一. 緩存穿透 （請求數(shù)據(jù)緩存大量不命中）： 緩存穿透是指查詢一個(gè)一定不存在的數(shù)據(jù)，由于緩存不命中，并且出于容錯(cuò)考慮， 如果從存儲(chǔ)層查不到數(shù)據(jù)則不寫入緩存，這將導(dǎo)致這個(gè)不存在的數(shù)據(jù)每次請求都要到存儲(chǔ)層去查詢，失去了緩存的意義。
例如：下圖是一個(gè)比較典型的cache-storage架構(gòu)，cache(例如memcache, redis等等) + storage(例如mysql, hbase等等)架構(gòu)，查一個(gè)壓根就不存在的值, 如果不做兼容，永遠(yuǎn)會(huì)查詢storage。
二. 危害：
對底層數(shù)據(jù)源(mysql, hbase, http接口, rpc調(diào)用等等)壓力過大，有些底層數(shù)據(jù)源不具備高并發(fā)性。
例如mysql一般來說單臺(tái)能夠扛1000-QPS就已經(jīng)很不錯(cuò)了（別說你的查詢都是select * from table where id=xx 以及你的機(jī)器多么牛逼，那就有點(diǎn)矯情了）
例如他人提供的一個(gè)抗壓性很差的http接口，可能穿透會(huì)擊潰他的服務(wù)。
三. 如何發(fā)現(xiàn)：
我們可以分別記錄cache命中數(shù), storage命中數(shù)，以及總調(diào)用量，如果發(fā)現(xiàn)空命中（cache,storage都沒有命中）較多，可能就會(huì)在緩存穿透問題。
注意：緩存本身的命中率（例如redis中的info提供了類似數(shù)字，只代表緩存本身）不代表storage和業(yè)務(wù)的命中率。
四. 產(chǎn)生原因以及業(yè)務(wù)是否允許？
產(chǎn)生原因有很多：可能是代碼本身或者數(shù)據(jù)存在的問題造成的，也很有可能是一些惡意攻擊、爬蟲等等（因?yàn)閔ttp讀接口都是開放的）
業(yè)務(wù)是否允許：這個(gè)要看做的項(xiàng)目或者業(yè)務(wù)是否允許這種情況發(fā)生，比如做一些非實(shí)時(shí)的推薦系統(tǒng)，假如新用戶來了，確實(shí)沒有他的推薦數(shù)據(jù)（推薦數(shù)據(jù)通常是根據(jù)歷史行為算出），這種業(yè)務(wù)是會(huì)發(fā)生穿透現(xiàn)象的，至于業(yè)務(wù)允不允許要具體問題具體分析了。
五. 解決方法：
解決思路大致有兩個(gè)，如下表。下面將分別說明
| 解決緩存穿透 | 適用場景 | 維護(hù)成本 |
| 緩存空對象 | 1. 數(shù)據(jù)命中不高 2. 數(shù)據(jù)頻繁變化實(shí)時(shí)性高 | 1.代碼維護(hù)簡單 2.需要過多的緩存空間 3. 數(shù)據(jù)不一致 |
| bloomfilter或者壓縮filter提前攔截 | 1. 數(shù)據(jù)命中不高 2. 數(shù)據(jù)相對固定實(shí)時(shí)性低 | 1.代碼維護(hù)復(fù)雜 2.緩存空間占用少 |
1. 緩存空對象
(1). 定義：如上圖所示，當(dāng)?shù)?#9313;步MISS后，仍然將空對象保留到Cache中（可能是保留幾分鐘或者一段時(shí)間，具體問題具體分析），下次新的Request（同一個(gè)key）將會(huì)從Cache中獲取到數(shù)據(jù)，保護(hù)了后端的Storage。
(2) 適用場景：數(shù)據(jù)命中不高，數(shù)據(jù)頻繁變化實(shí)時(shí)性高（一些亂轉(zhuǎn)業(yè)務(wù)）
(3) 維護(hù)成本：代碼比較簡單，但是有兩個(gè)問題：
第一是空值做了緩存，意味著緩存系統(tǒng)中存了更多的key-value，也就是需要更多空間（有人說空值沒多少，但是架不住多啊），解決方法是我們可以設(shè)置一個(gè)較短的過期時(shí)間。
第二是數(shù)據(jù)會(huì)有一段時(shí)間窗口的不一致，假如，Cache設(shè)置了5分鐘過期，此時(shí)Storage確實(shí)有了這個(gè)數(shù)據(jù)的值，那此段時(shí)間就會(huì)出現(xiàn)數(shù)據(jù)不一致，解決方法是我們可以利用消息或者其他方式，清除掉Cache中的數(shù)據(jù)。
(4) 偽代碼：
Java代碼
- package com.carlosfu.service;
-
- import org.apache.commons.lang.StringUtils;
-
- import com.carlosfu.cache.Cache;
