一、缓存穿透
缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时需要从数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，造成缓存穿透（恶意用户模拟请求很多缓存中不存在的数据）
解决办法：
最基本的就是做好参数校验，一些不合法的参数请求直接抛出异常信息返回给客户端。比如查询的数据库id不能小于0、传入的邮箱格式不对的时候直接返回错误消息给客户端等等。
1、简单办法：持久层查询不到就缓存空结果（这里的空值不能存null,用个cacheWrapper包装类，redis存不了null。实际应用中redis存byte[]，这是为了安全性），查询时先判断缓存中是否exists(key) ,如果有直接返回空，没有则查询后返回。注意insert时需清除查询的key（注意操作顺序必须先改库提交事务后，再清缓存），否则即便DB中有值也查询不到(当然也可以设置空缓存的过期时间）。另外这个空结果缓存过期时间需要设置短点，防止redis中存入大量无效key，一般不超过5分钟。
2、布隆过滤器：
由二进制向量（或者说位数组）和一系列随机映射函数（哈希函数）两部分组成的数据结构。相比于我们平时常用的的 List、Map 、Set 等数据结构（普通集合都是将数据完整存起来再比较），它占用空间更少并且效率更高，但是缺点是其返回的结果是概率性的，而不是非常准确的。理论情况下添加到集合中的元素越多，误报的可能性就越大。并且，存放在布隆过滤器的数据不容易删除。
总结：一个名叫 Bloom 的人提出了一种来检索元素是否在给定大集合中的数据结构，这种数据结构是高效且性能很好的，但缺点是具有一定的错误识别率和删除难度。并且，理论情况下，添加到集合中的元素越多，误报的可能性就越大
原理介绍：当我们需要判断一个元素是否存在于布隆过滤器的时候，会进行如下操作：
1、对给定元素再次进行相同的哈希计算；
2、得到值之后判断位数组中的每个元素是否都为 1，如果值都为 1，那么说明这个值在布隆过滤器中，如果存在一个值不为 1，说明该元素不在布隆过滤器中。
使用场景：
1、判断给定数据是否存在：比如判断一个数字是否在于包含大量数字的数字集中（数字集很大，5亿以上！）、 防止缓存穿透（判断请求的数据是否有效避免直接绕过缓存请求数据库）等等、邮箱的垃圾邮件过滤、黑名单功能等等。
2、去重：比如爬给定网址的时候对已经爬取过的 URL 去重
guava实现：
private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 100); public static void main(String[] args) { for(int i=0;i<100;i++) { bloomFilter.put(i); } System.out.println(bloomFilter.mightContain(99)); }
打印:true
二、缓存雪崩
雪崩：缓存大量失效的时候，引发大量查询数据库。
解决办法：
（1）用锁/分布式锁或者队列串行访问（使用类似于单例模式的双重检锁机制，而不是对整个判断都加锁，可以提高效率）
（2）缓存失效时间均匀分布
三、热点key
热点key:某个key访问非常频繁，当key失效的时候有大量线程来构建缓存，导致负载增加，系统崩溃
解决办法：
- （1）使用锁，单机用synchronized,lock等，分布式用分布式锁
- （2）二级缓存，注意分布式环境下内存缓存的更新要通过zk同时刷新集群所有机器
- （3）缓存过期时间不设置，而是设置在key对应的value里。如果检测到存的时间超过过期时间则异步更新缓存
- （4）在value设置一个比过期时间t0小的过期时间值t1，当t1过期的时候，延长t1并做更新缓存操作
