fix img

专栏/分布式技术原理与实战45讲-完/39 如何避免缓存穿透、缓存击穿、缓存雪崩？.md.html

@@ -253,7 +253,7 @@ function hide_canvas() {
 <p>设计缓存系统不得不考虑的问题是缓存穿透、缓存击穿与失效时的雪崩效应，同时，关于这几种问题场景的认识及解决方案，也是面试中的高频考点。今天的内容，可以说是缓存应用的三板斧，下面我们一起来分析一下缓存应用中的这几个热门问题。</p>
 <h3>缓存穿透</h3>
 <p>先来看一下缓存穿透，顾名思义，是指业务请求穿过了缓存层，落到持久化存储上。在大多数场景下，我们应用缓存是为了承载前端业务请求，缓存被击穿以后，如果请求量比较大，则会导致数据库出现风险。</p>
-<p><img src="assets/Ciqc1F8ihZ-Aff7hAAAp1R6rHNs300.png" alt="2.png" /></p>
+<p><img src="assets/Ciqc1F8ihZ-Aff7hAAAp1R6rHNs300.png" alt="png" /></p>
 <p>以双十一为例，由于各类促销活动的叠加，整体网站的访问量、商品曝光量会是平时的千倍甚至万倍。巨大的流量暴涨，单靠数据库是不能承载的，如果缓存不能很好的工作，可能会影响数据库的稳定性，继而直接影响整体服务。</p>
 <p>那么哪些场景下会发生<strong>缓存穿透</strong>呢？</p>
 <ul>
@@ -268,7 +268,7 @@ function hide_canvas() {
 <p>缓存穿透还可以通过缓存空数据的方式避免。缓存空数据非常好理解，就是针对数据库不存在的数据，在查询为空时，添加一个对应 null 的值到缓存中，这样在下次请求时，可以通过缓存的结果判断数据库中是否存在，避免反复的请求数据库。不过这种方式，需要考虑空数据的 Key 在新增后的处理，感兴趣的同学可以思考一下。</p>
 <p>另外一个方案是使用布隆过滤器。布隆过滤器是应用非常广泛的一种数据结构，我们熟悉的 Bitmap，可以看作是一种特殊的布隆过滤器，布隆过滤器的实现细节不是本课时关注的重点，如果你对布隆过滤器还不熟悉，可以抽空查阅数据结构相关的资料学习。</p>
 <p>使用布隆过滤器，可在缓存前添加一层过滤，布隆过滤器映射到缓存，在缓存中不存在的数据，会在布隆过滤器这一层拦截，从而保护缓存和数据库的安全。</p>
-<p><img src="assets/CgqCHl8ihaqARq0qAAAyh2IYhog754.png" alt="3.png" /></p>
+<p><img src="assets/CgqCHl8ihaqARq0qAAAyh2IYhog754.png" alt="png" /></p>
 <h3>缓存击穿</h3>
 <p>缓存击穿也是缓存应用常见的问题场景，其是一个非常形象的表达。具体表现：前端请求大量的访问某个热点 Key，而这个热点 Key 在某个时刻恰好失效，导致请求全部落到数据库上。</p>
 <p>不知道你有没有听过二八定律（80/20 定律、帕累托法则），百度百科中对二八定律的具体描述是这样的：</p>
@@ -284,7 +284,7 @@ function hide_canvas() {
 <p>在业务开发中，出现缓存雪崩非常危险，可能会直接导致大规模服务不可用，因为缓存失效时导致的雪崩，一方面是整体的数据存储链路，另一方面是服务调用链路，最终导致微服务整体的对外服务出现问题。</p>
 <p>我们知道，微服务本身就存在雪崩效应，在电商场景中，如果商品服务不可用，最终可能会导致依赖的订单服务、购物车服务、用户浏览等级联出现故障。</p>
 <p>你考虑一下，如果商品服务出现缓存雪崩，继而商品服务不可用，关联的周边服务都会受影响。</p>
-<p><img src="assets/Ciqc1F8ihbyAf1UxAABgpe_3O54337.png" alt="4.png" /></p>
+<p><img src="assets/Ciqc1F8ihbyAf1UxAABgpe_3O54337.png" alt="png" /></p>
 <p>那么缓存雪崩在业务中如何避免呢？</p>
 <p>首先是明确缓存集群的容量峰值，通过合理的限流和降级，防止大量请求直接拖垮缓存；其次是做好缓存集群的高可用，以 Redis 为例，可以通过部署 RedisCluster、Proxy 等不同的缓存集群，来实现缓存集群高可用。</p>
 <h3>缓存稳定性</h3>