缓存穿透指一个一定不存在的数据，由于缓存未命中这条数据，就会去查询数据库，数据库也没有这条数据，所以返回结果是 null。如果每次查询都走数据库，则缓存就失去了意义，就像穿透了缓存一样。
利用不存在的数据进行攻击，数据库压力增大，最终导致系统崩溃。
3.1.3 解决方案对结果 null 进行缓存，并加入短暂的过期时间。
3.2 缓存雪崩
缓存雪崩是指我们缓存多条数据时，采用了相同的过期时间，比如 00:00:00 过期，如果这个时刻缓存同时失效，而有大量请求进来了，因未缓存数据，所以都去查询数据库了，数据库压力增大，最终就会导致雪崩。
尝试找到大量 key 同时过期的时间，在某时刻进行大量攻击，数据库压力增大，最终导致系统崩溃。
3.2.3 解决方案在原有的实效时间基础上增加一个碎挤汁，比如 1-5 分钟随机，降低缓存的过期时间的重复率，避免发生缓存集体实效。
3.3 缓存击穿 3.3.1 缓存击穿的概念某个 key 设置了过期时间，但在正好失效的时候，有大量请求进来了，导致请求都到数据库查询了。
大量并发时，只让一个请求可以获取到查询数据库的锁，其他请求需要等待，查到以后释放锁，其他请求获取到锁后，先查缓存，缓存中有数据，就不用查数据库。
四、加锁解决缓存击穿怎么处理缓存穿透、雪崩、击穿的问题呢？
对空结果进行缓存，用来解决缓存穿透问题。
设置过期时间，且加上随机值进行过期偏移，用来解决缓存雪崩问题。
加锁，解决缓存击穿问题。另外需要注意，加锁对性能会带来影响。
这里我们来看下用代码演示如何解决缓存击穿问题。
我们需要用 synchronized 来进行加锁。当然这是本地锁的方式，分布式锁我们会在下篇讲到。
public List<TypeEntity> getTypeEntityListByLock() { synchronized (this) { // 1.从缓存中查询数据 String typeEntityListCache = stringRedisTemplate.opsForValue().get("typeEntityList"); if (!StringUtils.isEmpty(typeEntityListCache)) { // 2.如果缓存中有数据，则从缓存中拿出来，并反序列化为实例对象，并返回结果 List<TypeEntity> typeEntityList = JSON.parseObject(typeEntityListCache, new TypeReference<List<TypeEntity>>(){}); return typeEntityList; } // 3.如果缓存中没有数据，从数据库中查询数据 System.out.println("The cache is empty"); List<TypeEntity> typeEntityListFromDb = this.list(); // 4.将从数据库中查询出的数据序列化 JSON 字符串 typeEntityListCache = JSON.toJSONString(typeEntityListFromDb); // 5.将序列化后的数据存入缓存中，并返回数据库查询结果 stringRedisTemplate.opsForValue().set("typeEntityList", typeEntityListCache, 1, TimeUnit.DAYS); return typeEntityListFromDb; } }
1.从缓存中查询数据。
2.如果缓存中有数据，则从缓存中拿出来，并反序列化为实例对象，并返回结果。
3.如果缓存中没有数据，从数据库中查询数据。
4.将从数据库中查询出的数据序列化 JSON 字符串。
5.将序列化后的数据存入缓存中，并返回数据库查询结果。
五、本地锁的问题本地锁只能锁定当前服务的线程，如下图所示，部署了多个题目微服务，每个微服务用本地锁进行加锁。
本地锁在一般情况下没什么问题，但是当用来锁库存就有问题了：
1.当前总库存为 100，被缓存在 Redis 中。
2.库存微服务 A 用本地锁扣减库存 1 之后，总库存为 99。
3.库存微服务 B 用本地锁扣减库存 1 之后，总库存为 99。
4.那库存扣减了 2 次后，还是 99，就超卖了 1 个。
那如何解决本地加锁的问题呢？
缓存实战（中篇）：实战分布式锁。