Redis缓存的使用极大提高了应用程序的性能和效率，特别是数据查询的方面，但同时也带来了问题，其中最严重的就是数据一致性的问题，还有就是缓存穿和缓存雪崩。
缓存穿透当用户想要查询一条Redis内存数据库不存在的数据时，也就是缓存没有命中，于是向持久层数据库中去发起查询，发现没有，于是本次查询失败。但是当用户很多时，都没有命中，于是都去请求了持久层的数据库，这会给持久层的数据库带来了很大的压力，这就相当于出现了缓存雪崩（秒杀）。
解决方案
1.布隆过滤器
布隆过滤器是一种数据结构，对所有可能查询到的数据以Hash形式存储，在控制层进行校验，不符合则丢弃，从而避免了缓存穿透。
2.缓存空对象
当存储层不命中时，即使返回的空对象也存储起来，同时会设置一个过期时间，之后在访问会从缓存中获取，保护了后端的数据源。
两种方法带来的问题：
- 如果存储了空值，就意味着以后需要更多的存储空间来存储空值。
- 即使设置了过期时间，还是会存在缓存层和持久层数据某段时间不一致问题，这对需要保持数据一致性的业务来说是不友好的。
缓存击穿是当前一个key非常热点，在不停的扛着高并发，高并发集中对这一个热点进行不停的访问，当这个key失效的瞬间，缓存中此key过期，持续的高并发直接请求数据库，并且回写缓存，就像在屏障中穿凿了一个洞，会导致数据库瞬间的压力过大。
解决方案
1.设置热点永不过期
2.加互斥锁
分布式锁:使用分布式锁，保证每一个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，这种方式将压力转移到分布式锁上，所以对分布式锁是一个极大的考验。
缓存雪崩是指在某一个时间段，缓存集中过期失效。Redis宕机
生雪崩的原因之一，比如在写本文的时候，马上就要到双十二零点，很快就会迎来一波抢购，这波商品时间比较集中的放入了缓存，假设缓存一个小时。那么到了凌晨一点钟的时候，这批商品的缓存就都过期了。而对这批商品的访问查询，都落到了数据库上，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，造成存储层也会挂掉的情况
其实集中过期不是致命的，比较致命的是缓存雪崩，是缓存服务器中的某个节点断网或者宕机，从而形成的自然雪崩，一定是在某个时间段集中创建缓存，而缓存服务器节点的宕机造成的影响是不可预知的，很有可能瞬间就会把数据库垮掉。
解决方案
1.Redis的高可用 （搭建多台Redis服务器 形成集群）
2.限流降级
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。
3.数据预热
数据加热的含义是在正式部署之前，先把可能要访问的数据访问一遍，这样大部分的数据都会加载到缓存当中，在即将到来的高并发前手动访问数据缓存不同的key,使他们的过期时间也不一样，让缓存失效的时间均匀点，不在同一个时间点失效。
