关于缓存:缓存穿透

缓存穿透就是申请了大量本来就不存在的数据，比方申请 A 数据，此时缓存没有数据，则从数据库查问，然而数据库也没有值，所以返回空的时候，缓存仍然没有数据。这类的申请一大，数据库要始终解决这些数据，很容易导致解体。以下办法也实用于缓存个体生效的缓存雪崩。

保留空值

如果数据库没有数据，则在 redis 中也赋值相应的 key（比方 A）为空。这样每次下次再发送 A 过去，间接从 redis 中获取，就不必再查数据库了。流程如下：

毛病：
1、如果 A 在以后没有数据，过几秒有数据，所以上述办法中还要加一个过期工夫。然而这样数据的一致性也很难保障，比方在过期工夫内，A 有了数据，然而 redis 里还是空值。
2、如果申请的数据是随机的，那缓存的数据 A 被命中的概率也是很低的，这种状况下，还是会到数据库，而且节约了大量内存空间。

互斥锁

保留空值的另外一个毛病就是，比方三个申请同时拜访 A 时，此时缓存是没有数据的，则他们会一起申请数据库，针对这个状况，咱们就能够应用互斥锁来做了，也就是用 redis 的 setnx 办法，流程是这样的：

获取锁和设置生效工夫两个对 redis 操作的步骤不是原子性的，也就是说，如果 setnx 胜利了，expire 不肯定胜利，所以能够用 lua 来做。不过新版本能够将这两个操作以原子性的模式操作。
这个办法同样也没方法解决随机的数据的。

布隆过滤器

布隆过滤器（Bloom Filter）是 1970 年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器能够用于检索一个元素是否在一个汇合中。它的长处是空间效率和查问工夫都比个别的算法要好的多，毛病是有肯定的误识别率和删除艰难。误判率和数组的长度无关，数组长度越长，误判率越低，然而所须要的内存越高。
比方咱们定义一个 8 个 bit 的布隆过滤器：

hash(A)= 1 后存入

hash(B)= 3 后存入

hash(C)= 3 后存入，此时还是 3，则 3 地位的值还是 1。这个就是很难删除的起因，因为删除 3 的地位，会连带着 B、C 都影响。

如果 hash(D)也等于 3，此时隆过滤器会感觉他存在的，这个就是误判率。
联合缓存应用的时候，流程是这样的：

在 4 中，只管有误判的 key，然而概率曾经很小了，对数据库不会有太大的影响。
另外一个毛病就是咱们要晓得哪些 key 要放入布隆过滤器。

异步构建缓存

这种办法，在缓存不存在的时候，并没有间接读取数据库，而是放入队列里，让队列去更新缓存。当队列解决完后，前面的申请就有值了。
毛病就是数据不够实时。
流程如下：