常见缓存穿透、击穿、雪崩，热点数据处理策略

防止缓存穿透的办法（结合限流 + 加锁）

1. 参数过滤：
   对传入的业务参数进行检查，过滤掉那些不符合业务逻辑要求的参数，避免不合理的请求直接打到数据库。
2. 空值缓存：
   当查询到数据库中对应的数据为空时，将这个空值在缓存（如 Redis）中缓存一定的时间，后续相同的请求就可以直接从缓存获取空值结果，减少对数据库的查询压力。
3. 接口限流与恶意 IP 处理：
   • 限制特定接口被访问的速度，比如设置单位时间内允许的最大请求次数等。
   • 对于频繁发起恶意请求的 IP，进行识别并拉黑处理，阻止其继续访问相关接口，以此来保护数据库资源。
4. 分布式锁应用：
   在查询数据库之前，先获取 Redis 分布式锁，通过这种方式保证同一时刻只有一个线程能够去查询数据库，从而减少数据库的 I/O 操作，避免因大量穿透请求同时查询数据库导致性能问题。
5. 请求合并处理：
   采用队列机制，将多个请求的 HTTP 相关内容都放入同一个队列中，然后由队列中的其中一个请求去查询数据库，待获取到数据后，再将数据批量返回给各个请求，以此减轻数据库的瞬时查询压力。

防止缓存击穿（针对热点数据）的办法（结合限流 + 加锁）

1. 热点提前加载与永不过期设置：
   识别出热点数据对应的 key，提前将这些数据加载到缓存中，并设置该 key 永不过期，这样就可以避免热点 key 失效时大量请求直接冲击数据库的情况发生。
2. 分布式锁保障查询：
   在查询数据库之前先获取 Redis 分布式锁，确保只有一个线程可以去数据库进行查询，防止因大量并发请求同时查询热点数据对应的数据库记录而导致数据库压力过大。
3. 接口流量限制：
   对相关接口的流量进行限制，控制单位时间内能够访问热点数据对应的接口的请求数量，避免过多请求瞬间冲击数据库。

防止缓存雪崩（大量热点缓存 key 同时失效冲击数据库）的办法

1. 过期时间设置与永不过期策略：
   • 针对热点数据的 key，设置不同的过期时间，避免它们同时失效，使得大量请求同时打到数据库。
   • 或者采用热点数据永不过期的策略，从根本上杜绝因热点 key 失效引发的雪崩问题。
2. 基于数据热度动态调整缓存时间：
   • 运用业务埋点，通过日志大数据收集和检测哪些数据的浏览量比较多，以此判断出热点数据，然后相应地延长这些热点数据在缓存中的缓存时间，保障缓存的有效性，避免雪崩情况。
3. 接口限流与数据库查询锁控制：
   在访问数据库时，一方面通过接口流量限制控制总的请求量，另一方面加锁保证同一时刻只有一个线程能够去查询数据库，双管齐下防止因大量请求冲击数据库而出现雪崩现象。

热点数据的处理办法

1. 数据分片：
   通过一致性哈希或者其他合适的分片策略，将数据分散分布到多个 Redis 实例上，使得访问压力得以分散，单个 Redis 实例的负载能有效降低，避免某个实例因热点数据访问压力过大而出现性能问题。
2. 读写分离：
   利用 Redis 支持主从复制的特性，设置多个从库专门用于处理读取操作，主库则负责写入操作，这样可以将读取操作带来的压力分散到多个从库上，缓解整体的访问压力，尤其是针对热点数据的频繁读取情况。
3. 综合运用缓存穿透和缓存击穿策略：
   • 对于缓存穿透问题（即查询不存在的数据，请求穿透缓存直接到数据库的情况），可以采用布隆过滤器等方式进行预防，提前判断请求的数据是否可能存在，减少无效请求对数据库的冲击。
   • 针对缓存击穿（热点 key 突然失效，大量请求打到数据库），可以通过设置热点 key 永不过期或者运用互斥锁等手段来解决，保障热点数据的访问稳定性。
4. 使用 Redis Cluster：
   Redis Cluster 作为 Redis 提供的分布式解决方案，具备自动分片以及故障转移的功能，借助它可以很好地处理热点数据相关的一系列问题，有效应对高并发场景下热点数据的访问压力。
5. 限流控制：
   对于那些访问量极大的热点数据，运用限流算法（像漏桶算法、令牌桶算法等）进行流量控制，限制过大的流量冲击 Redis，确保 Redis 能够稳定处理热点数据的访问请求，维持系统的正常运行。