记录一下redis应用中常见的三大问题。
首先看一下应用redis作为缓存的系统数据访问的架构图：
客户端发起一个查询请求的时候，首先去缓存中查询，如果数据在缓存中存在，则直接将缓存中的数据返回给客户端；如果数据在缓存中不存在，则继续查询数据库，如果数据在数据库中存在，则将该数据放入缓存中，并返回给客户端，如果数据在数据库中也不存在，则直接返回null给客户端。
缓存穿透是指查询缓存和数据库都不存在的数据，导致每次查询都会透过缓存，直接查询数据库。
缓存穿透解决方案
1、缓存空对象
2、布隆过滤器
缓存空对象就是当数据库中查不到数据的时候，缓存一个空对象，然后给空对象设置一个很短的过期时间，从而达到减少数据库压力的目的。但这种解决方式有两个缺点：（1）缓存空对象浪费空间。(2)会导致数据库和缓存的数据不一致。
布隆过滤器是一种数据结构，相当于在客户端和缓存中间加了一个过滤器，布隆过滤器会对缓存中所有的key进行n次hash运算，这样可以得到n个位置，然后将这n个位置的元素置为1。但客户端查询时，也会对查询的key进行n次hash运算，得到n个位置，如果这n个位置全为1则,去缓存查询，否则返回空给客户端。
举个例子，比如我们一共有3个key，我们对这3个key分别进行3次hash运算，key1经过三次hash运算后的结果分别为2/6/10，那么就把布隆过滤器中下标为2/6/10的元素值更新为1，然后再分别对key2和key3做同样操作，结果如下图：
这样，当客户端查询时，也对查询的key做3次hash运算得到3个位置，然后看布隆过滤器中对应位置元素的值是否为1，如果所有对应位置元素的值都为1，就证明key在库中存在，则继续向下查询；如果3个位置中有任意一个位置的值不为1，那么就证明key在库中不存在，直接返回客户端空即可。如下图：
当客户端查询key4时，key4的3次hash运算中，有一个位置8的值为0，就说明key4在库中不存在，直接返回客户端空即可。
所以，布隆过滤器就相当于一个位于客户端与缓存层中间的拦截器一样，负责判断key是否在集合中存在。如下图：
布隆过滤器的好处就是解决了第一种缓存空值的不足，但布隆过滤器也存在缺陷，首先，它有误判的可能，比如在上面客户端查询key4的图中，假如key4经过3次hash运算得到的位置分别是2/4/6，由于这3个位置的值都是1，所以，布隆过滤器就认为key4在库中存在，进而继续向下查询了。所以，布隆过滤器判断存在的key实际上可能是不存在的，但布隆过滤器判断不存在的key是一定不存在的。它的第二个缺点就是删除元素比较难，比如现在要删除key2这个元素，那么需要将2/7/11三个位置的元素值改为0，但这样就会影响到key1和key3的判断。
缓存击穿是指当缓存中的热点数据过期了，在该热点数据重新载入内存前有大量查询请求穿过缓存，直接查询数据库，导致数据库压力过大。
缓存击穿解决方案
（1）设置key永不过期。
（2）使用分布式锁
第一种比较简单不再多说，第二种使用加分布锁的方式，锁对象是热点数据的key，同一时刻只能有一个线程获得锁对象，然后去查询数据库，把结果放到缓存中，释放锁。其他线程直接到缓存中取数据，不再需要查询数据库
缓存雪崩是指当缓存中有大量的key在同一时刻过期，或者redis服务器宕机，导致大量的请求查询数据库，导致数据库压力加大。
缓存雪崩解决方案
（1）将每个key的过期时间打散，使他们的失效时间均匀分布
（2）部署redis时使用集群，主从复制，哨兵。
