当前位置：首页 > article >正文

Redis 缓存穿透、击穿、雪崩的出现场景与解决方案

article 2025/3/11 5:33:24

一、缓存穿透（Cache Penetration）

问题描述

请求 数据库中不存在的数据（如非法ID），导致请求绕过缓存直接击穿到数据库。
典型场景：

恶意攻击：频繁请求 id=-1 或随机不存在的用户ID。
业务逻辑缺陷：未校验参数合法性（如非数字ID查询）。

解决方案

空值缓存
将查询结果为 null 的请求也缓存，设置较短的过期时间（如 5分钟）。

public Object getData(String key) {
    Object value = redis.get(key);
    if (value != null) {
        return value;  // 命中缓存
    }
    // 查数据库
    value = db.query(key);
    if (value == null) {
        redis.setex(key, 300, "NULL");  // 缓存空值
    } else {
        redis.setex(key, 3600, value);  // 缓存真实值
    }
    return value;
}

布隆过滤器（Bloom Filter）

在缓存层前加布隆过滤器，判断请求的 key 是否可能存在：
- 存在 → 查缓存或数据库。
- 不存在 → 直接返回，避免查库。

接口层校验

对请求参数进行合法性校验（如ID范围、格式）。

二、缓存击穿（Cache Breakdown）

问题描述

热点数据过期瞬间，大量并发请求直接涌入数据库。
典型场景：

明星爆款商品详情页缓存过期。
秒杀活动中核心商品信息缓存失效。

解决方案

互斥锁（分布式锁）
- 只允许一个线程重建缓存，其他线程等待。

public Object getData(String key) {
    Object value = redis.get(key);
    if (value == null) {
        String lockKey = key + "_LOCK";
        if (redis.setnx(lockKey, "1", 10)) {  // 获取锁
            try {
                value = db.query(key);        // 查数据库
                redis.setex(key, 3600, value); 
            } finally {
                redis.del(lockKey);           // 释放锁
            }
        } else {
            Thread.sleep(100);                // 等待后重试
            return getData(key);              // 递归调用
        }
    }
    return value;
}

逻辑过期时间（永不过期 + 异步更新）

缓存不设置物理过期时间，但存储逻辑过期字段。
后台线程定期检测并更新缓存。

// 缓存数据结构
class CacheData {
    Object data;
    long expireTime;  // 逻辑过期时间
}

public Object getData(String key) {
    CacheData cacheData = redis.get(key);
    if (cacheData == null) {
        return db.query(key);  // 首次加载
    }
    if (System.currentTimeMillis() > cacheData.expireTime) {
        // 提交异步任务更新缓存
        executor.submit(() -> {
            Object newData = db.query(key);
            redis.set(key, new CacheData(newData, System.currentTimeMillis() + 3600000));
        });
    }
    return cacheData.data;
}

热点数据永不过期

对极热点数据不设置过期时间，通过异步线程定期更新。

三、缓存雪崩（Cache Avalanche）

问题描述

大量缓存同时过期 或 缓存服务宕机，导致请求全部涌入数据库。
典型场景：

缓存服务器重启后所有数据丢失。
批量缓存设置相同过期时间（如每日零点统一过期）。

解决方案

随机过期时间

在基础过期时间上增加随机值（如 基础时间 + 随机0~300秒）。

int baseExpire = 3600;
int randomExpire = baseExpire + new Random().nextInt(300);
redis.setex(key, randomExpire, value);

集群高可用
- 使用 Redis 集群（Cluster）或哨兵模式（Sentinel）避免单点故障。
熔断降级
- 当数据库压力过大时，启用熔断机制（如返回默认值、限流）。

// 使用 Hystrix 实现熔断
@HystrixCommand(fallbackMethod = "fallbackGetData")
public Object getData(String key) {
    return redis.get(key);
}

public Object fallbackGetData(String key) {
    return "系统繁忙，请稍后重试";  // 降级响应
}

多级缓存
- 本地缓存（如 Caffeine） + Redis 缓存，降低 Redis 压力。

对比总结

问题类型	触发条件	核心解决思路	典型方案
穿透	查询不存在的数据	拦截非法请求、缓存空值	布隆过滤器、空值缓存
击穿	热点数据过期	限制并发重建、异步更新	互斥锁、逻辑过期时间
雪崩	大量缓存同时失效或服务宕机	分散过期时间、服务高可用	随机过期、集群部署、熔断降级