1.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，导致请求直接穿透缓存到达数据库，给数据库带来压力的情况。

---

常见的解决方案有两种：

缓存空对象：实现简单，维护方便；但产生了额外的内存消耗（可以给该对象设置一个很短的 TTL ，时间一到，就被清除了），可能造成短期的不一致（在缓存空对象的有效期内，数据库中新增了该数据，但缓存中的空值尚未过期，导致客户端仍然获取到旧的空值，直到缓存过期后才会更新为真实数据。）。

布隆过滤：内存占用少，没有多余key；但实现复杂，存在误判可能。

---

方案一比较常用，这里是该方法的实现：

public Result queryById(Long id) {
        String key = CACHE_SHOP_KEY + id;
        //1.从redis中查询店铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {//只有 返回字符串 才为真；null，空字符串，换行都会返回false
           //3.存在，直接返回
           Shop shop = JSONUtil.toBean(shopJson, Shop.class);//字符串转成shop对象
           return Result.ok(shop);
         }
        //判断命中的是否是空值
        if (shopJson != null){
            //返回一个错误信息
            return Result.fail("店铺信息不存在！");
        }
        //4.不存在，根据id查询数据库
        Shop shop = getById(id);//shop对象
        //5.不存在，返回错误
        if (shop == null) {
            //缓存穿透
            //将空值写入redis
            //返回错误
                  stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);

        //shop对象转成json形式存入
            return Result.fail("店铺不存在！");
        }
        //6.存在，数据写入redis
                stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);

        //shop对象转成json形式存入
        //7.返回
        return Result.ok(shop);

} 

以上这两种都属于被动的方案，事实上我们可以主动的采取一些措施解决缓存穿透，比如：增加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

缓存雪崩是指在同一时间段内大量缓存数据同时失效（过期）或者Redis服务宕机，导致大量请求瞬间穿透缓存层，直接冲击后端数据库，造成数据库负载骤增甚至崩溃，最终引发系统整体不可用的现象。

解决方案：

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

---

3.缓存击穿

该问题也叫做热点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。

解决方案：

互斥锁：没有额外的内存消耗，保证了一致性，实现比较简单；但是线程需要等待，性能受影响，可能有死锁风险。

逻辑过期：线程无需等待，性能较好；但是不保证一致性，有额外的内存消耗（存储过期时间），实现复杂。