redis缓存穿透-击穿-雪崩
缓存穿透：
查询永远绕过了缓存直接查询后台数据库，并且查询的是一个不可能存在的数据
解决方案：
当查询数据时，如果没有查询到数据，也将null返回给前端用户，同时将null数据插入缓存中，并且设置一定的过期时间。
缓存空值会有两个问题：
1、空值做了缓存，意味着缓存中存了更多的键，需要更多的内存空间；；比较有效的办法是，针对这类数据设置一个较短的过期时间，自动删除
2、缓存层和存储层的数据会有一段时间不一致，可能会对业务有一定影响，例如过期时间设定的是5分钟，如果这个时候存储添加了这条数据，那么时间就会出现缓存层和存储层的数据不一致；；这个可以利用消息系统或者其它方式清除缓存中的空对象
缓存雪崩：
大量的key设置了相同的过期时间，缓存集中在一段时间内失效，造成瞬间数据的请求数量增大，压力骤增，引起缓存雪崩
解决方案：
限流加锁排队
在缓存失效后，通过对某一个key加锁或者是队列来控制key的线程访问的数量，比如：某一个key只允许一个线程操作，比较常用的做法，是使用mutex
限流：
在缓存失效后，某一个key做count统计限流，达到一定的阈值，直接丢弃，不再 查询数据库
数据预热:
可以通过缓存reload机制，预先去更新缓存，再即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀
做缓存降级（二级缓存）
当分布式缓存失效的时候，可以采用本地缓存，本地缓存没有再查询数据库，这种方式避免很多数据分布式缓存没有，就直接打到数据的情况
缓存击穿
是指一个key非常热点，在不停的扛着大并发，大并发集中对这个点进行访问，当这个key在失效的瞬间，持续的大并发穿破缓存，直接请求数据库
解决方案：
互斥锁
可以把key提前准备好，让缓存一直不过期
缓存与数据库数据不一致：
在并发情况下，同时操作数据与缓存会存在数据不一致的情况
解决方案：
- 对于并发几率很小的数据，这种不用考虑这个问题，很少发生缓存不一致，可以给缓存数据加上过期时间，每隔一段时间触发读的主动更新
- 就算并发很高，如果业务上能够容忍时间的缓存数据不一致，缓存加上过期时间依然可以解决大部分业务对于缓存的要求
- 如果不能容忍缓存数据不一致，可以通过加读写保证并发读写或双写的时间顺序排队，双读的时候相当于无锁
- 也可以用canal通过监听数据库的binlog日志及时的去修改缓存，只不过这里增加了系统的复杂度
