缓存的使用三-缓存穿透了如何解决
在低缓存命中率的系统中，大量查询请求会穿透缓存到数据库，因为数据库对于并发的承受能力比较脆弱，导致查询变慢，大量请求阻塞在数据库查询上，造成应用服务器的连接和线程资源被占满，导致系统崩溃。
1、缓存穿透的解决方案
场景一
通过用户ID查询用户的信息，缓存策略采用 Cache Aside 策略，如果读取一个用户表中未注册的用户会发生什么情况，我们会先读缓存再穿透读数据库。由于用户不存在，所有缓存和数据库中都没有查询到数据，因此也就不会想缓存中回种数据。当再次请求这个用户数据的时候就会再次穿透到数据库。
解决方案：回种空值以及使用布隆过滤器
1.1、回种空值
场景一中出现的问题，数据库中并不存在用户的数据，就造成了无论查询多少次数据库中永远不会存在这个用户的数据，穿透就一直会存在。
当从数据库中查询到空值或者发生异常时，我们可以向缓存中回种一个空值，但是考虑到占用缓存的空间，所以可以给空值加一个比较短的过期时间。
1.2、使用布隆过滤器
布隆过滤器的算法，用来判断一个元素是否在一个集合中。这种算法由一个二进制数组和一个 Hash 算法组成。
思路：
我们把集合中的每一个值按照提供的 Hash 算法算出对应的 Hash 值，然后将 Hash 值对数组长度取模后得到需要计入数组的索引值，并且将数组这个位置的值从 0 改成 1。在判断一个元素是否存在于这个集合中时，你只需要将这个元素按照相同的算法计算出索引值，如果这个位置的值为 1 就认为这个元素在集合中，否则则认为不在集合中
还是以存储用户信息的表为例进行讲解。首先我们初始化一个很大的数组，比方说长度为 20 亿的数组，接下来我们选择一个 Hash 算法，然后我们将目前现有的所有用户的 ID 计算出 Hash 值并且映射到这个大数组中，映射位置的值设置为 1，其它值设置为 0。
新注册的用户除了需要写入到数据库中之外，它也需要依照同样的算法更新布隆过滤器的数组中相应位置的值。那么当我们需要查询某一个用户的信息时，先查询这个 ID 在布隆过滤器中是否存在，如果不存在就直接返回空值，而不需要继续查询数据库和缓存，这样就可以极大地减少异常查询带来的缓存穿透。
1、选择多个 Hash 函数计算多个 Hash 值，这样可以减少误判的几率；
2、布隆过滤器会消耗一定的内存空间，所以在使用时需要评估你的业务场景下需要多大的内存，存储的成本是否可以接受。
