什么是redis的缓存穿透，缓存击穿和缓存雪崩？

当面试问到redis的使用场景时，可根据自己简历上的业务具体回答。比如

1、缓存：穿透、击穿、雪崩、双写一致、持久化、数据过期、淘汰策略。

2、分布式锁：setnx、redisson

常见问题：

1、在你最近的项目中有哪些场景用到了Redis？

2、什么是缓存穿透、击穿、雪崩？如果发生了缓存穿透、击穿、雪崩，该如何解决?

1）什么是缓存穿透？

是指查询一个不存在的数据，mysql查询不到数据，也不会直接写入缓存，每次请求都要去查数据库。可能导致数据库挂掉，这种情况大概率是遭到了攻击。

2）关于缓存穿透，有哪些解决方案？

答：一般来说有两种方案，分别是缓存空数据和使用布隆过滤器，（这里再具体展开论述）

方案1：缓存空数据。当查询返回的数据为空，仍把这个空结果进行缓存。如 {key:1,value:null}

缺点：消耗内存，且可能发生不一致的问题（如刚开始对null进行缓存，但后面添加了值后，不为null）

方案2：使用布隆过滤器

1、作用: 布隆过滤器可用于检索一个元素是否在一个集合中。

2、优点：内存占用较少，没有多余key

3、缺点：实现复杂，存在误判

bitmap(位图)︰相当于是一个以(bit)位为单位的数组，数组中每个单元只能存储二进制数0或1

以下为产生误判的情况。id3经过3次哈希之后都得到的元素都为1，说明该数据存在，但实际是id为3的数据不存在。

误判率：数组越小误判率就越大，数组越大误判率就越小，但是同时带来了更多的内存消耗。

下方右图为一段简单的测试误判率的代码

3）简述使用redisson实现布隆过滤器的原理?是否存在缺点？

实现原理：其底层主要是先去初始化一个比较大的数组，里面存放的二进制0或1。在一开始都是0，当一个key来了之后经过3次hash计算，模于数组长度找到数据的下标然后把数组中原来的0改为1，这样的话，三个数组的位置就能标明一个key的存在。查找的过程也是一样的。

有缺点，布隆过滤器有可能会产生一定的误判，一般可以设置这个误判率，大概不会超过5%，其实这个误判是必然存在的，要不就得增加数组的长度，其实已经算是很划分了，5%以内的误判率一般的项目也能接受，不至于高并发下压倒数据库

1）什么是缓存击穿？

是指给某一个key设置了过期时间，当key过期的时候，恰好这时间点对这个key有大量的并发请求过来，这些并发的请求可能会瞬间把DB压垮（DB即数据库DataBase）

2）关于缓存击穿，有哪些解决方案？

答：一般来说有两种方案，分别是互斥锁和逻辑过期，（这里再具体展开论述）

方案1：互斥锁

特点：强一致，性能差

方案2：逻辑过期

特点：高可用，性能优

需要根据具体的业务逻辑选择对应的方案，两种方案的实现步骤比较如下。

第一可以使用互斥锁：当缓存失效时，不立即去load db，先使用如 Redis 的 setnx 去设置一个互斥锁，当操作成功返回时再进行 load db的操作并回设缓存，否则重试get缓存的方法

第二种方案可以设置当前key逻辑过期，大概是思路如下：

①：在设置key的时候，设置一个过期时间字段一块存入缓存中，不给当前key设置过期时间

②：当查询的时候，从redis取出数据后判断时间是否过期

③：如果过期则开通另外一个线程进行数据同步，当前线程正常返回数据，这个数据不是最新

最后是方案的选择，两种方案各有利弊：

如果选择数据的强一致性，建议使用分布式锁的方案，性能上可能没那么高，锁需要等，也有可能产生死锁的问题

如果选择key的逻辑删除，则优先考虑高可用性，性能比较高，但是数据同步这块做不到强一致。

1）什么是缓存雪崩？

是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

2）关于缓存雪崩，有哪些解决方案？

方案1：给不同的Key的TTL添加随机值

方案2：利用Redis集群提高服务的可用性（哨兵模式、集群模式）

方案3：给缓存业务添加降级限流策略（ngxin或spring cloud gateway）

注：降级可做为系统的保底策略，适用于穿透、击穿、雪崩

方案4：给业务添加多级缓存（Guava或Caffeine）

关于缓存三兄弟(穿透、击穿和雪崩)，可用如下一首诗来助记：

穿透无中生有key，布隆过滤null隔离。缓存击穿过期key，锁与非期解难题。雪崩大量过期key，过期时间要随机。面试必考三兄弟，可用限流来保底。

3）缓存雪崩与缓存击穿有什么区别？

缓存雪崩，是指设置缓存时采用了相同的过期时间， 导致缓存在某一时刻同时失效，请求全部转发到 DB，DB瞬时压力过重雪崩。

与缓存击穿的区别：雪崩是很多 key，击穿是某一个 key 缓存。解决方案主要是可以将缓存失效时间分散开，比如可以在原有的失效时间基础上增加一个随机值，比如 1-5 分钟随机， 这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件