Redis相关概念：缓存击穿、雪崩、穿透、预热、降级、一致性等

Redis缓存雪崩、缓存击穿、缓存预热热点key、缓存降级、短链接、分布式锁秒杀、预减库存、
堆外缓存+Redis架构设计、Redis动态刷新、Redis和DB双写一致性、过期删除策略、集群数据倾斜等

一、缓存雪崩

    缓存雪崩是指当缓存中的大量数据在同一时间失效，导致大量请求直接访问数据库，从而引起数据库的压力过大，
严重影响系统的性能。redis 主机挂了， Redis全盘崩溃，偏硬件运维redis 中有大量key 同时过期大面积失效，偏软件开发

1、缓存数据的随机过期时间

在缓存数据的过期时间上增加随机因素，从而避免大量数据在同一时间失效的情况//将数据缓存到Redis中，并增加随机的过期时间//int random = new Random().nextInt(600) + 600;

2、预热缓存

在系统启动时预热缓存，将系统中的热点数据提前加载到缓存中，从而避免了大量请求同时访问数据库的情况。
@Component
public class AdmdvsDimCacheManager implements InitializingBean {@Overridepublic void afterPropertiesSet() {//预热处理}}

3、分布式锁

使用分布式锁，从而避免大量请求同时访问数据库的情况。
public List<User> getUserList() {List<User> userList = redisTemplate.opsForValue().get("userList");if (userList == null) {// 如果Redis中不存在，则尝试获取分布式锁RLock lock = redissonClient.getLock("userListLock");try {// 尝试加锁，并设置锁的过期时间为5秒boolean success = lock.tryLock(5, TimeUnit.SECONDS);if (success) {// 如果获取到了锁，则查询数据库并将数据缓存到Redis中userList = userDao.getUserList();if (userList != null && userList.size() > 0) {redisTemplate.opsForValue().set("userList", userList, 1, TimeUnit.HOURS);}}} catch (InterruptedException e) {e.printStackTrace();} finally {// 释放锁lock.unlock}} return userList;
}

二、缓存击穿

    缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无 数的请求访问会在瞬间给数据库带来巨大的冲击。描述：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的， 此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但
是假设在线程1没有走完的 时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到 数据，那么他们就会同一时刻来访问查询缓存，
都没查到，接着同一时间去访问数据库，同时的去执行 数据库代码，对数据库访问压力过大.

1、互斥锁

   如果未命中缓存，先获取互斥锁，获取锁之后要再次检查缓存，如果还是未命中进行缓存重建，这样当其他线程来的时候就会获取锁失败，这时我们让这个线程休眠一会，重新
查询缓存，如果命中就返回嘛，如果没命中再次尝试获取锁，假设这次获取锁成功了，还是再次检查缓存，如果未命中重建缓存。描述：假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人 去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有
获得到锁，那么线程2就可以进行到休 眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。优点：可保证数据高一致性缺点：性能低，可能发生死锁

2、逻辑过期

 我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续 通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当
前的数据已经过期了，此时线程1 去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据 的逻辑，直到新开的线程完成这个逻辑
后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访 问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把 重建数据构
建完后，其他线程才能走返回正确的数据。优点：性能高缺点：数据可能不一致，实现复杂

三、缓存穿透

   缓存穿透是指查询一个不存在的数据，由于缓存中没有数据，请求会直接穿透到数据库中，从而引起数据库的压力过大，严重影响系统的性能。

1、布隆过滤器

   布隆过滤器是一种高效的数据结构，可以判断一个元素是否存在于一个集合中，同时也可以减轻数据库的压力。在使用布隆过滤器的时候，首先将所有的数据hash到一个位图
中，如果查询的数据在位图中不存在，那么直接返回不存在，从而避免了对数据库的查询操作。优点：内存占用较少，没有多余key缺点：实现复杂，存在误判可能

2、空对象存储

    采用空对象缓存的方式，即当查询的数据不存在时，将一个空对象缓存到Redis中。这样下次查询同样不存在的数据时，就可以直接从Redis中获取到一个空对象，从而避免了
对数据库的查询操作。优点：实现简单，方便维护缺点：占内存，可能造成短期数据不一致

四、缓存预热热点KEY

    缓存预热是指在系统启动或者高峰期之前，提前将数据加载到缓存中，避免在用户请求的时候，先查询数据库（这样第一个查询的人就会比较慢），再把查询结果回写到redis
当中去。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。

处理方案：1、配置一个job定时刷新数据缓存。2、直接写个缓存刷新页面，上线后手动刷新。3、项目启动的时候直接将热点KEY缓存到redis

五、缓存降级

    当站点的访问量剧增、服务出现卡顿问题或非关键服务影响到关键流程的性能时，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，
放弃一些不重要的加载项，也可以配置开关实现人工降级。降级的最终目的是保证关键核心服务的正常运行，比如涉及财务的网站购物的购物车，结算等重要模块，是不能降级的。

六、缓存一致性

缓存一致性指的是缓存与DB之间的数据一致性，我们需要通过各种手段来防止缓存与DB不一致，我们要保证缓存与DB的数据一致或者数据最终一致。

处理方案：1.数据库层：在数据库层面，可以使用事务来确保数据的一致性。通过将读写操作放在同一个事务中，可以保证数据的更新和查询是一致的。
使用数据库的触发器或者存储过程，在数据更新的同时，主动触发缓存的更新操作，确保缓存与数据库的数据保持一致。2.缓存层：在缓存层面，可以使用缓存更新策略，通过定时任务、异步消息队列等方式，定期或者在数据更新时异步地更新缓存，保持缓存与数据库的数据一致性。
使用互斥锁或者分布式锁来保证对缓存的读写操作的原子性，避免数据冲突。
设置合适的缓存过期时间，避免缓存数据长时间过期而导致数据不一致的问题。3.应用层：在应用层面，可以采用读写分离策略，将读请求和写请求分发到不同的节点，读请求直接从缓存中获取数据，写请求则更新数据库并更新缓存，保持数据的一致性。
使用缓存中间件或者缓存组件，提供自动更新缓存的功能，减少手动维护缓存的复杂性。4.监控和报警：建立监控和报警机制，通过监控缓存层和数据库层的状态、数据一致性等指标，及时发现异常情况，并触发报警，以便及时处理问题。