转载：https://www.cnblogs.com/George1994/p/10668889.html
缓存穿透
这个很好理解，就是在访问数据的时候，缓存中没有对应的数据。接着查询数据库也无法查询出结果，导致不会写入到缓存中去。这回导致每次查询都会去请求数据库，造成缓存穿透；
解决方案
布隆过滤：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，从而避免了对底层存储系统的查询压力；
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获取，保护了后端数据源；
但是这种方法会存在两个问题：
1、如果空值能够被缓存起来，这就意味着缓存需要更多的空间存储更多的键，因为这当中可能会有很多的空值的键；
2、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，这对于需要保持一致性的业务会有影响。
方案比较：
缓存雪崩
缓存雪崩是指，由于缓存层承担了大量的请求，有效保护了存储层，但是如果因为某些愿意整体不能提供服务，于是所有请求都到达了存储层（也就是数据库）。存储层的调用会暴增。造成存储层直接被带垮掉。
解决方案
- 保证缓存层服务高可用性：即使个别节点、个别机器、甚至是机房宕掉，依然可以提供服务，比如 Redis Sentinel 和 Redis Cluster 都实现了高可用。
- 依赖隔离组件为后端限流并降级：在缓存失效后，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：可以通过缓存reload机制，预先去更新缓存，再即将发生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。
缓存并发
缓存并发是指，高并发场景下同时大量查询过期的key值、最后查询数据库将缓存结果回写到缓存、造成数据库压力过大
解决方案
分布式锁：在缓存更新或者过期的情况下，先获取锁，在进行更新或者从数据库中获取数据后，再释放锁，需要一定的时间等待，就可以从缓存中继续获取数据。
