数据不一致的原因

缓存或数据库只有一个操作失败

1. 先删数据库数据 再删除缓存数据
2. 先删除缓存数据 再删除数据库数据
3. 多线程（先删缓存，再删数据库） 线程a先删除缓存数据，此时线程b查询数据库，并把旧数据放入缓存，a线程再插入数据库，之后的线程可能只会读到缓存上的旧数据
4. 多线程（先删除数据库，再删除缓存）a线程删除完数据库旧数据到删除缓存这段时间，如果有读操作，那么会读到旧数据，等到a线程更新完缓存，缓存就为新的数据。

数据不一致的解决方案

1. 重试机制
2. 针对第三点 可以让a线程sleep 一小段时间 目的是为了 让像b线程这些查询操作 完成将旧数据放入缓存的操作，之后a线程再更新下缓存，sleep时间需要实测，比较难界定。

缓存雪崩、缓存击穿和缓存穿透 是什么？

缓存雪崩

大量缓存同时失效的情况，大量请求一下子打在数据库上。

场景：1.当大量缓存设置的相同过期时间。2. redis服务器宕机，缓存不可用

解决方案：

1. 缓存设置不同的过期时间。
2. 服务熔断或请求限流机制，非核心数据请求过多，返回预定于错误。
3. 3.采用redis集群，防止的那个服务宕机

缓存击穿

针对的是热点缓存数据，请求不能再热点缓存中处理，会大量涌入数据库中，会影响数据库处理其他请求。缓存击穿的情况，经常发生在热点数据过期失效时。

解决方案：

1. 不设置热点数据的过期时间，这样热点数据一直都在，请求不会大量涌入数据库。

缓存穿透

这个和上面两种都不一样，上面都是缓存失效造成的问题，缓存穿透则是缓存和数据库数据都失效了，导致每个请求都需要完整的走一遍。给数据库造成巨大的压力。

那么，缓存穿透会发生在什么时候呢？一般来说，有两种情况。

• 业务层误操作：缓存中的数据和数据库中的数据被误删除了，所以缓存和数据库中都没有数据；
• 恶意攻击：专门访问数据库中没有的数据。

解决方案：

1. 设置缺省值，如果缓存的数据为空，那么直接返回缺省值，避免大量请求涌入数据库
2. 布隆过滤器，一个值为0的数组和N个函数，可以用来判断某个数据是否存在 布隆过滤器由一个长度为 m 的位数组（bit array）和 k 个独立的哈希函数组成。位数组的初始值都为 0。
3. 在请求入口的前端进行请求检测。

1.服务降级：不管在什么情况下，服务降级的流程都是先调用正常的方法，再调用fallback的方法。 也就是服务器繁忙，请稍后再试，不让客户端等待并立刻返回一个友好提示。

2.服务熔断：假设服务宕机或者在单位时间内调用服务失败的次数过多，即服务降级的次数太多，那么则服务熔断。 并且熔断以后会跳过正常的方法，会直接调用fallback方法，即所谓“服务熔断后不可用”。 类似于家里常见的保险丝，当达到最大服务访问后，会直接拒绝访问，拉闸限电，然后调用服务降级的fallback方法，返回友好提示。

3.限流，是指在使用缓存和降级无效的场景。比如当达到阈值后限制接口调用频率，访问次数，库存个数等，在出现服务不可用之前，提前把服务降级。只服务好一部分用户。