你是一名新手后端程序员，你对计算机基础有一点理解，知道C/S架构（客户端/服务端）。
刚刚写了一个简单的商城增删改查程序，后端用 Java，数据库用 MySQL，感觉很完美符合需求，
使用体验
新的商品上架那就创建一个商品信息，保存到数据库，用户打开网站查询这个商品，浏览器向后端发送请求，查数据库这个商品的信息，返回给浏览器，正常执行。
不过随着商品越来越多，打开网站首页默认加载1000+商品信息，MySQL查询速度就变慢了，那么用户可能等待10秒钟页面才展示。
这时候我们需要用到缓存，加快系统性能，加速响应数据，提升用户体验，让网页秒开！
缓存
现在的服务用一张图表示如下：
服务端到数据库的访问中间可以加一个 redis 缓存，缓存是啥呢？咋就提速了？
首先要明白 MySQL 是要到硬盘中读取数据的，硬盘肯定就慢，而 redis 是在内存中读取数据的，所以比 MySQL 快了非常多，但是断电 redis 的数据会丢失，而 MySQL 不会。所以中间加一个 redis 缓存，把MySQL的数据加载到 redis 中，用户再次查询数据，响应就快了非常多，用户体验大大提升！
如下图：
随着也会带来缓存新的问题，如缓存穿透，缓存雪崩，缓存击穿，我们来逐个解决！
别被这些高大上的名词吓到，其实是再正常不过的场景了
缓存穿透
假如数据库中现有的商品 id 是1-1000，redis 也缓存了这 1000 条数据，而此时有一个恶意用户，疯狂访问 1001，这时候 redis 中没有这条数据，就会去 MySQL 中找，MySQL 有没有不重要，重要的是一定会执行 select * from goods where id = 1001 这条 sql, 如果这个恶意用户一秒钟发送1万条类似 id 为 null 的 sql ,那么 MySQL 就慢死了，或者宕机了。
看到这里缓存穿透其实就是越过了缓存，直接查数据库啊，没什么复杂的！
咋整呢？
如果有一种东西能判断一个数据在或不在一个集合中就好了，这样就轻易判断这个id 是否在 mysql 表里，还真有这么一种神奇的数据结构，布隆过滤器！
布隆过滤器：大海捞针，但能快速告诉你“可能没有”
想象一下，你有一个非常大的仓库（我们的数据集合），里面存放着各种各样的商品（数据库中的数据）。现在，有人拿着一张清单问你，仓库里有没有某个特定的商品。
- 普通查找： 你需要仔细地在仓库里搜索每一个角落，才能确定商品是否存在。如果仓库很大，这会非常耗时。
- 布隆过滤器的方式： 布隆过滤器就像你在仓库入口处设置的一个非常特别的检查站。这个检查站里有一些特殊的“探测器”（哈希函数）和一个很大的“记录板”（位数组）。
当你把一件商品放进仓库时，你会让这几个“探测器”分别对这个商品进行“探测”，每个“探测器”会在“记录板”上对应的位置打上一个标记。
当有人拿着清单上的商品来询问时，你也会让同样的“探测器”对这个商品进行“探测”，然后查看“记录板”上对应的位置是否都被标记了。
-
- 如果所有位置都被标记了： 这说明这个商品可能在仓库里（因为不同的商品经过“探测”后，有可能在“记录板”上留下相同的标记）。
- 如果任何一个位置没有被标记： 这说明这个商品一定不在仓库里。
布隆过滤器的原理：
布隆过滤器是一种概率型的数据结构，用于判断一个元素是否在一个集合中。它具有以下特点：
- 高效性： 判断一个元素是否存在的时间复杂度是常数级别的，非常快。
- 空间效率： 相比于存储所有元素本身，布隆过滤器占用的空间非常小。
- 误判率： 布隆过滤器判断一个元素存在时，可能会发生误判（实际上不存在），但它不会漏判（如果判断不存在，那一定不存在）。
过程图如下：
缓存雪崩
很简单，缓存是要设置过期时间的，我们不能让数据永久存在缓存，太占用内存了，redis 的空间也是有限的，但是如果这一千条数据在同一时间同时过期，那么恰好赶上双十一，百万用户同时访问这一千条数据，无数个 sql 蜂拥而至到 MySQL 中，MySQL 又要顶不住了，向你求助，避免这种情况发生。
这就简单了，给每条数据设置随机过期时间，避免同一时间多条数据同时过期就好了！
缓存击穿
还记得前面说的布隆过滤器吗？它用来防止“穿透”——那些根本不存在的商品。
而缓存击穿，恰恰是一个确实存在、非常热门的商品（比如某个 ID）突然从缓存中失效了！
结果？
这个商品本来有缓存，但某一瞬间缓存失效了，所有用户同时来抢，全部打到数据库。
这时候数据库就像开门大抢购——
- 大量请求冲向数据库；
- Redis 还没来得及重新缓存；
- MySQL 扛不住，宕机或响应超慢。
怎么办？热点数据失效怎么办？
✅ 1. 互斥锁（互斥更新缓存）
比如使用分布式锁（Redisson、Redis SETNX），只有一个线程能去数据库查并重建缓存，其他线程等待或返回旧数据。
if (redis.get("key") == null) {if (tryLock("key-lock")) {// 查询数据库并更新缓存redis.set("key", db.query());releaseLock("key-lock");} else {// 等一等再查缓存，或者返回默认值Thread.sleep(50);return redis.get("key");}
}
✅ 2. 永不过期 + 主动更新
一些特别重要的数据，比如商品详情、活动信息，可以缓存时设为永不过期（或者过期后异步延迟更新）：
- 不轻易失效，避免击穿；
- 后台定时任务或监听变更主动更新缓存。
✅ 3. 提前预热缓存
活动开始前、流量高峰前，可以提前把热点数据加载进 Redis，防止被瞬间打爆。
