1、 缓存穿透问题的解决思路

缓存穿透 ：

缓存穿透 是 指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

常见的解决方案有两种：

1. 缓存空对象

优点：

• 实现简单，维护方便

缺点：

• 额外的内存消耗
• 可能造成短期的不一致

2. 布隆过滤

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

缓存空对象思路分析：

当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库。

简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了

布隆过滤：

布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中。

假设布隆过滤器判断这个数据不存在，则直接返回

这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突

① 编码解决商品查询的缓存穿透问题：

核心思路如下：

• 在原来的逻辑中：

我们如果发现这个数据在mysql中不存在，直接就返回404了，这样是会存在缓存穿透问题的

• 现在的逻辑中：

如果这个数据不存在，我们不会返回404 ，还是会把这个数据写入到Redis中，并且将value设置为空，当再次发起查询时，我们如果发现命中之后，判断value是否是null，如果是null，则是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。

代码：

修改 ShopServiceImpl 中 queryShopById 方法 中的 不存在逻辑

    /**
     *  查询商铺
     * @param id
     * @return
     */
    @Override
    public Result queryShopById(Long id) {

        // 1. 从 Redis 中查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);

        // 2. 判断是否存在
        // 3. 存在 ， 直接返回
        if(StrUtil.isNotBlank(shopJson)){
            Shop shop=JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }

        //判断命中空值 返回 404
        if(shopJson != null) {
            // 返回一个错误信息
            return Result.fail("商铺不存在");
        }

        // 4. 不存在 ，根据 id 去数据库查询
        Shop shop = getById(id);
        // 5. 不存在 ， 返回 404
        if(shop==null){
            stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, "",CACHE_NULL_TTL,TimeUnit.MINUTES);
            return Result.fail("商铺不存在");
        }

        // 6. 存在 ， 写入 Redis
        stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);

        return Result.ok(shop);
    }

② 总结：

1. 缓存穿透产生的原因是什么？

用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力

2. 缓存穿透的解决方案有哪些？

• 缓存null值
• 布隆过滤
• 增强id的复杂度，避免被猜测id规律
• 做好数据的基础格式校验
• 加强用户权限校验
• 做好热点参数的限流

2、 缓存雪崩问题及解决思路

缓存雪崩：

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

解决方案：

1. 给不同的Key的TTL添加随机值
2. 利用Redis集群提高服务的可用性
3. 给缓存业务添加降级限流策略
4. 给业务添加多级缓存