缓存穿透、缓存击穿、缓存雪崩都有哪些常见处理？

缓存穿透

当查询的数据不存在时，此时就会穿透缓存抵达数据库，但是由于数据库不存在数据，因此缓存依旧为空，当请求该数据的量较大时（或者恶意访问），会造成性能损失。

对于这种问题，我们首先要思考的就是为什么会频繁的访问一个不存在的数据？除了恶意访问外，正常访问中什么样的业务情况会出现频繁访问不存在的数据？想明白这些之后其实对应的解决方法也就很好想了。核心目标就是把不存在数据的无效请求，拦在数据库之前，避免无效请求打满数据库。

以下是一些常见的处理手段：

（一）参数合法性校验

在请求链路的最外层（网关 / Controller 层），拦截明显非法的请求，比如负数 ID、格式错误的参数、超长异常入参，直接返回失败，不进入缓存和数据库逻辑。这样做能拦截 80% 以上的低级无效请求。

（二）对空值进行缓存

当数据库查询结果为空时，依然把这个 key 缓存到 Redis，需要设置一个超时时间，建议 30s~5min，根据业务进行调整。

（三）采用布隆过滤器

我们知道通过布隆过滤器（Bloom Filter）得出的“不存在”结果，就一定是不存在的，请求过来交给布隆过滤器处理，如果结果不存在，直接返回就好。这样能够完美处理缓存穿透的情况。

布隆过滤器的实现可以使用 Redis 布隆过滤器插件、Google Guava 本地布隆过滤器。

布隆过滤器无法删除，需定期重置问题如何处理？

1. 通过将 1bit 存储机制改为 3-4bit 存储计数，通过计数的方式可以一定程度上判断是否可以删除，但有最大限制且增加了空间成本。
2. 另一种方式就是采用布谷鸟过滤器，通过指纹和两个桶（或多个桶）的机制来判断“肯定不存在”的情况，可以做到安全删除。此处不做详解。

（四）黑名单和限流

这种方式是为了兜底，解决恶意攻击的问题。可以通过网关监控请求行为，对短时间内大量请求无效 key 的 IP，直接加入黑名单封禁；同时对接口设置全局限流（比如单用户每秒 10 次请求），哪怕遭遇缓存穿透，也不会让数据库被打满。

缓存击穿

缓存击穿指的是某一个 hot key 突然失效，导致大量的请求直击数据库，达到以点破面的效果。为了保护数据库，面对这种情况有两种思路，一个是合适的处理这个 hot key 的过期时间，另一个是限流访问数据库。主要方式有以下几种：

（一）hot key 设置永不过期

这种方式最简单，但是会长期占用内存，需要考虑实际的业务场景、更新机制、Redis 内存使用情况与淘汰策略（不会有人用 allkeys-random 策略吧）。采用这种方式的数据必须是不频繁变更的热点数据，同时业务场景允许不过期。更新机制大概可以分为两种：

• 通过后台异步定时任务，主动更新缓存内容，保证缓存和数据库一致。
• 在 hot key 里存一个“逻辑过期时间”，查询时如果到了这个时间，就启动异步任务去更新缓存，需要注意在多实例情况下做好并发控制。

（二）使用互斥锁限流

当缓存失效时，只让拿到锁的 1 个请求去查数据库并更新缓存，其他请求自旋等待重试，或者直接返回降级数据，保证同一时间只有极少量请求打到数据库。

（三）服务降级

这也不能算是解决方法吧，就是个纯兜底，如果缓存失效了，又拿不到锁（缓存服务器宕机之类的），为了保护数据库，只能返回兜底的静态数据，或者提前保存快照数据返回。实在不行就是提示用户“服务繁忙，请稍后再试”。

缓存雪崩

在缓存的使用过程中，如果同一时间大量的缓存失效，或者缓存服务器宕机了，导致大量的请求直击数据库，此时称为缓存雪崩。那我们要做的核心目标就是从架构上避免缓存层整体失效，哪怕出现故障，也不会让数据库被全量打满。主要的处理方式如下：

（一）为不同 key 设置不同时间

在固定过期时间基础上，增加一个随机时间，并定时更新。比如原本统一设置 24 小时过期，改成24 小时 + 随机 0~30 分钟。这种方式最简单，能解决绝大部分场景下的雪崩问题。

（二）采用多层缓存架构

用本地缓存存放高频热点数据，例如 Caffeine、Guava Cache，分布式缓存做集群避免单点故障。需要做好多层缓存的数据一致性，更新数据库时要同步更新 / 删除各级缓存。

（三）做冷热分离，将热点数据设置为永不过期

该方法需要进行业务评估，如果允许热点数据设置为永不过期，可以采用异步任务的方式进行更新数据。参考缓存击穿的处理方式。

（四）使用队列进行削峰

该方式适合一些非实时性的业务场景，当缓存失效时，将数据库访问操作放进队列中，再进行合适的匀速访问，也可以做批量操作合并成一次访问更新，保证在数据库的承受范围内。需要根据业务情况进行定制。

总结

对于很多新手朋友们总是很难记住他们之间的区别，我也经历过。在这里分享一个以前自己记忆的小办法，就是（0，1，n）。
0：就是数据不存在，会穿透。
1：就是 1 个 key 失效，会击穿。
n：就是 n 个 key 失效，雪崩了。