一、缓存雪崩
1.1 缓存雪崩是由于原有缓存失效(过期)，新缓存未到期间。所有请求都去查询数据库，而对数据库CPU和内存造成巨大压力，严重的会造成数据库宕机。从而形成一系列连锁反应，造成整个系统崩溃。
因为缓存层承载了大量的请求，有效的保护了存储 层，但是如果缓存由于某些原因，整体不能够提供服务，于是所有的请求，就会到达存储层，存储层的调用量就会暴增，造成存储层也会挂掉的情况。缓存雪崩的英文解释是奔逃的野牛，指的是缓存层当掉之后，并发流量会像奔腾的野牛一样，大量后端存储，雪崩描述的是一连串的负面响应，如下图：
1.2 存在这种问题的一个场景是：当缓存服务器重启或者大量缓存集中在某一个时间段失效，这样在失效的时候，大量数据会去直接访问DB，此时给DB很大的压力。
1.3.解决方法
（1）设置redis集群和DB集群的高可用，如果redis出现宕机情况，可以立即由别的机器顶替上来。这样可以防止一部分的风险。
（2）使用互斥锁
在缓存失效后，通过加锁或者队列来控制读和写数据库的线程数量。比如：对某个key只允许一个线程查询数据和写缓存，其他线程等待。单机的话，可以使用synchronized或者lock来解决，如果是分布式环境，可以是用redis的setnx命令来解决。
（3）不同的key,可以设置不同的过期时间，让缓存失效的时间点不一致，尽量达到平均分布。
（4）永远不过期
redis中设置永久不过期，这样就保证了，不会出现热点问题，也就是物理上不过期。
（5）资源保护
使用netflix的hystrix，可以做各种资源的线程池隔离，从而保护主线程池。
二、缓存穿透
2.1 缓存穿透是指用户查询数据，在数据库没有，自然在缓存中也不会有。这样就导致用户查询的时候，在缓存中找不到，每次都要去数据库再查询一遍，然后返回空。这样请求就绕过缓存直接查数据库，这也是经常提的缓存命中率问题
2.2 造成的原因：
2.1.1 业务自身代码或数据出现问题；
2.2.1 一些恶意攻击、爬虫造成大量空的命中，此时会对数据库造成很大压力。
2.3 解决方法
2.3.1 设置布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截掉，
从避免了对底层存储系统的查询压力。
2.3.2 如果一个查询返回的数据为空，不管是数据不存在还是系统故障，我们仍然把这个结果进行缓存，但是它的过期时间会很短
最长不超过5分钟，这样第二次到缓冲中获取就有值了，而不会继续访问数据库，这种办法最简单粗暴 代码大致逻辑如下：
public String getCacheValue(){
int cacheTime = 30;
String cacheKey = "product_list";
String cacheValue = redisUtil.get(cacheKey);
if (StringUtils.isNotBlank(cacheValue)) {
return cacheValue;
}else{
cacheValue = getListFromDB(); //数据库查询不到，为空。
if (StringUtils.isBlank(cacheValue)) {
cacheValue = ""; //如果发现为空，设置个默认值，也缓存起来。
}
redisUtil.Add(cacheKey, cacheValue, cacheTime);
return cacheValue;
}
return "";
}这样把空结果也给缓存起来，这样下次同样的请求就可以直接返回空了，即可以避免当查询的值为空时引起的缓存穿透。同时也可以单独设置个缓存区域存储空值，对要查询的key进行预先校验，然后再放行给后面的正常缓存处理逻辑。
