前言
一聊到redis，必不可少的就是缓存三兄弟的问题，即缓存穿透、缓存击穿和缓存雪崩，这三个问题在业务场景中相对来说比较常见的，也是比较基础的三种问题。那么这三种问题是如何引起的，并且应该如何解决，就是本章探讨的话题。
一、问题前引
大家都知道，Redis一般搭配MySQL来使用，来充当缓存处理一些业务数据。但为什么要Redis用来充当缓存呢，不能直接使用MySQL吗？
当然是可以的，但是对于一些请求量大并发次数高的场景就有问题了。
MySQL是基于磁盘的，请求查询速度偏慢，所以就需要一个基于内存的速度快的工具来缓存这些数据，Redis就应运而生了。而且当大量请求到来时，只有MySQL的话，有可能承受不住大量请求导致MySQL宕机，此时就会影响到整个服务器，所以Redis此时又充当了一个保护缓冲的作用。
二、缓存穿透
1. 问题描述
缓存穿透主要体现在穿透两个字上，穿透即为穿过缓存，打到数据库上。
当一个请求访问的时候，此时Redis没有缓存该数据，然后去数据库查询该数据也查询到，说明没有该数据。
此时你或许还不以为然，不就一个空数据吗？多稀罕啊。
但如果该请求是恶意请求，此时无数条请求同时访问，缓存中没有，全部都会打在数据库上，刚好还是类似于
select * from table where name = "李白"
表中有1000万条数据，name字段也没有创建索引。这时候问题是不是就大了？服务器稍微差一点，就会直接宕机。
这时你或许该问了，那该如何解决呢？不要急，机智的程序猿肯定有应对之法。
2. 问题解决
2.1 缓存空数据
如果此时将请求的数据缓存起来，是不是就可以避免请求打到数据库了？
你现在或许又要问了，空数据怎么缓存呢？没错，就是缓存空数据。
如果请求的数据查询数据为空的话，就将该数据为空值缓存到Redis中，以后每次请求都直接访问Redis，查询到该数据，直接返回空值。这样就避免恶意请求全部打到数据库了。
2.2 布隆过滤器
不了解布隆过滤器的同学可以看这篇文章
布隆过滤器 (Bloom Filter)是由 Burton Howard Bloom 于 1970 年提出，它是一种 space efficient 的概率型数据结构，用于判断一个元素是否在集合中。
当布隆过滤器说，某个数据存在时，这个数据可能不存在；当布隆过滤器说，某个数据不存在时，那么这个数据一定不存在。
哈希表也能用于判断元素是否在集合中，但是布隆过滤器只需要哈希表的 1/8 或 1/4 的空间复杂度就能完成同样的问题。
布隆过滤器可以插入元素，但不可以删除已有元素。
其中的元素越多，false positive rate(误报率)越大，但是 false negative (漏报)是不可能的。 布隆过滤器原理
BloomFilter 的算法是，首先分配一块内存空间做 bit 数组，数组的 bit 位初始值全部设为 0。
加入元素时，采用 k 个相互独立的 Hash 函数计算，然后将元素 Hash 映射的 K 个位置全部设置为 1。
检测 key 是否存在，仍然用这 k 个 Hash 函数计算出 k 个位置，如果位置全部为 1，则表明 key 存在，否则不存在。
如下图所示：
三、缓存击穿
1. 问题描述
缓存击穿一般常见于电商场景，在双十一和六一八这种大促活动中，缓存中会缓存一些热点数据，随时都有大量的请求访问这个数据。
当某个时刻这个数据突然过期，大量请求就会集中打到MySQL数据库中。
如何解决这个问题呢？
2. 问题解决
该问题导致的原因是因为该缓存数据过期了，但却有大量请求访问该数据；
有两条思路去解决：
不让该数据过期不让大量请求访问数据库
2.1 设置逻辑过期
热点数据随时都会有变化，不设置过期时间的话会导致更多问题，不能因此失彼。
但可以换一个思路，在数据过期时无缝衔接一个新数据，在请求看来这就是没有过期时间的一个数据。
此时如果大量请求访问该数据，刚好该数据缓存逻辑过期，但没有设置物理过期时间，所以数据并不会被redis清除。
此时由业务代码去判断，该缓存是否过期，如果过期则获取互斥锁新建一个子线程去访问数据库重新设置缓存，主线程返回过期数据，没有获取互斥锁的都返回过期数据。
完整代码如下：
//逻辑过期
public Shop queryWithLogicalExpire(Long id) {
String key = CACHE_SHOP_KEY + id;
//1.从redis查询商铺缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
//2.判断是否存在
if (StrUtil.isBlank(shopJson)) {
//3.未命中
return null;
}
//4.命中，需要先把json反序列化为对象
RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
Shop shop = (Shop) redisData.getData();
LocalDateTime expireTime = redisData.getExpireTime();
//5.判断是否过期
if (expireTime.isAfter(LocalDateTime.now())) {
//5.1还未过期
return shop;
}
//5.2已经过期，需要缓存重建
//6.缓存重建
//6.1获取互斥锁
String lockKey = LOCK_SHOP_KEY + id;
boolean isLock = tryLock(lockKey);
//6.2判断是否获取锁成功
if (isLock) {
// 6.3成功，开启独立线程，实现缓存重建
CACHE_REBUILD_EXECUTOR.submit(() -> {
try {
//重建缓存
this.saveShop2Redis(id, 20L);
