快取的三大問題以及解決方案

redis經常用於系統中的快取，這樣可以解決目前io裝置無法滿足網際網路應用海量的讀寫請求的問題。

快取穿透是指快取和資料庫中都沒有的資料，而使用者不斷發起請求，如發起id為-1的資料或者特別大的不存在的資料。有可能是黑客利用漏洞攻擊從而去壓垮應用的資料庫。

對於快取穿透問題，常見的解決方案有以下三種：

布隆過濾器是一種比較特殊的資料結構，有點類似與hashmap，在業務中我們可能會通過使用hashmap來判斷乙個值是否存在，它可以在o(1)時間複雜度內返回結果，效率極高，但是受限於儲存容量，如果可能需要去判斷的值超過億級別，那麼hashmap所佔的記憶體就很可觀了。

而bloomfilter解決這個問題的方案很簡單。首先用多個bit位去代替hashmap中的陣列，這樣的話儲存空間就下來了，之後就是對 key 進行多次雜湊，將 key 雜湊後的值所對應的 bit 位置為1。

當判斷乙個元素是否存在時，就去判斷這個值雜湊出來的位元位是否都為1，如果都為1，那麼可能存在，也可能不存在（如下圖f）。但是如果有乙個bit位不為1，那麼這個key就肯定不存在。

注意：bloomfilter並不支援刪除操作，只支援新增操作。這一點很容易理解，因為你如果要刪除資料，就得將對應的bit位置為0，但是你這個key對應的bit位可能其他的key也對應著。

上面對這兩種方案都進行了簡單的介紹，快取空資料與布隆過濾器都能有效解決快取穿透問題，但使用場景有著些許不同；

快取擊穿是指當前熱點資料儲存到期時，多個執行緒同時併發訪問熱點資料。因為快取剛過期，所有併發請求都會到資料庫中查詢資料。

快取雪崩發生有幾種情況，比如大量快取集中在或者快取同時在大範圍中失效，出現了大量請求去訪問資料庫，從而導致cpu和記憶體過載，甚至停機。

乙個簡單的雪崩過程：

redis 集群產生了大面積故障；

快取失敗，此時仍有大量請求去訪問 redis 快取伺服器；

在大量 redis 請求失敗後，這些請求將會去訪問資料庫；

由於應用的設計依賴於資料庫和 redis 服務，很快就會造成伺服器集群的雪崩，最終導致整個系統的癱瘓。