在大数据量高并发的系统，经常会涉及到缓存穿透的问题，这也是阿里等大厂经常会考察的一个问题。
如果处理不好会严重会造成系统宕机，所以需要认真考虑如何来应对，本篇详解4大方案@mikechen
缓存穿透
Redis缓存穿透是指在访问缓存时，由于请求的数据本身不存在，直接穿透到数据库。
比如：最常见的就是“黑客攻击”，通常发生在一些非法请求上。
或者，比如：恶意用户利用不存在的key频繁请求数据，导致缓存不命中，进而请求到数据库。
如下图所示：
攻击者故意发送大量不存在的数据请求，绕过缓存，直接对数据库造成压力。
如果发生“缓存穿透”，如果请求量很大的情况下，比如：上万次/秒的请求，会导致大量请求直接落到数据库。
找个时候，增加数据库的负载，在高并发场景下可能引发数据库崩溃，导致系统不可用的“线上重大事故”。
所以，针对这样的情况，需要技术手段来解决。
比如，会涉及到如下方案:
方案一：缓存空对象
当数据库查不到某个数据时，可以将空结果也缓存起来，设置一个较短的过期时间（如：几分钟），防止缓存了大量空值。
这种方法可以避免，重复查询同一条不存在的数据，但是，也有一个非常的缺点：
就是会极大的增加缓存空间的占用，尤其在空值较多的情况下。
方案二：限流
对频繁请求的接口，设置限流规则，当请求超过一定阈值时，阻止请求继续访问数据库。
采用这种放哪，有可能会影响正常用户的请求，限流策略设置不合理，可能导致用户体验变差。
方案三：布隆过滤器
在缓存、和数据库查询前，先通过布隆过滤器快速判断请求的数据是否存在。
布隆过滤器，可以用较小的内存高效地记录已有的数据，如果布隆过滤器认为数据不存在，则直接返回，不再查询缓存和数据库。
如下图所示：
这种方案的成本相对以上的方案，成本更小，但也存在：“误判率”。
一般实际应用中，会将多种方法组合使用，以获得更好的效果。