在双十一、618的节日中，会出现大量的用户请求下单，这对于数据库来说是一种特别大的压力，甚至可能会导致服务器宕机，这时候我们可以使用redis缓存在我们mysql前面拦截一部分请求，来减少我们数据库的压力，但是也会存在三种情况：Redis缓存雪崩、穿透、击穿
缓存雪崩
双十一期间，所有用户一打开淘宝就是进入首页，首页的压力非常大，为了提高并发，将网站首页数据都缓存到
redis里，所有的redis key失效时间都是3小时。
此时如果redis中key正好三个小时过去了，那么redis的key全部都失效，此时redis数据为空，数据只能打到数据库中，此时数据库会因为请求量过大导致宕机。
总结：在高并发下，大量缓存key在同一时间失效，大量请求直接落在数据库上，导致数据库宕机。
解决方案：
-
随机设置key失效时间，避免大量key集体失效。
setRedis(Key，value，time + Math.random() * 10000); 若是集群部署，可将热点数据均匀分布在不同的Redis库中也能够避免key全部失效问题
不设置过期时间
跑定时任务，在缓存失效前刷进新的缓存
大多数系统设计者考虑用加锁或者队列的方式保证来保证不会有大量的线程对数据库一次性进行读写
缓存穿透
某人恶意使用脚本疯狂的给网站发送请求，查询 id = -1 的数据，redis并没有这样的数据，这时候就穿透redis，直接打到了数据库上，结果把数据库搞挂了，然后网站也挂了。
总结：
redis缓存和数据库中没有相关数据(例用户直接携带id<=0的参数不断发起请求)，redis中没有这样的数据，无法进行拦截，直接被穿透到数据库，导致数据库压力过大宕机。
解决方案
- 对不存在的数据缓存到redis中，设置key，value值为null(不管是数据未null还是系统bug问题)，并设置一个短期过期时间段，避免过期时间过长影响正常用户使用。
- 拉黑该IP地址
- 对参数进行校验，不合法参数进行拦截
-
布隆过滤器将所有可能存在的数据哈希到一个足够大的bitmap(位图)中，一个一定不存在的数据会被 这个bitmap拦截掉，从而避免了对底层存储系统的查询压力，请求到来时，先用布隆过滤器判断数据是否有效，布隆过滤器可以判断元素一定不存在和可能存在，对于一定不存在的数据，则可以直接丢弃请求。对可能存在的请求，再去访问Redis获取数据，Redis没有时，再去访问数据库。
缓存击穿
双十一马爸爸突发奇想，想拍卖自己穿了20年的老布鞋，并且附带本人签名，程序员将该鞋的信息存到了redis中，设置了3小时过期。寻思3小时够他们抢了吧，但他低估了马爸爸的魅力。
该商品引起了一千万人关注，这些人不断的竞拍这双鞋，价格越拍越高，马爸爸乐开了花。
竞拍了2小时59分，马上要拍到一个亿了，突然这双鞋在redis里的key数据过期了，导致该key的大量请求，都打到了数据库，直接导致数据库挂掉了，服务无法响应。
总结：
某一个热点key，在不停地扛着高并发，当这个热点key在失效的一瞬间，持续的高并发访问就击破缓存直接访问数据库，导致数据库宕机。
解决方案
设置热点数据"永不过期"
-
加上互斥锁/分布式锁：上面的现象是多个线程同时去查询数据库的这条数据，那么我们可以在第一个查询数据的请求上使用一个互斥锁来锁住它，互斥锁就是同一时间只允许一个线程读取其他的线程走到这一步拿不到锁就等着，等第一个线程查询到了数据，然后将数据放到redis缓存起来。后面的线程进来发现已经有缓存了，就直接走缓存
// 简单的分布式锁实现
public String get(key) {
String value = redis.get(key);
if (value == null) { //代表缓存值过期
//设置3min的超时，防止del操作失败的时候，下次缓存过期一直不能load db
String keynx = key.concat(":nx");
if (redis.setnx(keynx, 1, 3 * 60) == 1) { //代表设置成功
value = db.get(key);
redis.set(key, value, expire_secs);
redis.del(keynx);
} else {
//这个时候代表同时候的其他线程已经load db并回设到缓存了，这时候重试获取缓存值即可
sleep(50);
get(key); //重试
}
} else {
return value;
}
}
总结
- 雪崩是大面积的key缓存失效；
- 穿透是redis里不存在这个缓存key；
- 击穿是redis某一个热点key突然失效，最终的受害者都是数据库。
