緩存穿透是指查詢一個一定不存在的數據，由于緩存不命中，并且出于容錯考慮， 如果從存儲層查不到數據則不寫入緩存，這將導致這個不存在的數據每次請求都要到存儲層去查詢，失去了緩存的意義。
例如：下圖是一個比較典型的cache-storage架構，cache(例如memcache, redis等等) + storage(例如mysql, hbase等等)架構，查一個壓根就不存在的值, 如果不做兼容，永遠會查詢storage。
二. 危害：
對底層數據源(mysql, hbase, http接口, rpc調用等等)壓力過大，有些底層數據源不具備高并發性。
例如mysql一般來說單臺能夠扛1000-QPS就已經很不錯了（別說你的查詢都是select * from table where id=xx 以及你的機器多么牛逼，那就有點矯情了）
例如他人提供的一個抗壓性很差的http接口，可能穿透會擊潰他的服務。
三. 如何發現：
我們可以分別記錄cache命中數, storage命中數，以及總調用量，如果發現空命中（cache,storage都沒有命中）較多，可能就會在緩存穿透問題。
注意：緩存本身的命中率（例如redis中的info提供了類似數字，只代表緩存本身）不代表storage和業務的命中率。
四. 產生原因以及業務是否允許？
產生原因有很多：可能是代碼本身或者數據存在的問題造成的，也很有可能是一些惡意攻擊、爬蟲等等（因為http讀接口都是開放的）
業務是否允許：這個要看做的項目或者業務是否允許這種情況發生，比如做一些非實時的推薦系統，假如新用戶來了，確實沒有他的推薦數據（推薦數據通常是根據歷史行為算出），這種業務是會發生穿透現象的，至于業務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，如下表。下面將分別說明
| 解決緩存穿透 | 適用場景 | 維護成本 |
| 緩存空對象 | 1. 數據命中不高 2. 數據頻繁變化實時性高 | 1.代碼維護簡單 2.需要過多的緩存空間 3. 數據不一致 |
| bloomfilter或者壓縮filter提前攔截 | 1. 數據命中不高 2. 數據相對固定實時性低 | 1.代碼維護復雜 2.緩存空間占用少 |
1. 緩存空對象
(1). 定義：如上圖所示，當第②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間，具體問題具體分析），下次新的Request（同一個key）將會從Cache中獲取到數據，保護了后端的Storage。
(2) 適用場景：數據命中不高，數據頻繁變化實時性高（一些亂轉業務）
(3) 維護成本：代碼比較簡單，但是有兩個問題：
第一是空值做了緩存，意味著緩存系統中存了更多的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置一個較短的過期時間。
第二是數據會有一段時間窗口的不一致，假如，Cache設置了5分鐘過期，此時Storage確實有了這個數據的值，那此段時間就會出現數據不一致，解決方法是我們可以利用消息或者其他方式，清除掉Cache中的數據。
(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
- *
- * @author carlosfu
- * @Date 2015-10-11
- * @Time 下午6:28:46
- */
- public class XXXService {
-
- /**
- * 緩存
- */
- private Cache cache = new Cache();
-
- /**
- * 存儲
- */
- private Storage storage = new Storage();
-
- /**
- * 模擬正常模式
- * @param key
- * @return
- */
- public String getNormal(String key) {
- // 從緩存中獲取數據
- String cacheValue = cache.get(key);
- // 緩存為空
- if (StringUtils.isBlank(cacheValue)) {
- // 從存儲中獲取
- String storageValue = storage.get(key);
- // 如果存儲數據不為空,將存儲的值設置到緩存
- 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) {
- // 從緩存中獲取數據
- String cacheValue = cache.get(key);
- // 緩存為空
- if (StringUtils.isBlank(cacheValue)) {
- // 從存儲中獲取
- String storageValue = storage.get(key);
- cache.set(key, storageValue);
- // 如果存儲數據為空，需要設置一個過期時間(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： 我們的推薦服務有4億個用戶uid, 我們會根據用戶的歷史行為進行推薦（非實時），所有的用戶推薦數據放到hbase中，但是每天有許多新用戶來到網站，這些用戶在當天的訪問就會穿透到hbase。為此我們每天4點對所有uid做一份布隆過濾器。如果布隆過濾器認為uid不存在，那么就不會訪問hbase，在一定程度保護了hbase（減少30%左右）。
注：有關布隆過濾器的相關知識，請自行查閱，有關guava中如何使用布隆過濾器，之后會系列文章給大家介紹。
(2) 適用場景：數據命中不高，數據相對固定實時性低（通常是數據集較大）
(3) 維護成本：代碼維護復雜, 緩存空間占用少
第一是空值做了緩存，意味著緩存系統中存了更多的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置一個較短的過期時間。
第二是數據會有一段時間窗口的不一致，假如，Cache設置了5分鐘過期，此時Storage確實有了這個數據的值，那此段時間就會出現數據不一致，解決方法是我們可以利用消息或者其他方式，清除掉Cache中的數據。
六、參考資料：
附圖一張，單機負載，哈哈：