缓存穿透、雪崩、击穿、一致性

• 缓存穿透
  1. 对一个不存在的数据进行请求，该请求会直接穿透缓存，到数据库查询，数据库中也没有。当并发查不存在的数据时，大量请求到达数据库，给数据库造成很大压力。
  2. 解决方案：
     1. 过滤请求： 接口层增加校验 如id校验 若id<=0 直接拦截

     2. 布隆过滤器

        布隆过滤器可以判断某个数据不存在 或 可能存在

        方法：k个hash函数将key散列成k个整数；设置长度为n的比特数组 初始时都为0；对已存在的数据 也就是已有的key 用k个hash函数计算出k个散列值，比特数组中对应的位置置1；查询是否存在时，若k个散列值有一个为0则不存在，全为1则可能存在

        将可能查询的key 存入布隆过滤器，用户查询时 发现不存在 则直接丢弃 不对持久层查询

        问题： 布隆过滤器不支持删除

     3. 缓存空对象

        1.   持久层不命中时，将空对象缓存起来，并设置短过期时间（避免占用资源）

        2. 问题：缓冲空值占用空间，因为要缓存具有空值的键；即使设置过期时间，也存在缓存层与持久化层时间窗口不一致，影响保持一致性的业务

• 缓存雪崩
  1. 大量请求到达数据库，由于1数据未被加载到缓存；2缓存在同一时间大面积失效；3缓存服务器宕机
  2. 解决方案
     1. 进行缓存预热（提前将数据加载到缓存，避免在请求时先查询数据库），避免系统刚启动不久还未将大量数据进行缓存时导致的雪崩
     2. 观察用户行为，合理设置缓存过期时间；在默认的缓存时间上加随机1-5分钟；避免同一时间大面积过期导致的雪崩
     3. 分布式缓存，每个节点只缓存部分数据，某节点宕机后其他节点的缓存仍可用；避免缓存服务器宕机造成的雪崩

• 缓冲击穿
  1. 请求未缓冲但数据库中存在的数据，由于高并发，同时在缓存中未读到数据，又同时去数据库取数据，引起数据库压力瞬间增大
  2. 与缓冲雪崩的区别：击穿指的是并发到数据库查同一条数据；雪崩是指并发到服务器查许多条数据
  3. 解决方案：
     1. 使用互斥锁 mutex key
        1. 使用Redis中的SETNX( set if not exists)：若缓存失效，不立即冲数据库查找，而是设置一个互斥锁，设置成功再去数据库查找，否则延迟一小段时间再重新尝试从缓存中获取
        2. Memcache的add
     2. 提前使用互斥锁
        1. 在value内部设置一个超时值t2，t2比实际的超时值小，当从缓存中读到该数据，发现t2已经过期时，加互斥锁，延长t2并重新读入缓存。

　　　　　　　　   3. 永不过期

• • • •   不设置过期时间，不会出现热点key过期问题
      •   不过期就成静态的了，所以将过期时间存再key对应的value里，发现快过期时，使用后台的异步线程进行缓存的构建

　　　　　　　　   4. 资源保护：资源隔离组件 hystrix

• 缓存一致性
  1. 数据更新的同时 缓存也能实时更新
  2. 方案：
     1. 数据更新的同时立即更新缓存
     2. 读缓存时 判断缓存是否最新
  3. 最好缓存对一致性要求不高的数据 且允许缓存存在脏数据
  4. 缓存更新策略：https://blog.csdn.net/W_317/article/details/114261969
     1. Cache aside： 先更新数据库 再删除缓存；设置缓存时间 保证数据一致性
     2. Read/write through ：Cache Provider对外提供读写操作 应用程序不用感知操作的是缓存还是数据
     3. Write behind： 延迟写入 Cache Provider 每隔一段时间 批量写入数据库，写入快 适用于频繁写，但缓冲和数据库不是强一致性