前言：此篇文章系本人学习过程中记录下来的笔记，里面难免会有不少欠缺的地方，诚心期待大家多多给予指教。

---

基础篇：

1. Redis（一）
2. Redis（二）
3. Redis（三）
4. Redis（四）
5. Redis（五）
6. Redis（六）
7. Redis（七）
8. Redis（八）

---

进阶篇：

1. Redis（九）
2. Redis（十）
3. Redis（十一）
4. Redis（十二）

接上期内容：上期完成了相关案例的学习。下面学习缓存穿透、预热、雪崩、击穿，话不多说，直接发车。

---

一、缓存预热

（一）、定义

缓存预热是一种在系统启动阶段或者特定时间点，将一些经常访问或者关键的数据提前加载到缓存中的操作，以减少对数据源（如数据库）的访问次数，从而提高系统的响应速度和性能。避免在用户首次请求时才去加载数据而导致的性能延迟。

---

（二）、功能

1. 减少首次请求延迟：当用户首次访问某些数据时，如果没有进行缓存预热，系统需要从数据库等数据源中查询数据，这个过程可能会比较耗时。
2. 减轻数据库压力：在系统运行初期，如果大量用户同时发起请求，这些请求都直接访问数据库，会给数据库带来巨大的压力，甚至可能导致数据库性能下降或者崩溃。缓存预热可以将部分数据提前加载到缓存中，后续的请求优先从缓存中获取数据，从而减少了对数据库的访问频率，降低了数据库的负载
3. 提高系统性能和稳定性：由于缓存的读写速度通常比数据库等数据源快很多，缓存预热可以让系统在处理请求时更快地获取数据，从而提高系统的整体性能。同时，减少了对数据库的依赖，降低了因数据库故障或性能问题导致系统不可用的风险，增强了系统的稳定性。

---

（三）、常用方案

1.  硬编码（不大推荐）：在代码中直接明确地指定需要加载到缓存的数据和逻辑，不通过外部配置或动态计算来改变。在系统启动时，按照预先编写好的代码逻辑将数据加载到缓存中。
2. @PostConstruct注解： Java 中的一个注解，用于标记一个方法，该方法会在依赖注入完成之后、对象正式投入使用之前被自动调用。
3. 定时器任务：通过定时任务框架（如 Spring 的@Scheduled注解、Quartz 等），按照预设的时间间隔（如每天凌晨、每小时等）自动执行缓存预热操作。
4. 数据脚本：使用脚本语言（如 Python、Shell 等）编写脚本，通过脚本连接到缓存系统，将数据加载到缓存中。 

---

二、缓存雪崩

（一）、名词解释

缓存雪崩是指在某一时刻，缓存中大量的键在同一时间点或者在极短的时间内集中过期失效，或者缓存服务器发生故障导致缓存服务不可用，此时大量原本可以从缓存中获取数据的请求，都直接涌向了数据库等后端数据源，给数据库带来巨大的压力，甚至可能导致数据库不堪重负而崩溃，进而使整个系统出现性能急剧下降、服务不可用等严重问题。

---

（二）、发生场景

1、硬件方面

缓存服务器的硬件设备（如硬盘、内存、网卡等）出现故障，可能会导致缓存服务无法正常运行，从而发生缓存雪崩现象。

---

2、业务方面

大量的业务key同时过期，比如在进行缓存预热时，为大量缓存数据设置了相同的过期时间，当这个过期时间到达时，这些缓存数据会同时失效，从而引起缓存雪崩现象。

---

（三）、预防与解决措施

硬件方面无法把控，主要从业务方面来解决。

业务方面：

1. 避免大量缓存键同时过期：①、设置随机时间：在设置缓存键的过期时间时，为每个键的过期时间添加一个随机的偏移量，避免它们集中在同一时刻过期。②、设置key用不过期。

2. redis集群实现服务高可用：使用缓存服务器的集群模式，集群模式可以将数据分散存储在多个节点上，当某个节点出现故障时，其他节点仍然可以正常提供服务，保证缓存服务的可用性。

