缓存击穿（失效）、缓存穿透、缓存雪崩

一、缓存击穿

高并发流量，访问的数据是热点数据，请求的数据在 DB 中存在，但是 Redis 存的那一份已经过期，后端需要从 DB 中加载数据并写到 Redis。由于高并发，可能会把 DB 压垮，导致服务不可用。

解决方法：
1、过期时间 + 随机值
对于热点数据，我们不设置过期时间，这样就可以把请求都放在缓存中处理，充分把 Redis 高吞吐量性能利用起来。
或者过期时间再加一个随机值。设计缓存的过期时间时，使用公式：过期时间=baes 时间+随机时间。

2、预热
预先把热门数据提前存入 Redis 中，并设热门数据的过期时间超大值。

3、使用锁
当发现缓存失效的时候，不是立即从数据库加载数据。而是先获取分布式锁，获取锁成功才执行数据库查询和写数据到缓存的操作，获取锁失败，则说明当前有线程在执行数据库查询操作，当前线程睡眠一段时间在重试。

二、缓存穿透

查询一个不存在 Redis 也不存在于数据库的数据。导致每次请求都会穿透到数据库，缓存成了摆设，对数据库产生很大压力从而影响正常服务

解决方案
1、缓存空值：当请求的数据不存在 Redis 也不存在数据库的时候，设置一个缺省值（比如：None）。当后续再次进行查询则直接返回空值或者缺省值。

2、布隆过滤器：在数据写入数据库的同时将这个 ID 同步到到布隆过滤器中，当请求的 id 不存在布隆过滤器中则说明该请求查询的数据一定没有在数据库中保存，就不要去数据库查询了。
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

三、缓存雪崩

大量的请求无法在 Redis 缓存系统中处理，请求全部打到数据库，导致数据库压力激增，甚至宕机。

原因及解决办法
1、大量热点数据同时过期；  解决：过期时间添加随机值
2、Redis 故障宕机，缓存系统异常。 解决：构建高可用的缓存集群