轉載：https://www.cnblogs.com/George1994/p/10668889.html
緩存穿透
這個很好理解，就是在訪問數據的時候，緩存中沒有對應的數據。接着查詢數據庫也無法查詢出結果，導致不會寫入到緩存中去。這回導致每次查詢都會去請求數據庫，造成緩存穿透；
解決方案
布隆過濾：對所有可能查詢的參數以hash形式存儲，在控制層先進行校驗，不符合則丟棄，從而避免了對底層存儲系統的查詢壓力；
緩存空對象:當存儲層不命中後，即使返回的空對象也將其緩存起來，同時會設置一個過期時間，之後再訪問這個數據將會從緩存中獲取，保護了後端數據源；
但是這種方法會存在兩個問題：
1、如果空值能夠被緩存起來，這就意味着緩存需要更多的空間存儲更多的鍵，因爲這當中可能會有很多的空值的鍵；
2、即使對空值設置了過期時間，還是會存在緩存層和存儲層的數據會有一段時間窗口的不一致，這對於需要保持一致性的業務會有影響。
方案比較：
緩存雪崩
緩存雪崩是指，由於緩存層承擔了大量的請求，有效保護了存儲層，但是如果因爲某些願意整體不能提供服務，於是所有請求都到達了存儲層（也就是數據庫）。存儲層的調用會暴增。造成存儲層直接被帶垮掉。
解決方案
- 保證緩存層服務高可用性：即使個別節點、個別機器、甚至是機房宕掉，依然可以提供服務，比如 Redis Sentinel 和 Redis Cluster 都實現了高可用。
- 依賴隔離組件爲後端限流並降級：在緩存失效後，通過加鎖或者隊列來控制讀數據庫寫緩存的線程數量。比如對某個key只允許一個線程查詢數據和寫緩存，其他線程等待。
- 數據預熱：可以通過緩存reload機制，預先去更新緩存，再即將發生大併發訪問前手動觸發加載緩存不同的key，設置不同的過期時間，讓緩存失效的時間點儘量均勻。
緩存併發
緩存併發是指，高併發場景下同時大量查詢過期的key值、最後查詢數據庫將緩存結果回寫到緩存、造成數據庫壓力過大
解決方案
分佈式鎖：在緩存更新或者過期的情況下，先獲取鎖，在進行更新或者從數據庫中獲取數據後，再釋放鎖，需要一定的時間等待，就可以從緩存中繼續獲取數據。