3. 多缓存结合：采用多级缓存架构，例如同时使用本地缓存(ehcache)+redis缓存。

4. 服务降级：在应用层对请求进行限流，当请求量超过一定阈值时，直接拒绝部分请求，避免过多的请求直接访问数据库。

---

三、缓存穿透

（一）、名词解释

缓存穿透是指客户端请求的数据在缓存中不存在，同时在数据库中也不存在，这样每次该请求都会穿透缓存，直接访问数据库。如果有大量这样的无效请求持续涌入，会对数据库造成极大的压力，甚至可能导致数据库不堪重负而崩溃。例如，黑客可能会故意发起大量不存在的键的请求，以消耗数据库资源。

---

（二）、发生场景

1. 黑客恶意攻击：攻击者可能会利用系统的漏洞，构造大量不存在的请求，如不存在的用户 ID、商品 ID 等，向系统发起请求。由于这些请求对应的数据在缓存和数据库中都不存在，会导致大量请求直接穿透缓存访问数据库，从而影响系统的正常运行。
2. 业务数据异常：在业务系统中，可能会出现数据不一致或者数据删除不及时的情况。
3. 错误的用户输入：如果系统没有对用户输入进行严格的验证，用户可能会输入错误的查询条件，如输入一个不存在的订单号、手机号码等。这些无效请求会直接穿透缓存访问数据库。

---

（三）、预防与解决措施

1、方案一

缓存空值或默认值，当查询的数据在数据库中不存在时，在缓存中存储一个空值或者默认值，并设置一个较短的过期时间。这样下次相同的请求就可以直接从缓存中获取空值或默认值，而不会再穿透到数据库。

---

2、方案二

使用布隆过滤器，①、自研布隆过滤器。②、使用Google  Guava 库实现布隆过滤器。

---

（四）、案例演示

自研简略版布隆过滤器在上一篇已经学习过了，下面将学习Google Guava实现方式。Guava源码地址：GitHub - google/guava: Google core libraries for Java

1、需求说明

模拟使用Guava布隆过滤器拦截掉非法数字，对于合法的数字放行。

---

2、导入依赖

<!-- https://mvnrepository.com/artifact/com.google.guava/guava -->
<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>32.1.2-jre</version>
</dependency>

---

3、编码实现

public class GuavaBloomFilterDemo {public static void main(String[] args) {//误判率,它越小误判的个数也就越少(思考，是不是可以设置的无限小，没有误判岂不更好)//fpp the desired false positive probability 0.0 < fpp < 1.0,误判率越低，消耗的资源越多，哈希函数也用的越多，误判率也就越低// 默认值 0.03BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 1000000, 0.03);//1 先往布隆过滤器里面插入100万的样本数据for (int i = 1; i <= 1000000; i++) {bloomFilter.put(i);}List<Integer> list1 = Arrays.asList(120000000, 111111, 10, 222222222, 42575, 123457);list1.forEach(e -> {boolean result = bloomFilter.mightContain(e);if (result) {// TODO 查redis → 查数据库 → .....System.out.println("存在，放行" + e);} else {// 直接返回结果System.out.println("不存在，拦截" + e);}});//故意取10万个不在过滤器里的值，看看有多少个会被认为在过滤器里List<Integer> list = new ArrayList<>(1000000);for (int i = 1000000 + 1; i <= 1100000; i++) {if (bloomFilter.mightContain(i)) {list.add(i);}}System.out.println("误判的总数量：:{}" + list.size());}
}

---

四、缓存击穿

（一）、名词解释

缓存击穿是指在高并发的场景下，一个非常热点的 key 在缓存中过期失效的瞬间，大量针对该 key 的请求同时涌入。由于此时缓存中没有该 key 对应的数据，这些请求就会全部转向数据库去查询。数据库在短时间内需要处理大量的查询请求，从而承受巨大的压力，可能会导致数据库性能急剧下降，甚至出现崩溃的情况，进而影响整个系统的正常运行。

---

（二）、发生场景

1. 热点数据过期：在电商系统中，一款热门商品的信息会被大量用户频繁访问，为了减轻数据库压力，会将该商品信息缓存起来并设置过期时间。当这个过期时间到达，缓存中的数据失效，而此时恰好有大量用户同时发起对该商品信息的请求，就会出现缓存击穿的情况。
2. 流量突发：一些突发的热点事件会导致瞬间产生大量的请求。比如，某明星突然发布一条微博，引发大量粉丝同时访问其个人主页，而该主页信息在缓存中过期，大量请求就会直接冲向数据库。
3. 数据预热不正确：比如新闻网站在每天早上进行缓存预热，但遗漏了当天的一条重大热点新闻，当用户大量访问该新闻时，就会出现问题。

