什么是缓存穿透、缓存击穿、缓存雪崩？
面试的时候关于Redis问得最多的问题，可能就是：请你简单说说什么是缓存穿透、缓存击穿、缓存雪崩？由于这三种说法的名字很相近，很多同学经常容易搞混，有时候刚刚记住，过一段时间又区分不开了。所以我打算写一篇文章，全面细致的概括下有关缓存穿透、缓存击穿、缓存雪崩的问题，希望能帮助大家在迷惑的时候回来翻翻这篇文章，就能想起来这块的知识点，让大家轻松应对面试问题～
正文开始～
用户的数据一般都是存储在数据库中，目前大多数厂商用的数据库都是MySQL数据库，数据库的数据是存储在磁盘上的，我们都知道，磁盘的读写速度是计算机里最慢的硬件了。当用户请求数据时，请求打到数据库上，一旦请求数量过大，数据库就很容易崩溃，因此为了避免用户频繁访问数据库，会用Redis作为缓存层。
Redis是一个内存数据库，我们可以将数据库的数据缓存在Redis里，相当于数据缓存在内存，内存的读写速度比硬盘快好几个数量级，这样大大提高了系统性能。
下图展现了用户从缓存中读取数据的过程：
当在应用层和数据库层中间引入了缓存层后，就容易出现缓存雪崩、缓存击穿、缓存穿透三个问题。我们需要知道这三个问题是怎么产生的，还要知道如何应对他们。
缓存雪崩
通常为了保证缓存中的数据和数据库中的数据一致性，会给Redis里的数据设置过期时间，当缓存数据过期后，用户访问的数据如果不在缓存里，业务系统需要重新生成缓存，因此就会访问数据库，并将数据更新到Redis里，这样后续请求都可以直接命中缓存。
用户请求数据正常的流程是：用户从缓存中读取数据，如果缓存中没有，就去请求数据库。
现在假设缓存中大量数据同时失效（同一时间过期），或者Redis故障宕机，如果此时有大量的用户请求，都无法在 Redis 中处理，于是全部请求都直接访问数据库，从而导致数据库的压力骤增，严重的会造成数据库宕机，从而形成一系列连锁反应，造成整个系统崩溃，这就是缓存雪崩的问题。
总结一下：
缓存雪崩的定义：缓存中大量数据在同一时间过期，或者Redis故障宕机，导致大量的用户请求直接打到数据库中，从而导致数据库宕机，最后系统崩溃的现象。
出现缓存雪崩的原因：
- 大量缓存数据同一时间过期；
- Redis故障宕机。
针对不同的原因，应对的策略也不同。
大量缓存数据同一时间过期
针对大量缓存数据同一时间过期的问题，应对策略有以下几种：
1、避免缓存数据设置同一过期时间
如果要给缓存数据设置过期时间，应该避免将大量的数据设置成同一个过期时间。我们可以在对缓存数据设置过期时间时，给这些数据的过期时间加上一个随机数，这样就保证数据不会在同一时间过期。
2、当请求发现数据不在redis中，设置互斥锁，保证同一时间只有一个请求去构建缓存
当业务线程在处理用户请求时，如果发现访问的数据不在 Redis 里，就加个互斥锁，保证同一时间内只有一个请求来构建缓存（从数据库读取数据，再将数据更新到 Redis 里），当缓存构建完成后，再释放锁。未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。
实现互斥锁的时候，最好设置超时时间，不然第一个请求拿到了锁，然后这个请求发生了某种意外而一直阻塞，一直不释放锁，这时其他请求也一直拿不到锁，整个系统就会出现无响应的现象。
3、设置主key和备key
我们对缓存数据可以使用两个 key，一个是主 key，会设置过期时间，一个是备 key，不会设置过期，它们只是 key 不一样，但是 value 值是一样的，相当于给缓存数据做了个副本。
当业务线程访问不到「主 key 」的缓存数据时，就直接返回「备 key 」的缓存数据，然后在更新缓存的时候，同时更新「主 key 」和「备 key 」的数据。
4、设置缓存永不过期，让专门的后台线程定时更新缓存
业务线程不再负责更新缓存，缓存也不设置有效期，而是让缓存“永久有效”，并将更新缓存的工作交由后台线程定时更新。
