当前位置：首页 > article >正文

面试基础--Redis 缓存穿透、缓存击穿、缓存雪崩深度解析

article 2025/3/11 5:08:29

Redis 缓存穿透、缓存击穿、缓存雪崩深度解析：布隆过滤器与热点数据预热

引言

在高并发的互联网应用中，缓存是提升系统性能的重要手段。Redis 作为最流行的内存数据库之一，广泛应用于缓存场景。然而，缓存系统也会面临缓存穿透、缓存击穿和缓存雪崩等问题。本文将深入探讨这些问题的成因及解决方案，结合实际项目案例和源码分析，帮助读者深入理解其实现原理。

1. 缓存穿透

缓存穿透是指查询一个不存在的数据，导致请求直接落到数据库上，从而压垮数据库。

1.1 缓存穿透的成因

恶意攻击：攻击者故意查询不存在的数据。
数据误删：缓存中的数据被误删，导致查询直接落到数据库。

1.2 解决方案：布隆过滤器

布隆过滤器（Bloom Filter）是一种空间效率极高的概率型数据结构，用于判断一个元素是否在一个集合中。布隆过滤器可以快速判断一个数据是否存在于缓存中，从而避免缓存穿透。

1.2.1 布隆过滤器的工作原理

布隆过滤器通过多个哈希函数将元素映射到一个位数组中。查询时，如果所有哈希函数对应的位都为 1，则元素可能存在；如果有一个位为 0，则元素一定不存在。

1.2.2 布隆过滤器的源码分析

以下是 Java 中布隆过滤器的实现示例：

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

public class BloomFilterExample {
    public static void main(String[] args) {
        BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 1000, 0.01);
        bloomFilter.put(1);
        bloomFilter.put(2);
        bloomFilter.put(3);

        System.out.println(bloomFilter.mightContain(1)); // true
        System.out.println(bloomFilter.mightContain(4)); // false
    }
}

1.3 实际项目案例

在一个电商平台的商品搜索系统中，攻击者可能通过构造不存在的商品 ID 进行恶意查询。通过布隆过滤器，可以快速过滤掉不存在的商品 ID，避免缓存穿透。

public class ProductService {
    private BloomFilter<String> bloomFilter;

    public ProductService() {
        bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), 1000000, 0.01);
    }

    public Product getProduct(String productId) {
        if (!bloomFilter.mightContain(productId)) {
            return null;
        }
        // 查询缓存
        Product product = cache.get(productId);
        if (product == null) {
            // 查询数据库
            product = database.get(productId);
            if (product != null) {
                cache.put(productId, product);
            }
        }
        return product;
    }
}

2. 缓存击穿

缓存击穿是指一个热点数据在缓存中过期，导致大量请求直接落到数据库上，从而压垮数据库。

2.1 缓存击穿的成因

热点数据过期：热点数据在缓存中过期，导致大量请求直接落到数据库。
高并发访问：大量请求同时访问同一个热点数据。

2.2 解决方案：热点数据预热

热点数据预热是指在热点数据过期前，提前将其加载到缓存中，从而避免缓存击穿。

2.2.1 热点数据预热的实现

通过定时任务或消息队列，提前将热点数据加载到缓存中。

2.2.2 热点数据预热的源码分析

以下是 Java 中热点数据预热的实现示例：

public class HotDataPreheat {
    private Cache cache;
    private Database database;

    public HotDataPreheat(Cache cache, Database database) {
        this.cache = cache;
        this.database = database;
    }

    public void preheat() {
        List<String> hotDataIds = database.getHotDataIds();
        for (String id : hotDataIds) {
            Data data = database.getData(id);
            cache.put(id, data);
        }
    }
}

2.3 实际项目案例

在一个新闻推荐系统中，热点新闻的访问量非常高。通过热点数据预热，可以提前将热点新闻加载到缓存中，避免缓存击穿。

public class NewsService {
    private Cache cache;
    private Database database;
    private HotDataPreheat hotDataPreheat;

    public NewsService(Cache cache, Database database) {
        this.cache = cache;
        this.database = database;
        this.hotDataPreheat = new HotDataPreheat(cache, database);
    }

    public void startPreheatTask() {
        ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(1);
        scheduler.scheduleAtFixedRate(hotDataPreheat::preheat, 0, 1, TimeUnit.HOURS);
    }
}

3. 缓存雪崩

缓存雪崩是指大量缓存数据在同一时间过期，导致大量请求直接落到数据库上，从而压垮数据库。

3.1 缓存雪崩的成因

缓存数据同时过期：大量缓存数据在同一时间过期，导致大量请求直接落到数据库。
高并发访问：大量请求同时访问数据库。

3.2 解决方案：缓存数据过期时间随机化

通过将缓存数据的过期时间随机化，避免大量缓存数据在同一时间过期。

3.2.1 缓存数据过期时间随机化的实现

在设置缓存数据的过期时间时，增加一个随机值，使得缓存数据的过期时间分散。

3.2.2 缓存数据过期时间随机化的源码分析

以下是 Java 中缓存数据过期时间随机化的实现示例：

public class CacheService {
    private Cache cache;
    private Database database;

    public CacheService(Cache cache, Database database) {
        this.cache = cache;
        this.database = database;
    }

    public Data getData(String id) {
        Data data = cache.get(id);
        if (data == null) {
            data = database.getData(id);
            if (data != null) {
                int expireTime = 3600 + new Random().nextInt(600); // 过期时间随机化
                cache.put(id, data, expireTime);
            }
        }
        return data;
    }
}

3.3 实际项目案例

在一个电商平台的商品详情页中，大量商品信息缓存在 Redis 中。通过缓存数据过期时间随机化，可以避免大量缓存数据在同一时间过期，导致缓存雪崩。

public class ProductService {
    private Cache cache;
    private Database database;

    public ProductService(Cache cache, Database database) {
        this.cache = cache;
        this.database = database;
    }

    public Product getProduct(String productId) {
        Product product = cache.get(productId);
        if (product == null) {
            product = database.getProduct(productId);
            if (product != null) {
                int expireTime = 3600 + new Random().nextInt(600); // 过期时间随机化
                cache.put(productId, product, expireTime);
            }
        }
        return product;
    }
}