群目前無法做資料庫選擇，默認在 0 資料庫。

一次請求/響應伺服器能實現處理新的請求即使舊的請求還未被響應，這樣就可以將多個命令發送到服務

器，而不用等待回復，最後在一個步驟中讀取該答復。

這就是管道（pipelining），是一種幾十年來廣泛使用的技術。例如許多 POP3 協議已經實現支持這個功

能，大大加快了從伺服器下載新郵件的過程。

事務是一個單獨的隔離操作：事務中的所有命令都會序列化、按順序地執行，事務在執行的過程中，不會被其他客戶端發送來的命令請求所打斷。

事務是一個原子操作：事務中的命令要麼全部被執行，要麼全部都不執行。

MULTI、EXEC、DISCARD、WATCH

EXPIRE 和 PERSIST 命令

盡可能使用散列表（hashes），散列表（是說散列表裡面存儲的數少）使用的內存非常小，所以你應該盡可能的將你的數據模型抽象到一個散列表裡面。

比如你的 web 系統中有一個用戶對象，不要為這個用戶的名稱，姓氏，郵箱，密碼設置單獨的 key,而是應該把這個用戶的所有信息存儲到一張散列表裡面。

一個客戶端運行了新的命令，添加了新的數據。Redi 檢查內存使用情況，如果大於 maxmemory 的限制, 則根據設定好的策略進行回收。一個新的命令被執行，等等。

所以我們不斷地穿越內存限制的邊界，通過不斷達到邊界然後不斷地回收回到邊界以下。

如果一個命令的結果導致大量內存被使用（例如很大的集合的交集保存到一個新的鍵），不用多久內存限制就會被這個內存使用量超越。

咱們來看上面那張圖，現在某個客戶端要加鎖。如果該客戶端面對的是一個 redis cluster 集 群，他首先會根據 hash 節點選擇一台機器。這里注意，僅僅只是選擇一台機器！這點很關 鍵！緊接著，就會發送一段 lua 腳本到 redis 上，那段 lua 腳本如下所示：

為啥要用 lua 腳本呢？因為一大坨復雜的業務邏輯，可以通過封裝在 lua 腳本中發送給 redis， 保證這段復雜業務邏輯執行的原子性。

那麼，這段 lua 腳本是什麼意思呢？這里 KEYS[1]代表的是你加鎖的那個 key，比如說：RLoc

k lock = redisson.getLock("myLock");這里你自己設置了加鎖的那個鎖 key 就是「myLock」。

ARGV[1]代表的就是鎖 key 的默認生存時間，默認 30 秒。ARGV[2]代表的是加鎖的客戶端的 I D，類似於下面這樣：8743c9c0-0795-4907-87fd-6c719a6b4586:1

給大家解釋一下，第一段 if 判斷語句，就是用「exists myLock」命令判斷一下，如果你要加鎖 的那個鎖 key 不存在的話，你就進行加鎖。如何加鎖呢？很簡單，用下面的命令：hset myLoc k 8743c9c0-0795-4907-87fd-6c719a6b4586:1 1，通過這個命令設置一個 hash 數據結構，這行 命令執行後，會出現一個類似下面的數據結構：

上述就代表「8743c9c0-0795-4907-87fd-6c719a6b4586:1」這個客戶端對「myLock」這個鎖 key 完 成了加鎖。接著會執行「pexpire myLock 30000」命令，設置 myLock 這個鎖 key 的生存時間 是 30 秒。好了，到此為止，ok，加鎖完成了。

那麼在這個時候，如果客戶端 2 來嘗試加鎖，執行了同樣的一段 lua 腳本，會咋樣呢？很簡 單，第一個 if 判斷會執行「exists myLock」，發現 myLock 這個鎖 key 已經存在了。接著第二 個 if 判斷，判斷一下，myLock 鎖 key 的 hash 數據結構中，是否包含客戶端 2 的 ID，但是明 顯不是的，因為那裡包含的是客戶端 1 的 ID。

所以，客戶端 2 會獲取到 pttl myLock 返回的一個數字，這個數字代表了 myLock 這個鎖 key 的剩餘生存時間。比如還剩 15000 毫秒的生存時間。此時客戶端 2 會進入一個 while 循環，不 停的嘗試加鎖。

客戶端 1 加鎖的鎖 key 默認生存時間才 30 秒，如果超過了 30 秒，客戶端 1 還想一直持有這把 鎖，怎麼辦呢？

簡單！只要客戶端 1 一旦加鎖成功，就會啟動一個 watch dog 看門狗，他是一個後台線程，會 每隔 10 秒檢查一下，如果客戶端 1 還持有鎖 key，那麼就會不斷的延長鎖 key 的生存時間。

31.可重入加鎖機制

那如果客戶端 1 都已經持有了這把鎖了，結果可重入的加鎖會怎麼樣呢？比如下面這種代碼：

這時我們來分析一下上面那段 lua 腳本。第一個 if 判斷肯定不成立，「exists myLock」會顯示鎖 key 已經存在了。第二個 if 判斷會成立，因為 myLock 的 hash 數據結構中包含的那個 ID，就 是客戶端 1 的那個 ID，也就是「8743c9c0-0795-4907-87fd-6c719a6b4586:1」 此時就會執行可重入加鎖的邏輯，他會用：

incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1 ，通過這個命令，對客戶端 1 的加鎖次數，累加 1。此時 myLock 數據結構變為下面這樣：

