缓存分解是指请求要访问的数据。没有缓存，但是数据库中有。
这种情况通常是缓存到期的。这是一个热点钥匙。因此，许多用户的请求同时出现，并且没有在缓存中获取数据。压力立即增加，直接崩溃。
因此，数据具有缓存，每个请求都会从缓存中快速返回数据，但是在某个时间点，缓存无效，并且没有对缓存中数据的请求。” Caches。
1.锁定解决方案的解决方案的想法是，如果未从redis获得数据，请让线程转到数据库查询数据，然后构建缓存。
伪代码如下：
该方案可以解决问题，但是当线程构建缓存时，其他线程正在睡觉或查询。
而且，在这个高且潜伏期的高时代，您实际上让用户等待珍贵的100m。其他人可能比您快100毫米，而且他们抢走了大量用户。
2.在计划的第二个背景中继续后台的想法是，在背景中打开了定时任务以积极更新即将到来的数据。
例如，当程序APE设置Jay的热点时，到期时间为60分钟。在第55分钟，背景程序将转到数据库以查询数据并将其放在缓存上。同时，将缓存设置为60分钟。
3.计划的计划有点简单而粗鲁。
看到名望，如果将实际场景结合在一起，您可以将此键与脚趾一起考虑，这是热键，并且会有很多访问此数据的请求。您对此类数据进行了什么设置？它直接而永不过期。
但是，对特定情况的具体分析，没有解决世界的解决方案。
例如，如果此钥匙属于各种“自来水”怎么办？就像Nezha一样，您无法想到这个钥匙会做出如此大的举动。您应对这种情况吗？
因此，具体的情况，特定的分析。最终计划是常规解决方案的组合或变体。
捕获渗透是指访问数据的请求。没有缓存和数据库，用户可以在短时间内启动此类请求，并且每次访问数据库服务时，都会在数据库上造成压力。。
根据图片，在缓存中没有获得数据，然后我询问了数据库。我没想到数据库中没有。
1.计划1缓存空对象缓存，空对象是，即使在数据库中找到的空对象，我们也会缓存空对象。
缓存空对象下次将击中此空对象，并且缓存层将处理此请求，这不会在数据库上造成压力。
这很容易实施，开发成本非常低。但是，以下问题必须注意：
第一个问题：如果您在某个时间缓存记录，那么您在数据库中值得，您该怎么办？
我知道三个解决方案：
解决方案1：设置缓存时，请同时设置有效期，以便在到期后，您将重新检查最新的数据和缓存。
解决方案2：如果真实时间要求很高，则在编写数据库时编写缓存。这可以确保真实的性质。
解决方案3：如果真实时间要求不那么高，则在编写数据库时将数据发送到消息队列，请让消息队列通知处理缓存以获取最新数据的逻辑。
第二个问题：对于恶意攻击，请求时键通常是不同的，只有一次请求，则如果要缓存这些键，因为每个密钥仅请求一次，那么每次您每次询问数据库时，数据库不受保护到数据库的保护？
目前，您告诉他：“ Bloom过滤器，理解”。
2.计划2 Bloom滤波器什么是Bloom过滤器？
从本质上讲，Bloom滤波器是一种数据结构，是一种相对聪明的概率数据结构（概率数据结构），其特征是有效的插入和查询，可以用来告诉您“某些东西必须不存在或可能存在”。
与传统的数据结构（例如列表，集合，地图）相比，它更有效且空间较小，但缺点是其返回的结果是概率，而不是精确的。
因此，Bloom过滤器返回的结果是概率，因此它可以减轻数据库的压力并不能完全阻止它。这一定很清楚。
Guava组件可用于实现Bloom过滤器，但Guava基于内存，因此不适合分布式环境。
要在分布式环境中使用Bloom过滤器，有必要摆脱Redis，Redis可用于实现Bloom过滤器。
你看到了吗？redis不仅习惯缓存。这是一个知识点。
雪崩是指同时在缓存中大多数数据的到期时间，查询数据量很大。目前，缓存中没有任何情况，并且数据库中存在一些情况。在数据库上击中了请求，导致数据库流量增加，压力立即增加，并且崩溃直接崩溃。
与前面提到的缓存渗透不同，带有大量请求的缓存多年生请求与查询相同的数据平行。
雪崩是不同数据的到期时间，这导致这些数据在缓存中找到。
或直接悬挂缓存服务，因此缓存已消失。
简而言之，请求在数据库上受到打击。对于数据库，雪崩是雪崩。
1.解决方案OnePlus锁定如果是同一时间的大量缓慢存在，那么我们可以互相添加。
等等，不是彼此的先前介绍吗？
是的，缓冲区雪崩可以看作是多个缓存断裂，因此您也可以使用互锁的解决方案，在这里不会重复。
2.计划2“峰值”如果是同一时间的大量浮雕，那么我们还有另一种解决方案来设置一个短随机到期时间，以避免使用较大的时间避免大量大量的大量数量。由于同时存在而引起的高速缓存。
例如，设置钥匙类型的到期时间为10分钟，在10分钟的基础上，再加上60秒的随机事件，例如这样::
3.计划III缓存群集如果挂起缓存服务，则大多数原因是单点应用程序。你可以找出答案。
当然，这是一个前计划。使用单点时，您必须考虑服务引起的问题。因此，群集会提前部署以提高服务的可用性。
4.计划四个流量限制+本地缓存，如果您说群集群集也被悬挂怎么办？实际上，这是为服务服务的考虑：
鲁棒性是系统的鲁棒性。它是指对可能导致程序崩溃的各种情况的完全考虑，并进行相应的处理。当程序遇到异常条件而不会崩溃时，它可以正常工作。
目前，您可以考虑引入流媒体修复器（例如Hystrix），然后实现服务降级。
假设您当前的限制设置在一秒钟内最多设置了5,000个请求，则此时有8,000个请求，并且将降级3,000个额外的供您友好的请求，以对用户友好提示。
如果5,000个请求进来，则如果悬挂了redis，则仍然可以翻转数据库，因此，此时，我们添加类似于echcacache或guava Cache的本地缓存的逻辑，这可以帮助数据库可以帮助该数据库数据库。减压并在困难中生存。
5.计划5尽快恢复它，对吗？
兄弟，你挂了吗？快点参加这项服务。
推荐阅读：Springboot集成了Redis，封装了重新介绍工具