Redis 缓存穿透，缓存击穿，缓存雪崩

Redis 最常用的工能就是作为缓存使用， 我们可以把热点数据保存在redis数据库中，以此来减轻关系型数据库的压力。在电商抢购场景中或这主页访问量很大时使用redis作为缓存，很常见。但是引入redis，会遇到缓存穿透，缓存击穿，缓存雪崩问题，下面就简单介绍下问题现象和一般的解决方法。

1.缓存穿透

客户端发送一次请求，请求对应的key在redis和数据库都不存在，当大量发送这种redis和数据库都不存在key时，会对数据库产生巨大压力，影响其他正常业务功能。这种情况就就是缓存穿透。

解决方法：最长见的方法-加布隆过滤器，阻断这种key访问redis和数据库。也就是在redis和数据库前加一个过滤器，将所有存在的数据hash到一个足够大的位图中（bitmap）。当客户端请求过来时，先判断布隆过滤器中是否存在key， 如果不存在，直接阻拦。这样就不用访问redis和数据库了。

什么时布隆过滤器？

本质上是一种数据结构，比较巧妙的概率型数据结构（proba'bilistic data structure），特点是高效的插入和查询，用来告诉你某样东西一定不存在或者可能存在。

布隆过滤器是一个bit向量或者说是bit数组，这个数组只存0或1。例如 baidu 这个key 我们打比方会用三个（数量可以任意数量）hash函数计算它的hash值，然后在位运算计算它在位图中的三个位置，将对应位置的0 变为1 .如下图二中1 4 7 三个位置。

当我们查找baidu 时， 如果1 4 7 三个位置都返回1 时，我们不能断定baidu是一定存在的。也就是说都返回1说明key 有可能存在，不是一定存在。为什么会是这样？？？？？

答案就是：hash冲突。因为hash冲突是一定会从在的，所以有可能这个位置的1 不是baidu这个key计算得来，而是另一个key计算并赋值的，所以会出现上述问题。

当三个hash函数只要有一个hash函数返回0 ，我们可以肯定的判定这个key一定是不存在的，原因也不用过多解释。

还有个问题，就是布隆过滤器支持删除吗？

答案是，不支持。原因还是hash碰撞原因导致不能判定这个key一定存在。可以使用 Counting Bloom filter  带计数器的布隆过滤器来解决这个问题。有兴趣的同学可以深入研究下。。。

图一 图二

2.缓存击穿

缓存中一个key是高热点数据， 当这个key过期时，大量访问这个key的请求会直接请求数据库，这样给数据带来巨大压力。

解决方法：比较常用的方法就是使用mutex。简单的来说，getkey 得到空时，给这个key加锁，可以使用setnx方法给key设一个mu'tex key ， 这个命令只有在key不存在的情况下才会设置，可以利用它实现锁的效果。

3.缓存雪崩

缓存中存在一批key，它们的过期时间可能相同，这种就会出现同时过期的情况。当他们同时过期后，同样会给数据库带来巨大压力，就好比数据库突然面临一次“雪崩”访问量。

解决方法：

1.如果key时高热点数据，可以设置为永不过期，这样就不会发生缓存雪崩。

2.给每个key设置过期时间时，加一个随机数，这种每个key会有不同的过期时间，就不会发生缓存雪崩的现象。