事实上，缓存数据不设置有效期，并不是意味着数据一直能在内存里，因为当系统内存紧张的时候，有些缓存数据会被“淘汰”，而在缓存被“淘汰”到下一次后台定时更新缓存的这段时间内，业务线程读取缓存失败就返回空值，业务的视角就以为是数据丢失了。
解决上面的问题的方式有两种。
第一种方式，后台线程不仅负责定时更新缓存，而且也负责频繁地检测缓存是否有效，检测到缓存失效了，原因可能是系统紧张而被淘汰的，于是就要马上从数据库读取数据，并更新到缓存。
这种方式的检测时间间隔不能太长，太长也导致用户获取的数据是一个空值而不是真正的数据，所以检测的间隔最好是毫秒级的，但是总归是有个间隔时间，用户体验一般。
第二种方式，在业务线程发现缓存数据失效后（缓存数据被淘汰），通过消息队列发送一条消息通知后台线程更新缓存，后台线程收到消息后，在更新缓存前可以判断缓存是否存在，存在就不执行更新缓存操作；不存在就读取数据库数据，并将数据加载到缓存。这种方式相比第一种方式缓存的更新会更及时，用户体验也比较好。
在业务刚上线的时候，我们最好提前把数据缓起来，而不是等待用户访问才来触发缓存构建，这就是所谓的缓存预热，后台更新缓存的机制刚好也适合干这个事情。
Redis故障宕机
针对Redis故障宕机，导致大量请求直接打到数据库上，应对策略有：
1、服务熔断或请求限流机制
服务熔断机制：如果Redis宕机，则暂停业务应用对缓存服务的访问，直接返回错误，不在访问数据库，直到Redis恢复正常。
服务熔断机制是保护数据库的正常允许，但是暂停了业务应用访问缓存服系统，全部业务都无法正常工作；为了减少对业务的影响，我们可以启用请求限流机制。
请求限流机制：只将少部分请求发送到数据库处理，再多的请求就在入口直接拒绝服务，等到 Redis 恢复正常并把缓存预热完后，再解除请求限流的机制。
2、构建 Redis 缓存高可靠集群
服务熔断或请求限流机制是缓存雪崩发生后的应对方案，我们最好通过主从节点的方式构建 Redis 缓存高可靠集群。
如果 Redis 缓存的主节点故障宕机，从节点可以切换成为主节点，继续提供缓存服务，避免了由于 Redis 故障宕机而导致的缓存雪崩问题。
缓存击穿
我们的业务通常会有几个数据会被频繁地访问，比如秒杀活动，这类被频地访问的数据被称为热点数据。
如果缓存中的某个热点数据过期了，此时大量的请求访问了该热点数据，就无法从缓存中读取，直接访问数据库，数据库很容易就被高并发的请求冲垮，这就是缓存击穿的问题。
缓存击穿：缓存中某个热点数据失效，导致大量访问该热点数据的请求直接打到数据库，造成数据库被高并发请求崩溃的现象。
应对缓存击穿可以采取前面说到两种方案：
互斥锁：保证同一时间只有一个业务线程更新缓存，未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。
专门线程更新缓存：不给热点数据设置过期时间，由后台异步更新缓存，或者在热点数据准备要过期前，提前通知后台线程更新缓存以及重新设置过期时间。
缓存穿透
当用户访问的数据，既不在缓存中，也不在数据库中，导致请求在访问缓存时，发现缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据，没办法构建缓存数据，来服务后续的请求。那么当有大量这样的请求到来时，数据库的压力骤增，这就是缓存穿透的问题。
缓存穿透的发生一般有这两种情况：
- 业务误操作，缓存中的数据和数据库中的数据都被误删除了，所以导致缓存和数据库中都没有数据；
- 黑客恶意攻击，故意大量访问某些读取不存在数据的业务；
应对缓存穿透的方案，常见的方案有三种。
1、非法请求的限制
当有大量恶意请求访问不存在的数据的时候，也会发生缓存穿透，因此在 API 入口处我们要判断求请求参数是否合理，请求参数是否含有非法值、请求字段是否存在，如果判断出是恶意请求就直接返回错误，避免进一步访问缓存和数据库。
