一 Redis缓存穿透
缓存穿透是怎么发生的？查询的数据在缓存数据库中没有命中，从而需要到数据库中寻找。
如果缓存穿透只是偶尔发生， 那么无伤大雅，但是如果有人恶意攻击呢？
假设这样一种场景：根据订单编号查询，系统的编号规则是从1开始，但是黑客故意输入-1等不可能命中的数据呢？那么必然会发生缓存穿透，如果发生大量诸如此类的恶意穿透，就会给数据库造成极大的压力，甚至崩溃。
二 解决方法
2.1 增加无意义热点数据
即使查到的值为空，也将数据对保存进热点数据，但是这么做不仅会造成缓存中无意义数据增加，也不能从根本解决缓存穿透的问题。
2.2 增加过滤器
在发生没有命中热点数据的情况时，先经过一段过滤器将不符合条件的数据过滤掉。但随着数据量增加，过滤器需要过滤的数据也在增加，过滤器会越来越大，且过滤操作也是需要时间的，性能也会打折扣。
2.3 布隆过滤器
同样是过滤器的思路，只不过是使用布隆算法去过滤
三 布隆算法
实际上是一种提高效率，保留一定错误率的算法。
例如：每个写入的数据都打上标记，使用hash算法将数据映射到对应的bit位，将相应bit位修改为1，bit位数可以由自己定，那么当查询数据时，同样使用这个操作，如果映射到的位置是0，说明该数据不在数据库中，就不去麻烦数据库了。
为什么说会有一定的错误率呢？因为根据hash算法，即使不同的数据也可能被映射到相同的位置，产生hash碰撞，就是说，即使数据不存在，根据这个算法也可能会映射到1的bit位。
优化方案也很简单，第一：增加bit位，减少hash碰撞概率。第二：就是对一个数据使用多种不同的hash算法分别映射到多个位置，查询数据时也一样，只有多个位置同时被命中才说明这个数据存在于数据库，才能去麻烦数据库