缓存雪崩
缓存雪崩指的是大量 key 几乎同时过期，导致大量请求直接打到 DB，导致 DB 服务不可用，进而导致其它服务也不可用，就像雪崩一样
应对方式
给 Key 指定过期时间时，加上一个随机数
例如，对于 comment:likeset: 这一类 key 来说，假设预期过期时间为 120s，那么在设置 key 的 TTL 时，就可以在 120s 的基础上 +- 一个随机数，使得过期时间有略微偏差，不至于同时过期
缓存击穿
缓存击穿指的是热点 key（即访问很多的 key）过期，导致大量请求直接打到 DB，导致 DB 服务不可用，进而导致其它服务也不可用
缓存击穿是缓存雪崩的 子集
应对方式
除了缓存雪崩的应对方式外，对于缓存击穿，还可以使用「互斥锁」来应对
具体来说，读取数据时，先判断缓存是否过期，如果过期：
- 加锁
- 再次判断缓存是否过期：
- 如果过期，读 DB，重建缓存
- 否则，读缓存
- 解锁
这样，就只有一个线程真正执行了读 DB 的操作
例如，在 Go 的并发编程中，常常使用 singleflight 来防止缓存击穿
缓存穿透
缓存穿透指的是请求 不存在的数据，由于数据不存在，必然 cache miss，导致请求直接打到 DB
如果有恶意请求，随机生成一些 query condition，那么大量的请求打到 DB，导致 DB 服务不可用，进而导致其它服务也不可用
应对方式
通常有两种方式防止缓存穿透：
- 缓存空对象
- 布隆过滤
缓存空对象的思想是：如果访问了一个不存在的数据，那么将这个查询条件缓存起来，下一次请求就先判断数据是否存在，存在才访问 Cache、DB
这种方式无法解决恶意请求的问题，因为查询条件是随机的
布隆过滤器可以将存在的对象「放到」过滤器中，查询时，先根据布隆过滤器判断数据是否存在，存在才访问 Cache、DB
那么，如果将一个对象放到布隆过滤器中？
事实上：布隆过滤器使用了 位图 + hash function：
- 先使用「多个」不同的哈希函数计算对象的哈希值
- 计算存储到位图的位置：
hash_val % sizeof(bitmap)
在判断数据是否存在时：
- 使用「多个」不同的哈希函数计算对象的哈希值
- 计算存储到位图的位置：
hash_val % sizeof(bitmap) - 如果每一个位置都在位图中存在，那么认为这个对象存在，否则认为不存在
布隆过滤存在 误判 的可能，因为存在哈希冲突，不同对象可以有相同的哈希值
举个例子：
- 对象 A 的哈希值为 1、2、3
- 对象 B 的哈希值为 2、3、4
- 对象 C 的哈希值为 1、2、4
假设 A、B 在 DB 中存在，C 不存在，且位图的大小为 4
那么根据哈希值，可以得到位图为 1、2、3、4
由于 C 的哈希值为 1、2、4，每一位都在位图中存在，因此，布隆过滤器认为 C 存在，这就产生了误判
为了降低误判几率，可以增加哈希函数的数量，以及位图的大小