目录
1、缓存预热
2、缓存雪崩
3、缓存击穿
4、缓存穿透
1、缓存预热
场景：
服务器启动后迅速宕机
问题排查：
1、请求数量较高，大量的请求过来之后都要从缓存中获取数据，但是缓存中又没有，从数据库中查找数据后将数据再存入缓存，造成了短期内对redis的高强度操作
2、主从之间数据吞吐量较大，数据同步操作频度较高
解决方案：
为了防止用户访问的时候Redis中没有数据，所以提前将热点数据保存到Redis里面（通过LRU数据删除策略，可以得到高频数据队列），通过脚本的方式将热点数据提前加入。
2、缓存雪崩
场景：
1、系统平稳运行过程中，忽然数据库连接量激增
2、应用服务器无法及时处理请求，大量408，500错误页面出现
3、客户反复刷新页面获取数据，导致请求加剧
4、数据库崩溃→应用服务器崩溃
5、重启应用服务器无效→Redis服务器崩溃→Redis集群崩溃
6、重启数据库后再次被瞬间流量击倒
问题排查：
1、在一个较短的时间内，缓存中较多的key集中过期，所有的请求都去访问数据库
2、数据库同时接收到大量的请求无法及时处理，数据库流量激增，数据库崩溃
3、Redis大量请求被积压，开始出现超时现象
4、重启后仍然面对缓存中无数据可用→Redis服务器崩溃→集群瓦解
5、应用服务器无法及时得到数据响应，来自客户端的请求数量越来越多，应用服务器崩溃
6、应用服务器，redis，数据库全部重启后，效果仍不理想
总而言之就是：短时间范围内，大量key集中过期
解决方案：
1、LRU与LFU切换，尽量去淘汰访问频度低的数据，访问频度比较低的数据即使淘汰了，也不会造成大量
2、数据有效期策略调整：
（1）根据业务数据有效期进行分类错峰
（2）过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量
3、超热数据使用永久key，并定期人工维护：对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
总结：
缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的出现。
3、缓存击穿
场景：
1、系统平稳运行过程中，数据库连接量瞬间激增
2、Redis服务器无大量key过期，Redis内存平稳，无波动，服务器CPU正常
3、数据库崩溃
问题排查：
1、Redis中某个key过期，并且该key访问量巨大
2、大量数据请求在Redis中均未命中，Redis在短时间内发起了大量对数据库中同一数据的访问
总而言之就是：单个高热数据key过期
解决方案：
1、预先设定：比如购物网站，对热点商品要加大此类key的过期时长
2、现场调整：监控访问量，对自然流量激增的数据延长过期时间或设置为永久性key
3、后台刷新数据：启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失
4、二级缓存：设置不同的失效时间，保障不会被同时淘汰
总结：
缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，对数据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略。
4、缓存穿透
场景：
1、系统平稳运行过程中，应用服务器流量随时间逐渐增大
2、Redis服务器命中率随时间逐步降低
3、Redis内存平稳，内存无压力，但Redis服务器CPU占用激增
4、数据库服务器压力激增→数据库崩溃
问题排查：
1、Redis中出现大面积未命中
2、出现非正常URL访问，也就是说访问的这个key压根就不存在，Redis中不存在，数据库中也不存在
问题分析：
1、获取的数据在数据库中不存在，数据库查询未得到对应的数据
2、Redis获取到null数据，null数据未进行持久化，直接返回
3、下次此类数据到达，重复上述过程，大量的请求直接到了数据库
4、出现缓存穿透一般是出现黑客攻击服务器的情况
解决方案：
1、可以在最外层先做一层校验：用户鉴权、数据合法性校验等，例如商品查询中，商品的ID是正整数，则可以直接对非正整数直接过滤等等
2、缓存null：Redis对查询结果为null的数据进行缓存，但是这种方式效果十分有限，会导致Redis中缓存了无用的null值，占用空间
3、布隆过滤器
总结：
缓存穿透是指访问了不存在的数据，跳过了redis数据缓存阶段，每次都会访问数据库，导致对数据库服务器造成压力。应对策略应该在临时预案防范方面多做文章。