} catch (Exception e) {
e.printStackTrace();
} finally {
//释放锁
unlock(lockKey);
}
});
}
//6.4返回过期的店铺信息
//7.返回
return shop;
}
2.2 设置互斥锁
怎么才能不让大量数据去访问数据库呢？
或许大家已经想到了，上面设置逻辑过期用到过的一个功能：互斥锁。
请求首先访问缓存，如果命中的话，直接返回该数据。
如果未命中的话，则去获取互斥锁，获取成功则查询数据库重新设置缓存，获取失败，则重试获取缓存数据。
完整代码如下：
/**
* 通过互斥锁机制查询商铺信息
* @param key
*/
private Shop queryShopWithMutex(String key, String cityCode) {
Shop shop = null;
// 1.查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 2.判断缓存是否有数据
if (StringUtils.isNotBlank(shopJson)) {
// 3.有,则返回
shop = JSONObject.parseObject(shopJson, Shop.class);
return shop;
}
// 4.无,则获取互斥锁
String lockKey = RedisConstants.LOCK_SHOP_KEY + shopCode;
Boolean isLock = tryLock(lockKey);
// 5.判断获取锁是否成功
try {
if (!isLock) {
// 6.获取失败, 休眠并重试
Thread.sleep(100);
return queryShopWithMutex(key, shopCode);
}
// 7.获取成功, 查询数据库
shop = baseMapper.getByCode(shopCode);
// 8.判断数据库是否有数据
if (shop == null) {
// 9.无,则将空数据写入redis
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
return null;
}
// 10.有,则将数据写入redis
stringRedisTemplate.opsForValue().set(key, JSONObject.toJSONString(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
} catch (Exception e) {
throw new RuntimeException(e);
} finally {
// 11.释放锁
unLock(lockKey);
}
// 12.返回数据
return shop;
}
关于两种方案，各有各的优缺点
- 逻辑过期： 及时性高，但数据不是最新数据，适合最终一致性的业务
- 互斥锁： 一致性高，但会有数据延迟，适合强一致性的业务
四、缓存雪崩
1. 问题描述
缓存雪崩可以简单的理解为大范围的缓存击穿。
有两个可能引起缓存雪崩问题：
有大量的热门缓存同时失效。会导致大量的请求，访问数据库。而数据库很有可能因为扛不住压力，而直接挂掉。缓存服务器down机了，可能是机器硬件问题，或者机房网络问题。造成了整个缓存的不可用。
2. 问题解决
2.1 设置随机过期时间
为了解决缓存雪崩问题，我们首先要尽量避免缓存同时失效的情况发生。
这就要求我们不要设置相同的过期时间。
可以在设置的过期时间基础上，再加个1~60秒的随机数。
实际过期时间 = 过期时间 + 1~60秒的随机数
这样即使在高并发的情况下，多个请求同时设置过期时间，由于有随机数的存在，也不会出现太多相同的过期key。
2.2 缓存高可用
针对缓存服务器down机的情况，在前期做系统设计时，可以做一些高可用架构。
可以使用哨兵机制或者集群模式，当一个Redis宕机，随时会有一个Redis补充上来，避免一个Redis宕机而导致大量请求去访问数据库，而使数据库压力过载。
比如使用哨兵模式之后，当某个master服务下线时，自动将该master下的某个slave服务升级为master服务，替代已下线的master服务继续处理请求。
总结
缓存穿透、缓存击穿和缓存雪崩是三种与缓存相关的常见问题，它们的概念和影响有所不同。
关于Redis缓存三兄弟的问题及解决主要就是以下几个方面：
缓存穿透：
- 缓存穿透指的是对于一个不存在于缓存和数据库中的数据的请求，每次请求都会穿过缓存层直接访问数据库。
- 恶意的攻击者可以通过构造不存在的数据请求，导致大量请求直接访问数据库，增加数据库负载压力。
- 解决缓存穿透可以采用存储空数据和合适的校验技术，例如使用布隆过滤器等技术，在缓存层进行初步过滤，避免无效请求直接访问数据库。
缓存击穿：
- 缓存击穿指的是在高并发情况下，一个热点数据过期或失效时，大量请求同时涌入数据库，造成数据库压力激增。
- 由于热点数据没有命中缓存，而直接访问数据库，使得缓存无法发挥作用，增加了数据库的负载。
- 解决缓存击穿可以采取设置热点数据永不过期，或者使用互斥锁等机制来控制只有一个线程去加载数据。
缓存雪崩：
- 缓存雪崩指的是在某个时间点，缓存中的大量数据同时失效或过期或者缓存服务宕机，导致大量请求直接访问后端数据库，造成数据库压力过大。
- 当缓存中的数据集中过期或失效时，没有缓存可用，导致大量请求直接访问数据库，可能引起数据库负载激增甚至崩溃。
- 解决缓存雪崩可以采用合理的缓存失效时间设置、使用高可用架构等方式来减少缓存失效的风险。
当然能解决的方式有很多，这里只是列举出来常见的解决方法。如果有更好的建议可以发在评论区。