2、缓存空值或者默认值
当我们线上业务发现缓存穿透的现象时，可以针对查询的数据，在缓存中设置一个空值或者默认值，这样后续请求就可以从缓存中读取到空值或者默认值，返回给应用，而不会继续查询数据库。
3、使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在。
我们可以在写入数据库数据时，使用布隆过滤器做个标记，然后在用户请求到来时，业务线程确认缓存失效后，可以通过查询布隆过滤器快速判断数据是否存在，如果不存在，就不用通过查询数据库来判断数据是否存在。
即使发生了缓存穿透，大量请求只会查询 Redis 和布隆过滤器，而不会查询数据库，保证了数据库能正常运行，Redis 自身也是支持布隆过滤器的。
那问题来了，布隆过滤器是如何工作的呢？接下来，我介绍下。
布隆过滤器由「初始值都为 0 的位图数组」和「 N 个哈希函数」两部分组成。当我们在写入数据库数据时，在布隆过滤器里做个标记，这样下次查询数据是否在数据库时，只需要查询布隆过滤器，如果查询到数据没有被标记，说明不在数据库中。
布隆过滤器会通过 3 个操作完成标记：
第一步，使用 N 个哈希函数分别对数据做哈希计算，得到 N 个哈希值；
第二步，将第一步得到的 N 个哈希值对位图数组的长度取模，得到每个哈希值在位图数组的对应位置。
第三步，将每个哈希值在位图数组的对应位置的值设置为 1；
举个例子，假设有一个位图数组长度为 8，哈希函数 3 个的布隆过滤器。
在数据库写入数据 x 后，把数据 x 标记在布隆过滤器时，数据 x 会被 3 个哈希函数分别计算出 3 个哈希值，然后在对这 3 个哈希值对 8 取模，假设取模的结果为 1、4、6，然后把位图数组的第 1、4、6 位置的值设置为 1。当应用要查询数据 x 是否在数据库时，通过布隆过滤器只要查到位图数组的第 1、4、6 位置的值是否全为 1，只要有一个为 0，就认为数据 x 不在数据库中。
布隆过滤器由于是基于哈希函数实现查找的，高效查找的同时存在哈希冲突的可能性，比如数据 x 和数据 y 可能都落在第 1、4、6 位置，而事实上，可能数据库中并不存在数据 y，存在误判的情况。
所以，查询布隆过滤器说数据存在，并不一定证明数据库中存在这个数据，但是查询到数据不存在，数据库中一定就不存在这个数据。（布隆过滤器：认为在不一定在，认为不在一定不在）
总结
| 定义 | 原因 | 应对策略 | |
| 缓存雪崩 | 大量请求的数据在缓存中失效而导致请求直接打到数据库，造成数据库崩溃的现象 |
1、大量缓存同时过期； 2、Redis故障宕机。 |
针对原因1: 1、均匀设置过期时间； 2、设置互斥锁保证同一时间很自由一个请求打到数据库； 3、双key策略； 4、设置专门线程定期更新缓存。 针对原因2: 1、服务熔断机制； 2、请求限流机制； 3、构建Redis高可用集群。 |
| 缓存击穿 | 某个热点数据在缓存中失效，大量请求直接打到数据库上，造成数据库崩溃的现象 | —— |
1、设置热点数据永不过期，专门线程定期更新 2、互斥锁机制 |
| 缓存穿透 | 请求的数据在缓存中找不到，数据库中也找不到 |
1、非法请求 2、业务误操作，将缓存和数据库中数据全部删除 |
1、业务层对请求校验，非法请求拦截 2、缓存空值或默认值 3、设置布隆过滤器做一层判断 |
————————————————————————————————————————————————————————————————————————————————————
参考文献
本文参考CSDN博主「小林coding」的原创文章
原文链接：https://blog.csdn.net/qq_34827674/article/details/123463175