前言

  随着互联网的越来越普及，用户越来越多，系统性能瓶颈成了越来越热门的话题。要解决性能问题的技术手段有很多，比如：缓存、CDN加速、页面静态化、集群、分布式、异步等。

       缓存通常被作为首先技术方案，简单而且提升效果明显，它能够将速度提升100倍。那么问题来了，缓存为啥会怎么快呢?

正文

  因为传统的数据库操作是基于磁盘的，而缓存是基于内存的，内存操作和磁盘操作的速度根本不是一个数量级的。目前市面上主流的缓存有：redis 和 memcache，这两个都是基于内存的缓存技术，二者的区别我在这里暂时不讲。使用缓存的伪代码一般如下：

String order = redisClient.get(key);
if(order != null) {
   return order;
}
order = db.get(key);
redisClient.put(key,order);
redisClient.expire(key,3000);
return order;

   根据key获取数据，先从缓存中查一下有没有，如果有则直接返回。如果没有，再从数据库中查到数据，然后将数据放入缓存中，并且给当前key设置一个失效时间，下次再用同样的key来请求数据时，就能够直接从缓存中查询到并返回，减少请求数据库的频次，提升性能，因为数据库连接是稀有资源。

     那么问题又来了，为啥要设置失效时间，不设置不行吗？

     著名的2/8原则告诉我们，经常访问的数据集中在20%，而另外的80%属于不常用数据。我们都知道内存相当于磁盘来说价格是比较昂贵的，不信你买个500G的硬盘 和 一个 500G的内存试试.既然这么贵，我们应该节约使用，所以才会有设置失效时间这种策略，一旦检测到某个key超过了失效时间，就会将该key从缓存中删除，可以节约内存。

   还有个问题：如果在某个key失效的时候，有大量的请求一起过来会怎么样？

   这就是我今天要给大家讲的：击穿。

大量的请求访问同一个key，刚好那个key失效了，那么同一时间所有的请求，都会穿过缓存，直接请求数据库，此时的数据库有可能因为无法扛着这么大的并发，直接挂了。

再问一下：如果大量的请求访问多个key，刚好key同时失效了会怎么样？

   这就是我今天要给大家讲的：雪崩。

雪崩比上面的击穿更严重，击穿只是一个key失效了，大量请求直接访问数据库都有可能把数据库搞挂，更何况大量的key同时失效的场景，数据库面临的压力更大，更有可能挂掉。

接下来的问题：如果大量的用户请求缓存中不存在的key又会怎么样？

这就是我今天要给大家讲的：穿透。

有大量的请求访问时，只有少部分的key在缓存中存在，而有大量的key不存在，这样请求也会直接访问到数据库，也会导致数据库扛不住压力而挂掉。这种情况往往是黑客伪造请求，发起的恶意攻击。

那么，这些问题有没有解决办法呢？

首先，击穿的解决办法-加锁。

伪代码如下：

String order = redisClient.get(key);
if(order != null) {
   return order;
}
lock() {
   String order = redisClient.get(key);
   if(order != null) {
      return order;
   }
  order = db.get(key);
  redisClient.put(key,order);
  redisClient.expire(key,3000);
}
return order;

如果根据key从缓存中查询不到数据，需要从数据库中查询数据的时候，加一把锁，保证同一时间只有一个线程可以查询数据库，然后把查询出来的结果放回到缓存中。这样其他的线程再用相同的key查询时，就可以直接从缓存中查到数据。这样就能够极大的减少数据库的访问频次。

其次，雪崩的解决办法- 加锁 + key设置不同的失效时间。

加锁的伪代码跟上面是一样的我就不写了。

雪崩还有一个必要条件就是在同一时间，有大量的key同时失效。我们只要保证不会出现同一时间有大量的key同时失效就可以了，每个key设置不同的失效时间就能解决问题。

最后，穿透的解决办法- 业务规则过滤 + 布隆过滤器

业务规则过滤 可以校验 key的长度或者比如前缀SD开头的等，过滤一批非法数据。

接下来看看布隆过滤器：

布隆过滤器中会初始化数据库中key的标识。如果有大量请求访问不存在的key时，先通过布隆过滤器检查一下key在数据库中是否存在，如果存在才允许访问数据库。如果不存在，则直接返回，这样就可以过滤掉大量的非法请求。