作者：刘须华
一、背景概述： R2M缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。而缓存最常见的问题是缓存穿透、击穿和雪崩，在高并发下这三种情况都会有大量请求落到数据库，导致数据库资源占满，引起数据库故障。平时对缓存测试时除了关注增删修改查询等基本功能，应该要重点关注缓存穿透、击穿和雪崩三种异常场景的测试覆盖，避免出现线上事故。
二、基本概念说明：
1、缓存击穿：是指在超级热点数据突然过期，导致针对超级热点的数据请求在过期期间直接打到数据库，这样数据库服务器会因为某一超热数据导致压力过大而崩掉。
2、缓存穿透：是指查找的数据在缓存和数据库中都不存在，导致每一次请求数据从缓存中都获取不到，而将请求打到数据库服务器，但数据库中也没有对应的数据，最后每一次请求都到数据库；如果在高并发场景或有人恶意攻击，就会导致后台数据库服务器压力增大，最终系统可能崩掉。
3、缓存雪崩：是指突然缓存层不可用，导致大量请求直接打到数据库，最终由于数据库压力过大可能导致系统崩掉。缓存层不可用指以下两方面：缓存服务器宕机，系统将请求打到数据库； 缓存数据突然大范围集中过期失效，导致大量请求打到数据库重新加载数据, 与缓存击穿的区别在于这里针对很多key缓存，前者则是某一个key。
三、测试工具(非必须)：
1、使用Titan压测平台进行并发请求测试
2、使用jmeter工具模拟并发请求
四、测试方法举例说明(非必须)：
环境：测试环境
工具：jmeter
（1）缓存穿透场景
测试方法：查询一个根本不存在的数据，缓存层和存储层都不会命中。
查询接口相关代码实现：
通过JMETER模拟多次重复调用：单线程重复调用
查看日志结果: 从日志可以看出：执行并发请求后， 所有请求每次都走向了数据库。
预防方案：
当数据库查询为空时，将缓存赋值默认值，后续查询都走缓存，减少数据库压力。
上述接口，增加赋值为empty，则第一次查询到数据库为空，后续查询都查询到缓存中，缓存值为empty。
再次执行并发测试：从日志可以看出，可以看出每个ID都只执行了一次数据库查询并设置缓存，之后请求都命中了缓存，有效防止了缓存穿透问题。
（2）缓存击穿场景
测试方法：对某个Key有大量的并发请求，这时从缓存中删除这个key。模拟热key过期失效的场景。这个时候大并发的请求可能会瞬间把后端DB压垮。
接口相关部分代码实现：
操作步骤：
1、查询pin为liuxuhua的请求，这时pin为liuxuhua的数据会加载到缓存
2、再次查询pin为liuxuhua的请求，命中缓存
3、50并发请求pin为liuxuhua的数据，这个时候请求全部命中缓存
4、将pin为liuxuhua的缓存手动删除，模拟缓存失效
5、50并发请求pin为liuxuhua的数据，这个时候大量请求走向数据库，pin为liuxuhua的缓存被击穿
查看日志结果:
预防方案：
在设置默认缓存值的基础上，进行加锁处理。只有拿到锁的第一个线程去请求数据库，然后插入缓存，当然每次拿到锁的时候都要去查询一下缓存有没有。
从日志记录可以看到只有一个请求执行了数据库查询并设置缓存，其他请求都命中了缓存， 有效防止了缓存的击穿。
（3）缓存雪崩
测试方法：对多个使用到缓存的接口进行并发调用，设置这些缓存时间已过期（即删除缓存），调用时这些接口查询缓存时无数据，去查询数据库，这些请求都指向数据库，数据库压力增大，耗时增加。
模拟接口：
通过JMETER模拟多次重复调用：单线程多接口重复调用
查看日志结果:可以看出大量请求到达数据库，并且同一个pin或id执行了多次数据库查询
预防方案：
增加限流操作，即接口频繁调用时，增加一个缓存，设置时间为3s，3s内处理一定次数的请求，超过限制次数的请求直接返回结果，不做处理。
接口：3s内处理6次请求，超过则不处理；
从日志可以看出：可以看到每个都只查询了一次数据库并设置缓存，之后的请求都命中了缓存
五、测试指标：(或者叫通过标准，包括关注点以及意义)
1、模拟缓存穿透场景测试，每个不存在的数据都只执行了一次数据库查询并设置缓存，之后请求都命中了缓存，有效防止了缓存穿透问题。
2、模拟缓存雪崩场景测试，每个缓存失效的数据都只执行了一次数据库查询并设置缓存，之后请求都命中了缓存。
3、模拟缓存击穿场景测试，缓存失效的那个数据只有一个请求执行了数据库查询并设置缓存，其他请求都命中了缓存。
六、适用业务场景：
1、秒杀活动
2、热门营销活动
3、618和双11大促
七、研发侧常见解决方案（参考）：
1、缓存穿透解决方案：
1、缓存空值 之所以发生穿透，是因为缓存中没有存储这些数据的key，从而每次都查询数据库 我们可以为这些key在缓存中设置对应的值为null，后面查询这个key的时候就不用查询数据库了 当然为了健壮性，我们要对这些key设置过期时间，以防止真的有数据
2、BloomFilter BloomFilter 类似于一个hbase set 用来判断某个元素（key）是否存在于某个集合中 我们把有数据的key都放到BloomFilter中，每次查询的时候都先去BloomFilter判断，如果没有就直接返回null 注意BloomFilter没有删除操作，对于删除的key，查询就会经过BloomFilter然后查询缓存再查询数据库，所以BloomFilter可以结合缓存空值用，对于删除的key，可以在缓存中缓存null 缓存击穿
2、缓存击穿解决方案：
采用分布式锁，只有拿到锁的第一个线程去请求数据库，然后插入缓存，当然每次拿到锁的时候都要去查询一下缓存有没有
3、缓存雪崩解决方案：
1、采用集群，降低服务宕机的概率
2、ehcache本地缓存 + 限流&降级
3、均匀过期，通常可以为有效期增加随机值
