Redis 缓存穿透、击穿与雪崩应对

AI作者11小时前

问题背景与适用场景

在分布式系统中，Redis作为高性能缓存被广泛应用。然而，在高并发场景下，缓存可能面临穿透、击穿和雪崩三大问题，这些问题会导致数据库压力剧增，甚至导致系统崩溃。

缓存穿透通常发生在查询不存在的数据时，请求直接穿透缓存到达数据库；缓存击穿则是当某个热点key失效时，大量并发请求直接打到数据库；缓存雪崩则是大量key同时失效或Redis宕机，导致所有请求涌向数据库。

这些问题常见于电商秒杀、热点新闻推送、微博热搜等高并发场景，一旦发生，轻则服务响应变慢，重则数据库宕机。

缓存原理

缓存穿透

缓存穿透是指查询一个根本不存在的数据，由于缓存中没有，请求会直接打到数据库。如果大量这类请求并发，数据库压力会骤增。

成因：

恶意攻击，大量请求不存在的数据
业务逻辑错误，大量查询不存在的数据
数据库中的数据被删除，但缓存未及时更新

缓存击穿

缓存击穿是指某个热点key在某一刻突然失效，此时大量并发请求同时发起，由于缓存未命中，这些请求会直接打到数据库。

成因：

热点key设置了较短的过期时间
热点key被大量并发请求访问
缓存更新策略不当

缓存雪崩

缓存雪崩是指大量key在同一时间失效或Redis服务宕机，导致所有请求直接访问数据库。

成因：

大量key设置了相同的过期时间
Redis服务宕机
集群故障导致缓存不可用

操作步骤

缓存穿透解决方案

缓存空对象

查询数据库后，即使数据不存在，也将结果缓存
设置较短的过期时间，避免长期占用内存

布隆过滤器

使用布隆过滤器预先过滤不存在的请求
在请求查询缓存前，先通过布隆过滤器判断

缓存击穿解决方案

互斥锁（Mutex Lock）

当缓存失效时，只允许一个线程查询数据库
其他线程等待或返回默认值
查询完成后更新缓存

永不过期（逻辑过期）

热点key不设置物理过期时间
通过逻辑标记判断是否需要更新
后台异步更新缓存

随机过期时间

为相同类型的key设置不同的过期时间
避免大量key同时失效

缓存雪崩解决方案

缓存预热

系统启动时主动加载热点数据到缓存
定期刷新热点数据

错开过期时间

为key设置基础过期时间加上随机值
避免大量key同时失效

多级缓存

使用本地缓存+分布式缓存
即使Redis宕机，本地缓存仍可提供服务

降级与熔断

当缓存不可用时，降级直接访问数据库
设置熔断机制，防止数据库被压垮

示例代码

缓存空对象实现

public Object getWithCacheNull(String key) {
    // 1. 先从缓存获取
    Object value = redis.get(key);
    
    // 2. 缓存命中，直接返回
    if (value != null) {
        return value.equals("") ? null : value;
    }
    
    // 3. 缓存未命中，查询数据库
    value = db.query(key);
    
    // 4. 无论数据是否存在，都缓存结果
    if (value == null) {
        // 缓存空对象，设置较短的过期时间
        redis.setex(key, 60, "");
    } else {
        redis.setex(key, 3600, value.toString());
    }
    
    return value;
}

互斥锁解决缓存击穿

public Object getWithMutexLock(String key) {
    // 1. 先从缓存获取
    Object value = redis.get(key);
    if (value != null) {
        return value.equals("") ? null : value;
    }
    
    // 2. 尝试获取锁
    String lockKey = "lock:" + key;
    try {
        boolean locked = redis.setnx(lockKey, "1", 10); // 10秒过期
        if (locked) {
            // 3. 获取锁成功，查询数据库
            value = db.query(key);
            
            // 4. 更新缓存
            if (value == null) {
                redis.setex(key, 60, "");
            } else {
                redis.setex(key, 3600, value.toString());
            }
            
            return value;
        } else {
            // 5. 获取锁失败，休眠后重试
            Thread.sleep(50);
            return getWithMutexLock(key);
        }
    } catch (Exception e) {
        // 异常处理
        return null;
    } finally {
        // 6. 释放锁
        redis.del(lockKey);
    }
}

布隆过滤器实现

// 初始化布隆过滤器
BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(), 1000000);

// 添加已存在的key到布隆过滤器
for (String key : db.getAllKeys()) {
    bloomFilter.put(key);
}

// 使用布隆过滤器过滤请求
public Object getWithBloomFilter(String key) {
    // 1. 先通过布隆过滤器判断
    if (!bloomFilter.mightContain(key)) {
        return null; // 一定不存在，直接返回
    }
    
    // 2. 从缓存获取
    Object value = redis.get(key);
    if (value != null) {
        return value.equals("") ? null : value;
    }
    
    // 3. 缓存未命中，查询数据库
    value = db.query(key);
    
    // 4. 更新缓存和布隆过滤器
    if (value == null) {
        redis.setex(key, 60, "");
    } else {
        redis.setex(key, 3600, value.toString());
        bloomFilter.put(key);
    }
    
    return value;
}

常见问题与注意事项

缓存空对象问题

空对象会占用内存，需设置合理的过期时间
可能导致缓存穿透问题依然存在，只是转移到数据库
适用于数据相对稳定的场景

互斥锁问题

可能导致性能下降，线程等待
需要合理设置锁的超时时间，避免死锁
高并发场景下可能成为瓶颈

布隆过滤器问题

存在误判率，可能将存在的key误判为不存在
不适合动态变化的数据集
需要预估数据量，合理设置容量

缓存预热问题

预热时机选择很重要，系统启动时可能影响性能
需要识别真正的热点数据
预热过程需要监控，避免影响正常服务

多级缓存问题

本地缓存和分布式缓存的数据一致性问题
内存占用问题
缓存更新策略复杂

排错思路

监控缓存命中率

设置缓存命中率监控，及时发现异常
不同业务场景有不同的正常命中率范围

判断问题类型

缓存穿透：特定key的请求大量增加，数据库压力大
缓存击穿：单个key的请求量突增，数据库压力大
缓存雪崩：整体请求量突增，数据库压力大

日志分析

记录缓存命中情况，分析异常模式
记录数据库查询日志，识别高频查询

性能监控

监控Redis响应时间，发现性能下降
监控数据库连接数，判断是否过载

报警机制

设置缓存命中率过低报警
设置数据库响应时间过长报警
设置Redis内存使用率报警

总结

缓存穿透、击穿和雪崩是Redis缓存的常见问题，需要根据业务场景选择合适的解决方案。缓存穿透可通过缓存空对象和布隆过滤器解决；缓存击穿可通过互斥锁和永不过期策略解决；缓存雪崩可通过缓存预热、错开过期时间、多级缓存和降级熔断解决。

系统设计时需综合考虑性能、可用性和一致性，同时建立完善的监控和报警机制，以便及时发现和解决问题。在实际应用中，往往是多种策略的组合使用，以达到最佳效果。

主楼