缓存雪崩
在一个较短的时间内，缓存中较多的key过期,恰恰就是在较短的时间内，有很多请求访问过期key而未命中，让请求到达数据库数据库同时接收大量的请求，而无法及时处理，导致数据库崩溃.
解决：
1. 对key的过期时间进行分类错峰：均匀分布key的过期时间，避免大量key在较短时间内集中过期。设置过期时间时加个随机数。
2.超热key永不过期
缓存击穿
缓存击穿是指，针对某个访问非常频繁的热点数据的请求，无法在缓存中进行处理，紧接着，访问该数据的大量请求，一下子都发送到了后端数据库，导致了数据库压力激增，会影响数据库处理其他请求
解决：
1、在缓存访问非常频繁的热点数据时，不要设置过期时间。
为了避免缓存击穿给数据库带来的激增压力，我们的解决方法也比较直接，对于访问特别频繁的热点数据，我们就不设置过期时间了。这样一来，对热点数据的访问请求，都可以在缓存中进行处理，而 Redis 数万级别的高吞吐量可以很好地应对大量的并发请求访问
2、加互斥锁（缓存中没有数据，第1个进入的线程，获取锁并从数据库去取数据，没释放锁之前，其他并行进入的线程会等待100ms，再重新去缓存取数据。这样就防止都去数据库重复取数据，重复往缓存中更新数据情况出现）
缓存穿透
缓存穿透是指要访问的数据既不在 Redis 缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据。此时，应用也无法从数据库中读取数据再写入缓存，来服务后续请求，这样一来，缓存也就成了“摆设”，如果应用持续有大量请求访问数据，就会同时给缓存和数据库带来巨大压力 两个原因：
1、业务层误操作：缓存中的数据和数据库中的数据被误删除了，所以缓存和数据库中都没有数据；
2、恶意攻击：专门访问数据库中没有的数据。
解决：
1、缓存空值或缺省值。对查询结果为null的数据也进行缓存，设定较短的过期时间
2、使用布隆过滤器快速判断数据是否存在，避免从数据库中查询数据是否存在，减轻数据库压力。
布隆过滤器：
（不是100%命中非法key）
布隆过滤器说某个元素存在，小概率会误判。布隆过滤器说某个元素不在，那么这个元素一定不在。
由于布隆过滤器使用了多个哈希函数，因此具有较低的冲突率。它可以高效地判断一个元素是否不存在于集合中，但存在一定的误判率（即判断元素存在于集合中，而实际上并不存在）。误判率取决于位数组的长度和哈希函数的数量。
参考：
