作为内存数据库，redis也不可避免地存在各种问题。 本文主要讨论两个问题：缓存直通和缓存雪崩。 给出几个解决方案。 这两个问题是基本的问题，也是面试中经常问的问题。

这篇文章参考了很多文章，但是我发现基本上写的都是一样的东西，所以我会在这个基础上加以改善。 内容总结了我在某个字母网站上看到的香格里拉教程。 在这里特别说明。

一、缓存穿透

缓存通过的概念很简单，用户在尝试查询数据时，会发现没有redis内存数据库，也就是缓存没有命中，然后查询持久层数据库。 不，这次询问失败了。 用户多的时候，缓存没有命中，所以请求了持久层数据库。 这相当于给持久层数据库带来了很大的压力，发生了缓存通过。

这里，需要注意与高速缓存崩溃的区别。 缓存崩溃是key的一个非常热点，它持续承担较大的并发任务，并且较大的并发任务集中访问这一点。 在这个key失灵的瞬间，持续的大并发会冲破缓存，直接向数据库发出请求，就像在屏障上挖洞一样。

为了避免高速缓存通过，实际上有各种各样的解决方案。 介绍几个。

二、解决办法

)1)光晕过滤器

布鲁姆过滤器是一种数据结构，垃圾网站和普通网站加起来全世界据统计也有几十亿个。 网警为了过滤这些垃圾网站，不可能在数据库里一一比较吧。 可以使用光晕过滤器。 假设你要保存一亿个垃圾网站的地址。

首先有1亿个二进制位，网警可以使用8个不同的随机数发生器(F1，F2，…，F8 )生成8个信息指纹) F1，F2，…，F8 )。 接着，用1个随机数发生器g将这8个信息指纹映射到1亿到1亿中8个自然数g1、g2、…、g8上。 最后将这8个位置的二进制文件都设置为1。 过程如下。

一天，网络警察发现了一个可疑的网站。 我想判断是不是XX网站，首先用哈希将可疑的网站映射到1亿个位数组上的8个点。 如果8个点中有1个点不是1，就可以判断该要素一定不存在于集合中。

这个光晕滤波器怎么解决redis的缓存通过问题呢？ 很简单，首先将所有可查询的参数保存为hash格式，在用户希望查询时使用光晕过滤器发现不在集合中，然后直接放弃，不再查询持久层。

这个形式很简单。

2、缓存空对象

如果存储层未命中，则返回的空对象也将被缓存并设置过期日期。 然后，访问该数据时，将从缓存中检索该数据，从而保护后端数据源。

但是，这个方法有两个问题。

如果可以缓存空值，则缓存可能有很多空值的密钥，因此缓存需要更多的空间来存储更多的密钥。即使空值设置了过期时间，缓存层和存储层的数据也会保留一段时间

二、缓存雪崩

缓存雪崩是指缓存层发生错误，无法正常工作。 因此，所有请求都将到达存储层，导致存储层调用量激增，存储层也将挂起。

二、解决办法

)1) redis高可用性

这个思想的意思是，既然redis有可能挂了，我就增设几台redis，即使一台挂了，其他的也能继续工作。 其实是构筑的集群。

)2)限流降级

此解决方案的思路是，在禁用缓存后，锁定或排队以控制要读取数据库写缓存的线程数。 例如，一个key只有一个线程可以查询数据和写缓存，而另一个线程可以等待。

)3)数据预热

加热数据意味着在正式部署之前，先访问可能的数据一次。 这样，一些可能会大量访问的数据就会加载到缓存中。 在即将发生大规模并发访问之前，手动触发缓存加载以加载不同的密钥，并设置不同的过期日期以使缓存失效的时间尽可能均匀。

ok，我觉得这篇文章基本上都一样，很好。 据此进行了修改。