写在前面
面试的时候经常被问到缓存失效的问题，今天就来详细谈一下
缓存穿透
缓存穿透（cache penetration）是用户访问的数据既不在缓存当中，也不在数据库中
缓存穿透发生的场景一般有两类：
- 原来数据是存在的，但由于某些原因（误删除、主动清理等）在缓存和数据库层面被删除了，但前端或前置的应用程序依旧保有这些数据；
- 恶意攻击行为，利用不存在的Key或者恶意尝试导致产生大量不存在的业务数据请求。
缓存穿透通常有四种解决方案，我们逐一介绍分析。
方案一：缓存空值（null）或默认值
分析业务请求，如果是正常业务请求时发生缓存穿透现象，可针对相应的业务数据，在数据库查询不存在时，将其缓存为空值（null）或默认值。需要注意的是，针对空值的缓存失效时间不宜过长，一般设置为5分钟之内。当数据库被写入或更新该key的新数据时，缓存必须同时被刷新，避免数据不一致。
方案二：业务逻辑前置校验
在业务请求的入口处进行数据合法性校验，检查请求参数是否合理、是否包含非法值、是否恶意请求等，提前有效阻断非法请求。比如，根据年龄查询时，请求的年龄为-10岁，这显然是不合法的请求参数，直接在参数校验时进行判断返回。
方案三：使用布隆过滤器请求白名单
在写入数据时，使用布隆过滤器进行标记（相当于设置白名单），业务请求发现缓存中无对应数据时，可先通过查询布隆过滤器判断数据是否在白名单内，如果不在白名单内，则直接返回空或失败。
方案四：用户黑名单限制
当发生异常情况时，实时监控访问的对象和数据，分析用户行为，针对故意请求、爬虫或攻击者，进行特定用户的限制；
缓存雪崩
但当缓存中大量热点缓存采用了相同的实效时间，就会导致缓存在某一个时刻同时实效，请求全部转发到数据库，从而导致数据库压力骤增，甚至宕机。从而形成一系列的连锁反应，造成系统崩溃等情况，这就是缓存雪崩（Cache Avalanche）。
缓存雪崩的场景通常有两个：
- 大量热点key同时过期；
- 缓存服务故障；
缓存雪崩的解决方案：
- 通常的解决方案是将key的过期时间后面加上一个随机数（比如随机1-5分钟），让key均匀的失效。
- 考虑用队列或者锁的方式，保证缓存单线程写，但这种方案可能会影响并发量。
- 热点数据可以考虑不失效，后台异步更新缓存，适用于不严格要求缓存一致性的场景。
- 双key策略，主key设置过期时间，备key不设置过期时间，当主key失效时，直接返回备key值。
- 构建缓存高可用集群（针对缓存服务故障情况）。
- 当缓存雪崩发生时，服务熔断、限流、降级等措施保障。
缓存击穿
单个热点key，在不停的扛着大并发，在这个key失效的瞬间，持续的大并发请求就会击破缓存，直接请求到数据库，好像蛮力击穿一样。这种情况就是缓存击穿（Cache Breakdown）。
从定义上可以看出，缓存击穿和缓存雪崩很类似，只不过是缓存击穿是一个热点key失效，而缓存雪崩是大量热点key失效。因此，可以将缓存击穿看作是缓存雪崩的一个子集。
缓存击穿的解决方案：
- 使用互斥锁（Mutex Key），只让一个线程构建缓存，其他线程等待构建缓存执行完毕，重新从缓存中获取数据。单机通过synchronized或lock来处理，分布式环境采用分布式锁。
- 热点数据不设置过期时间，后台异步更新缓存，适用于不严格要求缓存一致性的场景。
- ”提前“使用互斥锁（Mutex Key）：在value内部设置一个比缓存（Redis）过期时间短的过期时间标识，当异步线程发现该值快过期时，马上延长内置的这个时间，并重新从数据库加载数据，设置到缓存中去。
小结
本文介绍了在使用缓存时经常会遇到的三种异常情况：缓存穿透、缓存雪崩和缓存击穿。
三种异常情况从根本上来说都是因为本应该访问缓存的，但是缓存不存在或服务异常，导致流量直接进入了数据库层面。
其中缓存雪崩和缓存击穿是因为数据不在缓存中在（或缓存服务异常获取不到），导致大量请求访问数据库，从而导致数据库压力骤增，甚至崩溃。
而缓存穿透则是由于数据本身就不存在，导致缓存没有进行数据缓存，流量进入数据库层。
针对不同的缓存异常场景，可选择不同的方案来进行处理。当然，除了上述方案，我们还可以限流、降级、熔断等服务层的措施，也可以考虑数据库层是否可以进行横向扩展，当缓存异常发生时，确保数据库能够抗住流量，不至于让整个系统崩溃。
