缓存穿透
缓存穿透是指查询一个不存在 的数据，导致每次请求查询这个不存在的数据 都会转发到数据库，可能导致数据库崩溃
通常都会用布隆过滤器来解决它
布隆过滤器
布隆过滤器主要是用于检索一个元素是否在一个集合 中。
它的底层主要是先去初始化一个比较大数组 ，里面存放的二进制0或1 。在一开始都是0，当一个key来了之后经过3次hash计算 ，找到对应的数据的下标然后把数组中原来的0改为1 ，这样的话，三个数组的位置就能标明一个key的存在 。
它的缺点是可能会产生一定的误判，我们一般可以设置这个误判率为5%，如果想要更低的误判率就得增加数组的长度
缓存雪崩
缓存雪崩是指在我们设置缓存时采用了相同的过期时间 ，导致缓存在某一时刻同时失效，请求全部转发到数据库，数据库瞬时压力过重崩溃
解决方法：
- 在原有的失效时间基础上增加一个随机值，使得过期时间分散一些。这样每一个缓存的过期时间的重复率就会降低
- 设置二级缓存。二级缓存指的是除了 Redis 本身的缓存，再设置一层缓存，当 Redis 失效之后，先去查询二级缓存。例如可以设置一个本地缓存，在 Redis 缓存失效的时候先去查询本地缓存而非查询数据库
缓存击穿
缓存击穿：大量的请求同时查询一个 key 时 ，此时这个 key 正好失效了，就会导致大量的请求都落到数据库。缓存击穿是查询缓存中失效的 key，而缓存穿透是查询不存在的key。
解决方法：
加互斥锁 。在并发的多个请求中，只有第一个请求线程能拿到锁并执行数据库查询操作
缓存预热
系统上线时，缓存内还没有数据，如果直接提供给用户使用，每个请求都会穿过缓存去访问底层数据库 ，如果并发大的话，数据库可能直接崩溃，因此我们需要在上线前先将数据库内的热点数据缓存至Redis内再提供出去使用，这种操作就成为"缓存预热"
解决方案：
1.如果数据量不大，可以在项目启动的时候自动进行加载；
2.定时刷新缓存；
缓存降级
当访问量剧增 ，服务出现问题时，仍然需要保证服务还是可用的，即使是有损部分其他服务，仍然需要保证主服务可用。可以将其他次要服务的数据进行缓存降级，从而提升主服务的稳定性
Redis的内存耗尽
如果达到设置的上限，Redis的写命令会返回错误信息（但是读命令还可以正常返回）。
配置内存淘汰策略来解决这个问题
内存淘汰策略有哪些？
LRU是最近最少使用 页面置换算法(Least Recently Used),也就是首先淘汰最长时间未被使用的页面
LFU是最近最不常用 页面置换算法(Least Frequently Used),也就是淘汰一定时期内被访问次数最少的页面
Redis如何做内存优化？
充分利用Redis的丰富的数据类型，因为通常情况下很多小的Key-Value可以用更紧凑的方式存放到一起 。
尽可能使用散列表（hashes），散列表使用的内存非常小，所以你应该尽可能的将你的数据模型抽象到一个散列表里面