缓存穿透：当发送请求时通过key去缓存查询，如果不存在对应的value，就应该去数据库查找。一些恶意的请求会故意查询不存在的key，而且需求量很大。如果发送一万个不存在key的请求，就会对后端系统造成很大的压力，数据库有可能会挂掉，这叫做缓存穿透。
解决方法：
A：缓存空对象：当发送了请求，通过不存在的key去查找值时，我们可以在缓存中去添加这个key，并且给这份key赋值为null，只要他去查找这个key时，直接给他返回一个null即可，当他第一次查询时，判断缓存没有就会去数据库查找，缓存就会台添加这个key，并且复制为null，第二次查询时就会查询缓存，不会再查询数据库，就可以避免这个问题，如果之后确实添加了这个key的值，也会将之前的值覆盖 。缺点就是这样做的话，如果发送了很多不存在的key，会给redis造成大量的空间浪费，也是治标不治本。
B：布隆过滤器：
布隆过滤器会隔一段时间扫描一次缓存和数据库，会将缓存和数据库共有的数据添加到布隆过滤器，当由请求过来时，会先进入布隆过滤器中进行查找，有的话返回数据，没有的话会到数据中查找

那个左边的椭圆理解成布隆过滤器，圆圈理解成redis（缓存），长方形是数据库。
但是使用布隆过滤器会出现误判的现象，为什么的呢，这里就需要介绍下布隆过滤器了。
布隆过滤器可以理解成数组，将信息添加到数组中，有两个参数，一个是size：意思是插入多少数据，一个是fpp：代表容错率。

左边是我们已经添加的数据，右边是查找数据，明显右边这个数据并没有添加，但却有可能存在，因为这个数据算出来的hash值和别的数据算出来的hash值相同，所以有可能存在。
怎样尽量避免呢，那就是降低容错率，因为容错率对位数组的大小还有hash函数的个数有关，容错率越低，位数组越大，hash函数个数越多，这样就会减少错误个数。
如果数据库的数据删除了，这时所删除的数据在布隆过滤器中还存在，这个是没办法避免的，如果数据库删除过多的数据则需要重建编写布隆过滤器。
如果误判了怎么办呢，如果布隆过滤器中由1000个数据，它拦截了900多个数据，即使误判了，也只有一两个不存在的数据去数据库查找，并不会对数据库造成多大的影响。
布隆多滤器优点：底层是bit数组，占用内存少。

缓存击穿：意思是缓存当中没有，而数据库有的数据，如果有98次请求的话，就会查询98次数据库，出现的了是并发问题。
原因：缓存中没有这个数据或者是这个数据刚刚达到过期时间失效了。
解决方法：添加分布式锁

从这个代码中可以看出：如果我们有98次请求去查找这个key，当我们redisLock.lock(key)，开启分布式锁时，98次请求就会只进去一次请求，只有一个线程执行，查询缓存，如果缓存没有的话去数据库查找，然后给缓存添加数据，最后解锁，然后就会在进去一次请求，还是只有一个线程执行，此时缓存中已经有数据了，这个线程就会到缓存中去查找，后续的都一样，所以就会执行一次查询数据的方法，这样就解决了缓存穿透这个问题。

缓存雪崩：如果机器宕机，数据丢失，是一种雪崩，如果redis添加了100w的数据，在同一时刻40w数据同时失效，也是一种雪崩，意思是在同一时刻大量数据丢失就可以理解为雪崩。
解决办法
A：搭建高可用集群
B：设置过期时间错开，不要把100w数据的过期时间全部设置成一样的，把时间错开来。比如有的3天，有的10天这种的。