- import com.carlosfu.storage.Storage;
-
- /**
- * 某服務(wù)
- *
- * @author carlosfu
- * @Date 2015-10-11
- * @Time 下午6:28:46
- */
- public class XXXService {
-
- /**
- * 緩存
- */
- private Cache cache = new Cache();
-
- /**
- * 存儲(chǔ)
- */
- private Storage storage = new Storage();
-
- /**
- * 模擬正常模式
- * @param key
- * @return
- */
- public String getNormal(String key) {
- // 從緩存中獲取數(shù)據(jù)
- String cacheValue = cache.get(key);
- // 緩存為空
- if (StringUtils.isBlank(cacheValue)) {
- // 從存儲(chǔ)中獲取
- String storageValue = storage.get(key);
- // 如果存儲(chǔ)數(shù)據(jù)不為空,將存儲(chǔ)的值設(shè)置到緩存
- if (StringUtils.isNotBlank(storageValue)) {
- cache.set(key, storageValue);
- }
- return storageValue;
- } else {
- // 緩存非空
- return cacheValue;
- }
- }
-
-
- /**
- * 模擬防穿透模式
- * @param key
- * @return
- */
- public String getPassThrough(String key) {
- // 從緩存中獲取數(shù)據(jù)
- String cacheValue = cache.get(key);
- // 緩存為空
- if (StringUtils.isBlank(cacheValue)) {
- // 從存儲(chǔ)中獲取
- String storageValue = storage.get(key);
- cache.set(key, storageValue);
- // 如果存儲(chǔ)數(shù)據(jù)為空，需要設(shè)置一個(gè)過期時(shí)間(300秒)
- if (StringUtils.isBlank(storageValue)) {
- cache.expire(key, 60 * 5);
- }
- return storageValue;
- } else {
- // 緩存非空
- return cacheValue;
- }
- }
-
- }
2. bloomfilter或者壓縮filter(bitmap等等)提前攔截
(1). 定義：如上圖所示，在訪問所有資源(cache, storage)之前，將存在的key用布隆過濾器提前保存起來，做第一層攔截, 例如： 我們的推薦服務(wù)有4億個(gè)用戶uid, 我們會(huì)根據(jù)用戶的歷史行為進(jìn)行推薦（非實(shí)時(shí)），所有的用戶推薦數(shù)據(jù)放到hbase中，但是每天有許多新用戶來到網(wǎng)站，這些用戶在當(dāng)天的訪問就會(huì)穿透到hbase。為此我們每天4點(diǎn)對所有uid做一份布隆過濾器。如果布隆過濾器認(rèn)為uid不存在，那么就不會(huì)訪問hbase，在一定程度保護(hù)了hbase（減少30%左右）。
注：有關(guān)布隆過濾器的相關(guān)知識(shí)，請自行查閱，有關(guān)guava中如何使用布隆過濾器，之后會(huì)系列文章給大家介紹。
(2) 適用場景：數(shù)據(jù)命中不高，數(shù)據(jù)相對固定實(shí)時(shí)性低（通常是數(shù)據(jù)集較大）
(3) 維護(hù)成本：代碼維護(hù)復(fù)雜, 緩存空間占用少
第一是空值做了緩存，意味著緩存系統(tǒng)中存了更多的key-value，也就是需要更多空間（有人說空值沒多少，但是架不住多啊），解決方法是我們可以設(shè)置一個(gè)較短的過期時(shí)間。
第二是數(shù)據(jù)會(huì)有一段時(shí)間窗口的不一致，假如，Cache設(shè)置了5分鐘過期，此時(shí)Storage確實(shí)有了這個(gè)數(shù)據(jù)的值，那此段時(shí)間就會(huì)出現(xiàn)數(shù)據(jù)不一致，解決方法是我們可以利用消息或者其他方式，清除掉Cache中的數(shù)據(jù)。
六、參考資料：
附圖一張，單機(jī)負(fù)載，哈哈：