缓存穿透（Cache Penetration）
- 现象
访问一个非法的数据（数据库和缓存中都不存在）出现这种情况，每次必然是要去数据库请求一次不存在的数据，这时候因为没有数据，所以也不会写入缓存，下一次同样的请求还是会重蹈覆辙。
-
解决方案
- 前端校验： 例如根据用户id查询数据，针对id如负数等可以直接拦截
- 后端校验： 在接口的开始处，校验一些常规的正负数，比如负数的user_id直接返回报错。
- 空值缓存： 有时候我们也对于数据库查不到的数据，也做个缓存，这个缓存的时间可以短一些如60秒、5分钟等需要结合业务权衡。
- hash 拦截： hash 校验使用一些数据量不多的场景，比如店铺的商品信息，上架一个商品的时候，我们商品做下hash标记（map[“商品ID”]=1），这样如果请求的商品 id 都不在 hash 表里，直接返回了。
- 位图标记： 类似 hash，但是使用比特位来标记
- 布隆过滤器： 当我们关心的数据量非常大的时候 hash和位图那得多大，不现实，这时可以用布隆过滤器，布隆过滤器不像hash和位图那样可以做到百分百的拦截，但是可以做到绝大部分的非法的拦截。布隆过滤器的思想就是在有限的空间里，通过多个hash函数来定位一条数据，当只要有一个hash没中，那么一定是不存在的，但是当多个hash全中的话，也不一定是存在的，这一点是需要注意的。
缓存击穿（Cache Breakdown）
- 现象：
热点数据在某一时刻缓存过期，然后突然大量请求打到 db 中，这时如果 db 扛不住，可能就挂了，引起线上连锁反应。
-
解决方案
- 分布式锁：分布式系统中，并发请求的问题，第一时间想到的就是分布式锁，只放一个请求进去（可以用redis setnx、zookeeper等等）
- 单机锁：也并不一定非得需要分布式锁，单机锁在集群节点不多的情况下也是ok的（golang 可以用 synx.mutex、java 可以用 JVM 锁），保证一台机器上的所有请求中只有一个能进去。假设你有 10 台机器，那么最多也就同时 10 个并发打到db，对数据库来说影响也不大。相比分布式锁来说开销要小点，但是如果你的机器多达上千，还是慎重考虑。
- 二级缓存：当我们的第一级缓存失效后，也可以设置一个二级缓存，二级缓存也可以拦截下，二级缓存可以是内存缓存也可以是其他缓存数据库。针对本地缓存的不一致问题（集群某个节点数据修改只影响了本地的，导致和其他节点的数据不一样，可以通过gossip协议通知其他节点）
- 热点数据不过期：某些时候，热点数据就不要过期。或者通过定时任务去刷新
- Golang可以使用 singleflight 防止击穿
缓存雪崩（Cache Avalanche）
- 现象：
缓存不可用或者大量缓存由于超时时间相同在同一时间段失效，所有的请求都打到了 db，与缓存击穿不同的是，雪崩是大量的 key，击穿是一个 key，这时 db 的压力也不言而喻。
-
解决方案
- Redis 高可用方案（如Redis Cluster + 主从），避免缓存单点造成全面崩溃。同时监控缓存，弹性扩容。
- 采用多级缓存方案，本地缓存（Ehcache/Caffine/Guava Cache） + 分布式缓存（Redis/ Memcached）
- 配置限流 + 熔断 + 降级（Hystrix），避免极端情况下，数据库被打死。
- Redis 持久化（RDB+AOF），一旦重启，自动从磁盘上加载数据，快速恢复缓存数据。
- 缓存的过期时间可以取个随机值。这么做是为避免缓存同时失效，使得数据库 IO 骤升。比如：以前是设置 10 分钟的超时时间，那每个 Key 都可以随机 8-13 分钟过期，尽量让不同 Key 的过期时间不同
- 根据场景上锁，保护 DB，同缓存击穿
- 热点数据不过期，同缓存击穿