1.缓存穿透
1.1出现的原理
key对应的数据在数据库并不存在，每次针对此key的请求从缓存获取不到，请求都会到数据源，从而可能压垮数据源。比如用一个不存在的商品id获取商品信息，不论缓存还是数据库都没有，若黑客利用此漏洞进行攻击可能压垮数据库。
1.2解决方式
1.2.1设置空值
如果从数据库查询的对象为空，也放入缓存，只是设定的缓存过期时间较短，比如设置为60秒。
1.2.1拦截
如用户鉴权校验，id做基础校验，id<=0的直接拦截；
2.缓存击穿
2.1出现的原理
缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。
2.1解决方式
1、设置热点数据永远不过期(爆款商品访问次数最多)。
2、布隆过滤器，可以判断某样东西一定不存在或者可能存在。bloomfilter就类似于一个hash set，用于快速判某个元素是否存在于集合中，其典型的应用场景就是快速判断一个key是否存在于某容器，不存在就直接返回。。
System.out.println(“ABCDEa123abc”.hashCode()); // 165374702
System.out.println(“ABCDFB123abc”.hashCode()); // 165374702
3、锁机制
3.缓存雪崩
3.1出现的原理
缓存雪崩是指缓存中数据大批量到过期时间，而查询数据量巨大，引起数据库压力过大甚至down机。和缓存击穿不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。
比如，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。
3.2解决方式
1.缓存数据的过期时间设置随机，
防止同一时间大量数据过期现象发生。
缓存预热
缓存预热就是系统上线后，将相关的缓存数据直接加载到缓存系统。这样就可以避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！
解决思路：
1、直接写个缓存刷新页面，上线时手工操作下；
2、数据量不大，可以在项目启动的时候自动进行加载；
3、定时刷新缓存；
.缓存更新
缓存更新除了缓存服务器自带的缓存失效策略之外（Redis默认的有6中策略可供选择），我们还可以根据具体的业务需求进行自定义的缓存淘汰，常见的策略有两种：
1.定时去清理过期的缓存；
2.当有用户请求过来时，再判断这个请求所用到的缓存是否过期，过期的话就去底层系统得到新数据并更新缓存。
两者各有优劣，第一种的缺点是维护大量缓存的key是比较麻烦的，第二种的缺点就是每次用户请求过来都要判断缓存失效，逻辑相对比较复杂！具体用哪种方案，可以根据自己的应用场景来权衡。
6.缓存数据的淘汰策略
| Volatile-lru | 只限于设置了 expire 的部分; 优先删除最近最少使用的 key |
|---|---|
| Allkeys-lru | 所有key通用; 优先删除最近最少使用的 key |
| Volatile-random | 采用随机淘汰策略删除超时的键值对 |
| Allkeys-random | 只限于设置了 expire 的部分; 随机删除一部分 key |
| Volatile-ttl | 只限于设置了 expire 的部分; 优先删除剩余时间短的key |
| Noeviction | 不淘汰任何键值对，当内存已满，只支持读，不支持写 |
7.缓存淘汰算法
1.FIFO算法：First in First out，先进先出。原则：一个数据最先进入缓存中，则应该最早淘汰掉。也就是说，当缓存满的时候，应当把最先进入缓存的数据给淘汰掉。
2.LFU算法：Least Frequently Used，最不经常使用算法。
3.LRU算法：Least Recently Used，近期最少使用算法。
4.随机淘汰
LRU和LFU的区别。LFU算法是根据在一段时间里数据项被使用的次数选择出最少使用的数据项，即根据使用次数的差异来决定。而LRU是根据使用时间的差异来决定的