一、缓存雪崩
1、概念
缓存同一时间实效（由于设置相同的缓存时间），同时访问数据库，从而对数据库cpu和内存造成巨大压力，严重的会导致数据库宕机，从而形成一系列连锁反应，造成整个系统崩溃。
2、解决方案
A、使用锁或队列访问数据库（非高并发场景，不然严重阻塞）
B、设置过期标志更新缓存（数据过期时长是标志时长的两倍，表示过期，返回旧数据给调用端，异步加载数据到缓存）
C、为key设置不同的缓存失效时间
D、“二级缓存”，待研究
二、缓存穿透
1、概念
用户查询数据，在数据库没有，自然在缓存中也没有，这样就导致用户查询的时候，每次都要去数据库再查询一遍，然后返回空（相当于进行了两次无用的查询）。这样请求就绕过缓存直接查询数据库，这也就是经常提的缓存命中率问题。
2、解决方案
A、采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截，从而避免了对底层存储系统的查询压力。（多个哈希函数）
B、若一个查询返回的数据为空（不管是数据不存在还是系统故障），仍然吧这个空结果进行缓存，但它的过期时间会很短，最长不超过5分钟，通过这个直接设置的默认值存放到缓存，这样第二次到缓存中获取就有值了，而不会继续访问数据库，这种办法简单粗暴。
三、缓存预热
1、概念
系统上线后，提前将先关的缓存数直接加载到缓存系统，避免在用户请求的时候，先查询数据库，然后再讲数据缓存的问题。用户直接查询事先被预热的缓存数据。
2、解决方案
A、直接写个缓存刷新页面，上线时手工操作下；
B、数据量不大，可以在项目启动的时候自动进行加载；
C、定时刷新缓存。
四、缓存更新
除缓存服务器自带的缓存失效策略外（Redis默认的有6中策略可供选择），我们还可以根据具体的业务场景进行自定义的缓存失效，常见策略如下：
A、定时清理过期的缓存；
B、当有用户请求过来时，再判断这个请求所用到的缓存是否过期，过期的话就去底层系统得到新数据并更新缓存。
两种方案的优缺点：
第一种缺点是维护大量缓存的key比较麻烦，第二种的缺点是每次你用户请求过来都要判断缓存失效，逻辑相对复杂！
五、缓存降级
当访问量剧增、服务出现问题（如响应时间慢或不响应）或非核心服务影响到核心流程的性能时，仍然需要保证服务还是可用的，即使是有损服务。系统可以根据一些关键数据进行自动降级，也可以配置开关实现人工降级。
降级的最终目的是保证核心服务可用，即使是有损的。而且有些服务是无法降级的（如加入购物车、结算）。
在进行降级之前要对系统进行梳理，看看系统是不是可以丢卒保帅；从而梳理出哪些必须誓死保护，哪些可降级；比如可以参考日志级别设置预案：
（1）一般：比如有些服务偶尔因为网络抖动或者服务正在上线而超时，可以自动降级；
（2）警告：有些服务在一段时间内成功率有波动（如在95~100%之间），可以自动降级或人工降级，并发送告警；
（3）错误：比如可用率低于90%，或者数据库连接池被打爆了，或者访问量突然猛增到系统能承受的最大阀值，此时可以根据情况自动降级或者人工降级；
（4）严重错误：比如因为特殊原因数据错误了，此时需要紧急人工降级。
