-
所有的问题针对的都是服务器的高可用
-
这里不会分析解决方案的底层，只会说明问题的产生和基本的解决方案
Redis缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。
但同时，它带来了一些问题。
其中，最要害的问题，就是数据的一致性问题（比如：数据库的秒杀商品已经没了，缓存中还有，因为会设置缓存的过期时间，所以缓存中的数据没有过期不会更新），从某种意义上讲，这个问题是无解的。
如果对数据的一致性要求很高，那么就不能使用缓存。
缓存穿透
概念
通俗来说：缓存没有，直接去查数据库，这是没有问题的，但是高并发的情况下，会压垮数据库，导致宕机。
解决方案
1、第一种：布隆过滤器
布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力；
2、第二种：缓存空对象
但是这种方法会存在两个问题：
1、如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键。
缓存击穿
概述
这里需要注意和缓存穿透的区别。
缓存的击穿，是指一个key非常的热点，在不停的扛着大并发，大并发集中对一个点进行访问，当这个key失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一堵墙上凿开了一个洞。
当某个key在过期的瞬间，有大量的请求并发访问，之类数据一般都是热点数据，由于缓存过期，会同时访问数据库来查询最新的数据，并且回写缓存，会导致数据库瞬间压力过大。
通俗来说：缓存中的数据还有10s过期，现在有上百万的并发请求正在读取，当缓存失效的一瞬间，大量的并发请求直接对存储层进行访问，一瞬间服务器扛不住，就会宕机。
解决方案
1、第一种：设置热点数据永不过期
从缓存层面来看，不设置过期的时间，所以就不会出现热点key过期后产生的问题。
但是永不过期会影响到内存的空间占用，并且Redis还有一种机制，在内存满了的时候，会有几种策略随机：
1、volatile-lru：只对设置了过期时间的key进行LRU（默认值） 2、allkeys-lru ： 删除lru算法的key 3、volatile-random：随机删除即将过期key 4、allkeys-random：随机删除 5、volatile-ttl ： 删除即将过期的 6、noeviction ： 永不过期，返回错误
这个在redis.conf配置文件中讲到了。
2、加互斥锁
分布式锁：使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其他线程没有获取分布式锁的权限，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此分布式锁的考验很大。
缓存雪崩
概念
缓存雪崩，是指在某一时间段，缓存集中过期实失效，或者服务宕机（断电，扫地大妈又把服务器插头拔了）！
产生雪崩的原因之一：比如在写文本的时候，马上就要到双十一零点，很快就会迎来一波抢购，这波商品时间比较集中的放入缓存，假如这波商品的缓存为一个小时，那么到了凌晨一点钟的时候，这波商品的缓存都过期了。而对这波商品的查询，都落到了数据库上，对于数据库而言，就会产生周期性的压力波峰。对于所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。
解决方案
1、redis高可用
让这个思想的含义是，既然redis有可能挂掉，那我多增加几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建集群。（异地多活！在SpringCloud的eureka讲解中又说到）
2、限流降级（加锁和队列，在JUC中讲解过）
这个解决方案的思想是，在缓存失效之后，通过加锁或者队列来控制读数据库和写缓存的线程数量。比如对某个key只允许一个线程查询数据库和写缓存，其他线程等待。
3、数据预热
数据加热的含义就是在正式部署之前，我先把可能的数据先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生的大并发访问前，手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀，不要一瞬间都失效了，那么又会造成缓存雪崩了。