前言
由于以前的互联网不发达，用户使用不普及，所有没有并发的压力，不用担心数据库压力，所以大都直接使用数据库来进行数据的存储，由于一般的系统任务中通常不会存在高并发的情况，所以这样看起来并没有什么问题。
随着互联网的普及，高并发场景越来越多，例如双11活动，12306抢票等等。用户访问量非常庞大，比如一些商品抢购的情景，或者是主页访问量瞬间较大的时候，单一使用数据库来保存数据的系统会因为面向磁盘，磁盘读/写速度比较慢的问题而存在严重的性能弊端，一瞬间成千上万的请求到来，需要系统在极短的时间内完成成千上万次的读/写操作，这个时候往往不是数据库能够承受的，极其容易造成数据库系统瘫痪，最终导致服务宕机的严重生产问题。
随着技术的进步和成熟，缓存这一概念逐渐被应用。这就是所谓的NoSQL技术，这是一种基于内存的数据库，并且提供一定的持久化功能。
redis技术就是NoSQL技术中的一种，也是目前行业内缓存使用最多的。很多大型的项目都加入了缓存，这样可以大大缓解数据库的压力，提高响应速度和用户体验。但是Redis也有很多弊端，会出现各种各样的问题，例如有可能出现缓存穿透，缓存击穿，缓存雪崩等问题。
先来借助实际场景，来理解缓存击穿，雪崩，穿透的问题，以及如何解决这些问题。
例如用户需要查询某个商品(电视机)的库存数据，结构图如下
二.缓存击穿
举例
例如在双11抢购中，某个电视机是爆款被很多人抢购，那么这个时候电视机的库存这个key就一直抗着高并发，那么如果这个key突然失效了，数以亿计的并发请求就进入到数据库了，缓存就被击穿了。
解决方案
- 在设置Redis键的过期时间时，加上一个随机数，这样可以避免大量的缓存在同一时间过期。
- 加锁排队，对这种场景进行加锁排队，从而实现限流降低系统压力。
三.缓存雪崩
举例
例如大量的缓存在同一时间过期了，或者缓存服务器由于某种原因宕机了，这个时候有很多用户请求，例如双11整点抢购，这些用户就会直接查询数据库，这一瞬间，数据库的压力就会崩溃，数据库服务器就会宕机。
解决方案
- 在设置Redis键的过期时间时，加上一个随机数，这样可以避免大量的缓存在同一时间过期。
- 部署分布式的Redis服务，当主服务挂了之后马上启动备用服务，提高系统可用性。
- 加锁排队，对这种场景进行加锁排队，从而实现限流降低系统压力。
四.缓存穿透
举例
A用户现在要查询电视机的库存，先去缓存里面查询，发现缓存里面没有电视机的数据，就去数据库里面查询，发现数据库里面也没有。假如有100个用户，1万个用户甚至更多的用户去查询电视机，想一想这对数据库是多么大的压力，试想一下如果有人借助这个漏洞恶意攻击，数据库是不是就崩溃了。这就是我们所说的缓存穿透。
解决方案
- 缓存空对象：无论数据库中有没有电视机的数据，都会缓存下来，这样无论多少人去查电视机，都有缓存数据。说白了就是用户每次查询，结果都会缓存，不管数据库中有没有这个数据。这样做的弊端就是系统资源开销会比较大，可以设置缓存的过期时间来减小开销。
- 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，从而避免了对底层存储系统的查询压力。提前过滤掉不合法的请求
五.小结
其实Redis在缓存中遇到的问题远不止这些，只是在高并发场景下，这些问题在互联网环境下显得尤为重要，特别是电商行业。所以在数据缓存这块需要结合实际情况来设计，重点注意几个问题，一个是key的过期时间问题，还有就是加锁，在核心业务地方加锁，降低并发，最后就是分布式部署redis服务，一台服务挂了，马上启动另外一台，大大提高系统的可用性。
