服务的高可用
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，它也带来了一些问题，其中，最重要的问题，就是数据的一致性问题。从严格意义上讲，这个无解。如果对数据的一致性要求很高，那么就不能使用缓存。
另外的一些典型问题，缓存穿透，缓存雪崩和缓存击穿。目前，业界也都有比较流行的解决方案。
缓存穿透（查不到导致）
概念
缓存穿透的概念很简单，用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久层数据库查询，发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大压力，这时候就相当于出现了缓存穿透。（秒杀场景）
解决方案
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，从而避免对底层存储系统的查询压力。
缓存空对象
当存储层不命中后，即使返回的空对象也就其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源
但是这种方法会存在两个问题：
- 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。
- 即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致，这对于需要保持一致性的业务会有影响。
缓存击穿（查询量太大，缓存过期）
概念
这里需要注意和缓存击穿的区别，缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行询问。当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库就像一个屏幕上凿开了一个洞。
当某一个key在过期的瞬间，有大量的请求并发访问，这类数据一般是热点数据，由于缓存过期，会同时访问数据库来查询最新数据，并且回写缓存，会导致数据库瞬间压力过大。
解决方案
- 设置热点数据永不过期
从缓存层面来看，没有设置过期时间，所以不会出现热点key过期后产生的问题
- 加互斥锁
分布式锁：使用分布式锁，保证对于每一个key同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，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，因此对分布式锁的考验很大。
缓存雪崩
概念
缓存雪崩，是指在某一个时间段，缓存集中过期失效。redis宕机！
产生雪崩的原因之一，比如在写本文的时候，马上就要到双十二零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨1点的时候，这批商品的缓存都过期了。而对这批商品访问查询，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。于是所有商品的请求都会达到存储层，存储层的调用量会爆增，造成存储层也会挂掉的情况。
其中集中过期，倒不是非常致命，比较致命的是缓存雪崩，是缓存服务器某个节点宕机或者断网。因为自然形成的缓存雪崩，一定是在某个时间段集中创建缓存，这个时候，数据库也是可以顶住压力的。无非就是对数据库产生周期性的压力而已。而缓存服务节点的宕机，对数据库服务器造成的压力是不可预知的，很多可能瞬间就把数据库压垮。
双十一：停掉一些服务，保证主要的服务可用。
解决方案
- redis高可用
这个思想的含义是，既然redis有可能挂掉，那多增设几台redis，这样一台挂掉之后其他的还可用继续工作，其实就是搭建的集群。
- 限流降级
这个解决方案的思想是，在缓存失效后，通过加锁或者队列来控制读数据库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和写缓存，其他线程等待。
- 数据预热
数据预热的含义就是在正式部署之前，我先把可能的数据先预热先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发送大并发访问前手动触发加载到缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀。