大家看到了吧，那個 myLock 的 hash 數據結構中的那個客戶端 ID，就對應著加鎖的次數

如果執行 lock.unlock()，就可以釋放分布式鎖，此時的業務邏輯也是非常簡單的。其實說白 了，就是每次都對 myLock 數據結構中的那個加鎖次數減 1。如果發現加鎖次數是 0 了，說明 這個客戶端已經不再持有鎖了，此時就會用：「del myLock」命令，從 redis 里刪除這個 key。 然後呢，另外的客戶端 2 就可以嘗試完成加鎖了。這就是所謂的分布式鎖的開源 Redisson 框 架的實現機制。

一般我們在生產系統中，可以用 Redisson 框架提供的這個類庫來基於 redis 進行分布式鎖的加 鎖與釋放鎖。

其實上面那種方案最大的問題，就是如果你對某個 redis master 實例，寫入了 myLock 這種鎖 key 的 value，此時會非同步復制給對應的 master slave 實例。但是這個過程中一旦發生 redis m aster 宕機，主備切換，redis slave 變為了 redis master。

接著就會導致，客戶端 2 來嘗試加鎖的時候，在新的 redis master 上完成了加鎖，而客戶端 1 也以為自己成功加了鎖。此時就會導致多個客戶端對一個分布式鎖完成了加鎖。這時系統在業 務語義上一定會出現問題，導致各種臟數據的產生。

所以這個就是 redis cluster，或者是 redis master-slave 架構的主從非同步復制導致的 redis 分布 式鎖的最大缺陷：在 redis master 實例宕機的時候，可能導致多個客戶端同時完成加鎖。

先拿 setnx 來爭搶鎖，搶到之後，再用 expire 給鎖加一個過期時間防止鎖忘記了釋放。

如果在 setnx 之後執行 expire 之前進程意外 crash 或者要重啟維護了，那會怎麼樣？

set 指令有非常復雜的參數，這個應該是可以同時把 setnx 和 expire 合成一條指令來用的！

緩存穿透

一般的緩存系統，都是按照 key 去緩存查詢，如果不存在對應的 value，就應該去後端系統查找（比如DB）。一些惡意的請求會故意查詢不存在的 key,請求量很大，就會對後端系統造成很大的壓力。這就叫做緩存穿透。

如何避免？

1：對查詢結果為空的情況也進行緩存，緩存時間設置短一點，或者該 key 對應的數據 insert 了之後清理緩存。

2：對一定不存在的 key 進行過濾。可以把所有的可能存在的 key 放到一個大的 Bitmap 中，查詢時通過該 bitmap 過濾。

緩存雪崩

當緩存伺服器重啟或者大量緩存集中在某一個時間段失效，這樣在失效的時候，會給後端系統帶來很大壓力。導致系統崩潰。

如何避免？

1：在緩存失效後，通過加鎖或者隊列來控制讀資料庫寫緩存的線程數量。比如對某個 key 只允許一個線程查詢數據和寫緩存，其他線程等待。

2：做二級緩存，A1 為原始緩存，A2 為拷貝緩存，A1 失效時，可以訪問 A2，A1 緩存失效時間設置為短期，A2 設置為長期

3：不同的 key，設置不同的過期時間，讓緩存失效的時間點盡量均勻

⑦ 什麼是緩存穿透有哪些解決辦法

緩存穿透：指查詢一個一定不存在的數據，由於緩存是不命中時需要從資料庫查詢，查不到數據則不寫入緩存，這將導致這個不存在的數據每次請求都要到資料庫去查詢，造成緩存穿透。
解決方案：最簡單粗暴的方法如果一個查詢返回的數據為空（不管是數據不存在，還是系統故障），我們就把這個空結果進行緩存，但它的過期時間會很短，最長不超過五分鍾。

⑧ 緩存穿透和緩存擊穿有什麼區別

兩者計算的功能是不同的，因為它們所需的能量不同。
前者要達到的需求是要穿透這個設備，而另一個是需要完成擊穿，通過正常運行。

⑨ 緩存擊穿、穿透、雪崩及Redis分布式鎖

分布式鎖: setnx ,redisson 並發問題
冪等問題: 落表狀態,Redis

緩存擊穿: 指緩存中無,db中有
原因: 一個key高並發恰好失效導致大量請求到db
方案: 加鎖,自旋鎖,或一個線程查db,一個線程監控(直接用Redisson分布式鎖)

緩存穿透:指緩存和db中均無
原因: 一般是惡意請求
方案: 加布隆過濾,或查db無時,也設置緩存,value為某些特殊表示或"null"

雪崩:指緩存同時大量失效
原因: 大量的key同時失效,db壓力加大
方案: 設置失效時間是增加隨機數

問題方案文獻:
https://www.jianshu.com/p/31ab9b020cd9 (圖例分析)

https://blog.csdn.net/fcvtb/article/details/89478554

Redis分布式鎖:

事務未執行完鎖已到期釋放問題：使用Redissoin解決續租問題，內部已解決

分布式鎖文獻:
https://www.jianshu.com/p/4838f8be00c9
https://blog.csdn.net/qq_30038111/article/details/90696233 (setnx + expire同時操作)

====================================

https://www.runoob.com/redis/keys-scan.html
https://www.jianshu.com/p/611a492d9121 Redis原理與應用

⑩ 簡述高並發下緩存擊穿，穿透，雪崩

補充：之前用hystrix，做熔斷，降級，限流。現在可以用阿里旗賀陪下的sentinel（接受過雙十一的禪州蠢洗禮）跡態