前些天發現了一個巨牛的人工智能學習網站，通俗易懂，風趣幽默，忍不住分享一下給大家。點選跳轉到網站。
當下ChatGPT很火，讓人心癢癢想試一試好不好用，是以我就試着借它寫一篇文章，但是試了幾次最終還是沒有生成想要的結果，基本上每次都是緩存擊穿寫了點之後也就沒了，也不知道是網絡問題還是怎麼了。不過本文最終還是由ChatGPT主導生成的文章，我隻是做個簡單的修飾。
好了，接下來言歸正傳。
緩存是許多現代Web應用程式的重要組成部分，因為它可以大大提高系統的性能和可靠性。然而，緩存也存在一些潛在的問題，如緩存穿透、緩存擊穿和緩存雪崩，這些問題可能導緻系統性能下降甚至當機。是以，對這些問題的了解和解決方案非常重要。面試也會經常問到緩存相關知識，緩存穿透、緩存擊穿、緩存雪崩基本也是必問的問題之一。但是我一個QPS不到10系統，問我這些問題，真的讓我很為難。。
緩存穿透
緩存穿透(Cache Penetration) 是指大量的無效請求直接到達後端資料庫，因為緩存中不存在該資料的緩存。這種情況下，大量的請求将直接影響到資料庫的性能，并可能導緻資料庫崩潰。
解決方案：
-
設定布隆過濾器(Bloom Filter) ：使用布隆過濾器可以快速識别無效資料，進而避免直接請求資料庫。
簡單介紹一下布隆過濾器：
布隆過濾器（Bloom Filter） 是一種基于哈希的快速、高效的資料結構，可以用于判斷一個元素是否可能屬于某個集合，它可以在極小的空間開銷下，實作近似快速查詢，但存在一定的誤判率。
布隆過濾器的核心思想是：如果一個元素不在集合中，那麼它對應的每一個位都不會被置為1，是以查詢時隻需要檢查這些位是否都為1即可确定該元素不在集合中。而如果一個元素在集合中，那麼它對應的位可能被其他元素所置為1，是以查詢時隻能判斷該元素可能在集合中，但不能确定其一定在集合中。
- 設定空值緩存：當請求的資料不存在時，可以将一個空值緩存到緩存中，避免重複請求資料庫。
- 黑名單機制：對于請求失敗次數進行記錄，超過一定次數後，将該資料加入黑名單，以後不再請求該資料。
緩存擊穿
緩存擊穿(Cache Breakdown) 是指在一個熱點資料的緩存過期時，大量的請求同時命中資料庫，導緻資料庫壓力過大。
解決方案：
- 加鎖：在緩存資料過期時可以使用鎖機制，避免多個請求同時命中資料庫。
- 緩存預熱：在緩存資料過期前，可以使用緩存預熱的方法将資料提前加載到緩存中，進而避免緩存資料過期時大量請求資料庫。
- 熱點資料不過期：熱點資料過期時間設定為不過期，背景定時去異步重新整理緩存。
緩存雪崩
緩存雪崩(Cache Avalanche) 是一種常見的緩存問題，發生在大量緩存資料同時過期時。當大量請求同時命中資料庫，資料庫壓力過大，導緻資料庫當機或性能嚴重下降。
解決方案：
- 緩存失效随機化：通過随機化緩存資料的失效時間，可以避免所有資料同時過期，進而避免緩存雪崩的問題。
- 動态調整緩存失效時間：通過動态調整緩存資料的失效時間，可以根據實際情況調整緩存資料的失效時間，進而避免緩存雪崩的問題。
- 緩存預熱：在緩存資料過期前，可以使用緩存預熱的方法将資料提前加載到緩存中，進而避免緩存資料過期時大量請求資料庫。
- 設定緩存容錯：在緩存系統中設定容錯機制，在緩存資料過期時可以使用備用資料源，進而避免資料庫當機。
- 緩存叢集：使用緩存叢集可以将緩存負載分散到多台機器上，進而避免緩存雪崩的問題
總結
最後對緩存穿透、緩存擊穿、緩存雪崩做一個總結：
| 緩存穿透 | 緩存擊穿 | 緩存雪崩 | |
|---|---|---|---|
| 原因 | 大量的無效請求直接到達後端資料庫 | 一個熱點資料的緩存過期時，大量的請求同時命中資料庫 | 大量緩存資料同時過期時。當大量請求同時命中資料庫 |
| 解決方案 | 設定布隆過濾器、設定空值緩存、黑名單機制 | 加鎖、緩存預熱、熱點資料不過期 | 緩存失效随機化、動态調整緩存失效時間、緩存預熱、設定緩存容錯、緩存叢集 |