Redis6 应用问题
缓存穿透
现象
应用服务器压力变大了（有大量请求过来了）
Redis 命中率降低（持久化数据库也不存在的数据）
一直查询持久化数据库（查询不存在的数据）
问题
一般是被人攻击，用不存在的数据请求（比如 id 什么的）
解决方案
- 对空值缓存
如果一个查询返回的数据为空（不管是数据是否存在），我们仍然把这个空结果（null）进行缓存，设置空结果的过期时间会很短，最长不超过 5 分钟
- 设置可访问白名单
使用 bitmaps 类型定义一个可以访问的名单，名单 id 作为 bitmaps 的偏移量，每次访问和 bitmaps 里面的 id 进行比较，如果访问 id 不在 bitmaps 里面，进行拦截，不允许访问
- 布隆过滤器
布隆过滤器（Bloom Filter）是 1970 年由布隆提出的。它实际上是一个很长的二进制向量（位图）和一系列随机映射函数（哈希函数）。布隆过滤器可以用于检索一个元素是否在一个集合中，它的优点是空间效率和查询时间都远超一般的算法，缺点是有一定的误识别率和删除困难。
将所有可能存在的数据哈希到一个足够大的 bitmaps 中，一个一定不存在的数据会被这个 bitmaps 拦截掉，从而避免了对底层存储系统的查询压力
- 黑名单
进行实时监控，当发现 Redis 的命中率激素降低时，需要排查访问对象和访问的数据，和运维人员配合，设置黑名单限制服务
缓存击穿
现象
数据库访问压力瞬时增加
redis 里面没有出现大量 key 过期
redis 正常运行
原因
某个热门的 key 过期了，大量访问使用这个 key
解决方案
- 预热
在 redis 高峰访问之前，把一些热门数据提前存入到 redis 里面，加大这些热门数据 key 的时长
- 实时调整
现场监控哪些热门数据，实时调整 key 的过期时长
- 使用锁
缓存雪崩
在极少时间段内，查询大量 key 集中过期的情况
解决方案
构建多级缓存架构（redis + EhCache纯java的进程内缓存）
使用锁或队列
用加锁或者队列的方式保证不会有大量的线程对数据库进行一次性读写，从而避免失效时大量的并发请求落到底层存储系统上，不适用高并发情况
- 设置过期标志更新缓存
记录缓存数据是否过期（设置提前量），如果过期会触发通知另外的线程在后台去更新实际 key 的缓存
- 将缓存失效时间分开
在原有失效时间的基础上加一个随机值，比如 1-5 分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件
分布式锁
由于分布式系统多线程、多进程并且分布在不同的机器上，这将使原单机部署情况下的并发控制锁策略失效，单纯的 Java API 并不能提供分布式锁的能力。为了解决这个问题就需要一种跨 JVM 的互斥机制来控制共享资源的访问，这就是分布式锁要解决的问题。
主流实现方案：
基于数据库实现分布式锁
基于缓存（Redis 等）
基于 Zookeeper
都有各自优缺点
性能：redis 最高
可靠性：zookeeper 最高
使用 redis 实现分布式锁
互斥性：在任意时刻只有一个客户端能持有锁
不会发生死锁：即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁
具有容错性：只要大部分的 redis 节点正常运行，客户端就可以加锁和解锁
解铃还须系铃人：加锁和解锁必须是同一个客户端，客户端自己不能把别人加的所给解了
# nx 如果存在 num 这个 key 就不做任何操作，ex 设置过期时间 15 秒
set num 1 nx ex 15