（三）、预防与解决措施

1、方案一

使用双检加锁策略。前面已经学习过了，不在阐述。

public String get(String key) {String value = redis.get(key);// 查询缓存if (value != null) {//缓存存在直接返回return value;} else {//缓存不存在则对方法加锁//假设请求量很大，缓存过期synchronized (this) {value = redis.get(key); // 在查一遍redisif (value == null) {// 从数据库获取数据value = dao.get(key);// 设置过期时间并回写到缓存redis.setex(key, time, value);}return value;}}}

---

2、方案二

随机退避策略。当发现缓存中热点 key 失效时，让各个请求不要立即去访问数据库，而是各自随机等待一段不同的时间后再去尝试获取数据。这样可以避免大量请求在同一时刻集中访问数据库，将请求的时间分散开，减轻数据库在短时间内的压力。

public String randomBackoffMethod(String key) {try {Jedis jedis = RedisUtils.getJedis();String data = jedis.get(key);if (data == null) {try {// 生成随机退避时间 毫秒int backoffTime = new Random().nextInt(2000);Thread.sleep(backoffTime);// 再次尝试从缓存获取数据,// 但是在高并发场景下，可能线程随机退避时间会一样，// 为了避免造成缓存双写不一致问题，使用双检锁策略来防止String value = jedis.get(key);// 查询缓存if (value != null) {//缓存存在直接返回return value;} else {//缓存不存在则对方法加锁//假设请求量很大，缓存过期synchronized (this) {value = jedis.get(key); // 在查一遍redisif (value == null) {// 从数据库获取数据value = dao.get(key);// 设置过期时间并回写到缓存jedis.setex(key, time, value);}return value;}}} catch (InterruptedException e) {Thread.currentThread().interrupt();}}jedis.close();return data;} catch (Exception e) {e.printStackTrace();}return null;}

---

3、方案三

差异失效策略。它的核心思想是避免多个热点 Key 在同一时刻同时失效，从而防止大量请求在瞬间全部涌向数据库，给数据库造成过大压力。

在缓存击穿场景中的实现方式为一个热点key拷贝两份，两份缓存过期时间不一样，将缓存失效的时间分散开来，以此保障系统的稳定性与性能。

/*** 差异失效策略查询*/public String differentialFailureSelectMethod(String key) {// 同一个热点key的前缀String prefixA = "keyA:";String prefixB = "keyB:";try {Jedis jedis = RedisUtils.getJedis();String data = jedis.get(prefixA + key);if (data == null) {System.out.println("=========A缓存已经失效");//用户先查询缓存A(上面的代码)，如果缓存A查询不到（例如，更新缓存的时候删除了），再查询缓存Bdata = jedis.get(prefixB + key);if (data == null) {System.out.println("=========B缓存已经失效");//TODO 查数据库 → 回写redis}return data;}System.out.println("查询结果：{}" + data);} catch (Exception ex) {ex.printStackTrace();}return null;}/*** 差异失效策略更新*/public void differentialFailureUpdateMethod(String key) {try {// 以前的某个热点keyString oldHotKeyA = "oldHotKey:" + key;String oldHotKeyB = "oldHotKey:" + key;// 新热点key前缀String prefixA = "newKeyA:";String prefixB = "newKeyB:";//模拟从数据库查数据Jedis jedis = RedisUtils.getJedis();Object o = dao.get(key);//先更新B缓存jedis.del(oldHotKeyB);jedis.set(prefixB + o.getId());jedis.expire(prefixB + o.getId(), 2000);//再更新A缓存jedis.del(oldHotKeyA);jedis.set(prefixA + o.getId());jedis.expire(prefixA + o.getId(), 1000);} catch (Exception e) {e.printStackTrace();}}

---

五、总结 

一图总结，四个问题以及解决办法：

问题类型	核心问题	解决方案	典型场景
缓存预热	数据未提前加载	启动加载、定时任务、脚本	电商大促前的商品信息加载
缓存雪崩	大量缓存失效	随机过期、集群、高可用、限流	大量key过期、缓存服务器宕机时
缓存穿透	无效请求攻击	布隆过滤器、缓存空值	恶意攻击场景
缓存击穿	热点 Key 失效	双检锁、差异失效、随机退避	秒杀活动中的商品信息访问

---

ps：努力到底，让持续学习成为贯穿一生的坚守。学习笔记持续更新中。。。。