缓存穿透
举个栗子，用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没命中，于是向持久层数据库查询，发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求持久层数据库，这样会给持久层数据库造成很大的压力，相当于出现了缓存穿透。
解决方案：
1.布隆过滤器
是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免对底层存储系统的查询压力。
2.缓存空对象
当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中取，保护后端数据源。
弊端：
- 如果控制能够被缓存起来，就意味着缓存需要更多的空间存储更多地键，因为这当中可能会有很多的空值的键。
- 即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的不一致（例如，某个时刻，持久层有了该数据，而缓存中还没更新过来），这对于需要保持一致性的业务会有影响。
缓存击穿
指一个key非常热点，在不停地扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接访问数据库查询最新数据，并且写会缓存，造成压力过大，容易导致服务器宕机。
解决方案：
- 设置热点数据永不过期：从缓存层面来看，没有设置过期时间，所以不会出现热点key过期后产生的问题。但是这个方案不现实
- 加互斥锁：使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。
缓存雪崩
指在某一个时间段，缓存集中过期失效，redis宕机。
产生雪崩的原因之一，比如双十一，商品比较集中地放入了缓存，假设缓存时间一个小时，那么凌晨一点的时候，缓存过期。商品查询直接落到了数据库，对于数据库而言就会产生周期性的压力波峰。于是所有的请求都会达到存储层，存储层的调用量会暴增，可能造成数据库服务器宕机，但是这种雪崩无非就是对数据库产生周期性的压力，比起这种集中过期，更致命的缓存雪崩场景是，某个缓存服务器节点宕机或者断网，这样对数据库服务器造成的压力是不可预知的。
解决方案
- Redis高可用：多增设几台Reids服务器，搭建集群（异地多活）。
- 限流降级：在缓存失败后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。
- 数据预热：数据加热的含义就是在正式部署之前，先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生的大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀。