用户的数据一般存储在数据库中，数据库的数据存储在磁盘上，磁盘的读写速度可以说是计算机中最慢的硬件。
如果用户的所有请求都访问数据库，当请求数增加时，数据库将很容易击穿，因此使用Redis作为缓存层，以防止用户直接访问数据库。
因为Redis是内存数据库，所以可以将数据库中的数据缓存到Redis中。 这相当于数据缓存在内存中。 内存的读写速度比硬盘快几个数量级，这将大大提高系统的性能。
引入缓存层有三个问题：缓存异常。 分别为缓存雪崩、缓存击穿、缓存穿透
这三个问题也是面试中经常被考察的问题，我们不仅要清楚地知道它们是怎么发生的，也要知道如何解决它们。
不用说，发车！
高速缓存雪崩通常会对Redis中的数据设置过期时间，以确保高速缓存中的数据和数据库中的数据的完整性。 缓存数据过期后，如果用户访问的数据不在缓存中，业务系统需要重新生成缓存，因此可以访问数据库，将数据更新为Redis，以便后续请求直接命中缓存
那么，3358www.Sina.com/
如你所见，现金雪崩的发生有两个原因。
大量数据同时过期；
Redis故障停机；
应对措施因诱因而异。
对于由于大量数据同时过期而导致的缓存雪崩问题，大量数据同时过期的常见解决方案如下：
均等设定有效期限
排他锁定；
双键战略；
后台更新缓存；
1 .设定有效期限均等
如果要为缓存数据设置过期日期，请不要将大量数据设置为相同的过期日期。 为缓存数据设置过期时间时，可以使用大量缓存数据在同一时间过期（失效）或者 Redis 故障宕机防止数据在同一时间过期。
2 .排他锁定
业务线程处理用户请求时，缓存雪崩(从数据库读取数据并更新数据到Redis )，缓存构建完成后，解除锁定。 无法获取互斥锁。 在解除锁定后等待重新读取缓存，或者返回null或默认值。
实现互斥锁定时，建议设定给这些数据的过期时间加上一个随机数。 否则，第一个请求将获得锁定，并且该请求在被阻止的情况下不会释放锁定，此时其他请求也无法获得锁定，整个系统将无法响应。
3 .双键战略
缓存数据可以使用两个密钥。 一个是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，另一个是超时时间。 它们只是密钥不同，但value的值相同，与创建缓存数据的副本相同。
如果业务线程无法访问“主密钥”的缓存数据，则直接返回“备用密钥”的缓存数据；更新缓存时，返回主 key，会设置过期时间
4 .在后台更新缓存
业务线程不再负责更新缓存，也没有设置缓存有效期，而是使用备 key，不会设置过期
事实上，缓存数据没有设置有效期并不意味着数据总是在内存中。 由于同时更新「主 key 」和「备 key 」的数据。，从“销毁”缓存到在下一个后台时间更新缓存之间的时间段内，业务线程在读取缓存失败时返回null值，从业务角度看数据丢失
解决上面问题的方法有两种。
第一种方法是后台线程不仅定期更新缓存，还负责让缓存“永久有效”，并将更新缓存的工作交由后台线程定时更新。 检测到缓存已禁用，是因为系统可能因紧张而被销毁，因此必须立即从数据库读取数据并将其更新到缓存中。
这种方式的检测时间间隔不能太长。 即使太长，用户检索的数据也是空值，而不是真数据。 因此，检测的间隔优选为毫秒级别，但无论如何都有间隔时间，用户体验一般。
第二种方式是业务线程发现缓存数据失效后(缓存数据被丢弃)当系统内存紧张的时候，有些缓存数据会被“淘汰”)，后台线程在收到消息后，在更新缓存之前缓存如果不存在，则读取数据库数据并将数据加载到缓存中。 该方式比第一方式缓存更新及时，用户体验也更好。
在业务刚上线时，建议提前延迟数据，而不是等待用户访问以触发缓存生成。 这被称为频繁地检测缓存是否有效，在后台更新缓存的机制也正好适合于此。
Redis故障
障宕机针对 Redis 故障宕机而引发的缓存雪崩问题，常见的应对方法有下面这几种：
服务熔断或请求限流机制；
构建 Redis 缓存高可靠集群；
1. 服务熔断或请求限流机制
因为 Redis 故障宕机而导致缓存雪崩问题时，我们可以启动服务熔断机制，暂停业务应用对缓存服务的访问，直接返回错误，不用再继续访问数据库，从而降低对数据库的访问压力，保证数据库系统的正常运行，然后等到 Redis 恢复正常后，再允许业务应用访问缓存服务。
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，只将少部分请求发送到数据库进行处理，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。
可以发现缓存击穿跟缓存雪崩很相似，你可以认为缓存击穿是缓存雪崩的一个子集。
应对缓存击穿可以采取前面说到两种方案：
互斥锁方案，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。
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；
缓存穿透当发生缓存雪崩或击穿时，数据库中还是保存了应用要访问的数据，一旦缓存恢复相对应的数据，就可以减轻数据库的压力，而缓存穿透就不一样了。
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。
第一种方案，非法请求的限制；
第二种方案，缓存空值或者默认值；
第三种方案，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；
第一种方案，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。
第二种方案，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。
第三种方案，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。
总结缓存异常会面临的三个问题：缓存雪崩、击穿和穿透。
其中，缓存雪崩和缓存击穿主要原因是数据不在缓存中，而导致大量请求访问了数据库，数据库压力骤增，容易引发一系列连锁反应，导致系统奔溃。不过，一旦数据被重新加载回缓存，应用又可以从缓存快速读取数据，不再继续访问数据库，数据库的压力也会瞬间降下来。因此，缓存雪崩和缓存击穿应对的方案比较类似。
而缓存穿透主要原因是数据既不在缓存也不在数据库中。因此，缓存穿透与缓存雪崩、击穿应对的方案不太一样。
我这里整理了表格，你可以从下面这张表格很好的知道缓存雪崩、击穿和穿透的区别以及应对方案。
参考资料1.《极客时间：Redis核心技术与实战》
2. https://github.com/doocs/advanced-java/blob/main/docs/high-concurrency/redis-caching-avalanche-and-caching-penetration.md
3. https://medium.com/@mena.meseha/3-major-problems-and-solutions-in-the-cache-world-155ecae41d4f
特别推荐一个分享架构+算法的优质内容，还没关注的小伙伴，可以长按关注一下：长按订阅更多精彩▼如有收获，点个在看，诚挚感