Redis:缓存雪崩、穿透、击穿的技术解析和实战方案

admin
1
2025-07-30

🚨 1、简述

随着系统规模扩大,Redis 缓存被广泛用于数据预热、热点数据防护和高并发系统优化。然而在高并发环境中,缓存雪崩、穿透、击穿等问题若处理不当,可能导致系统雪崩式崩溃。

本文从原理、原因出发,结合实际项目经验,讲解如何应对这三大常见问题,并给出对应实践方案。

image-p4j5.png


💣 2、缓存雪崩(Cache Avalanche)

✅ 定义:

大量缓存同时失效,导致请求直接打到数据库或下游服务,造成系统瞬时过载甚至崩溃。

🧨 触发场景:

🔹 同一时间大量缓存设置了相同过期时间。
🔹 Redis 故障、重启或崩溃,导致全缓存失效。

✅ 解决方案:

方案 实现方式
缓存过期时间加随机 给不同缓存设置随机 TTL(如 ±5%)
本地限流/降级 Hystrix、Sentinel、RateLimiter 等
缓存预热 应用启动时加载关键缓存数据
多级缓存 引入本地缓存(如 Caffeine)减少对 Redis 的依赖
异步重建缓存 通过队列异步刷新热点数据缓存

🛠 实践样例:设置随机过期时间

int baseExpire = 60 * 10; // 10分钟
int random = new Random().nextInt(60); // 加1分钟以内的随机值
redisTemplate.opsForValue().set("product:123", data, baseExpire + random, TimeUnit.SECONDS);

🕳️ 3、缓存穿透(Cache Penetration)

✅ 定义:

请求的数据既不在缓存中,也不在数据库中,攻击者通过大量随机 key 造成数据库压力激增。

🧨 触发场景:

🔹 攻击者构造不存在的 key 请求接口。
🔹 key 本身无意义(如 user:-1)

✅ 解决方案:

方案 实现方式
缓存空对象 查询结果为 null,也缓存一段时间(短 TTL)
参数校验 请求层校验 ID 合法性,如 ID > 0
布隆过滤器 使用布隆过滤器拦截不存在的 key 请求
接口限流 控制访问频率,防止恶意请求刷爆系统

🛠 实践样例:缓存空值

String key = "user:1000";
String userJson = redisTemplate.opsForValue().get(key);

if (userJson == null) {
    User user = userService.getById(1000L);
    if (user == null) {
        // 缓存一个占位符,防止穿透
        redisTemplate.opsForValue().set(key, "", 5, TimeUnit.MINUTES);
    } else {
        redisTemplate.opsForValue().set(key, toJson(user), 10, TimeUnit.MINUTES);
    }
}

🛠 实践样例:布隆过滤器(Guava)

BloomFilter<Long> filter = BloomFilter.create(Funnels.longFunnel(), 100_0000);
filter.put(12345L);

if (!filter.mightContain(requestedId)) {
    return null; // 拦截非合法请求
}

🔥 4、缓存击穿(Cache Breakdown)

✅ 定义:

某个热点 key 失效瞬间,多个并发请求同时击中数据库。

🧨 触发场景:

🔹 热点数据过期,瞬时大量请求访问该 key。
🔹 并发场景下没有做好互斥更新控制。

✅ 解决方案:

方案 实现方式
热点缓存永不过期 主动更新替代被动过期
加互斥锁 只有一个线程能加载数据,其余等待或返回旧值
异步更新缓存 提前设置过期,后台刷新
多级缓存 本地缓存兜底,如 Caffeine + Redis

🛠 实践样例:互斥锁方式防止击穿

public User getUserById(Long userId) {
    String key = "user:" + userId;
    String cache = redisTemplate.opsForValue().get(key);

    if (cache != null) return parseUser(cache);
    // 加锁防击穿
    String lockKey = "lock:user:" + userId;
    boolean lock = redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 30, TimeUnit.SECONDS);

    if (!lock) {
        try { Thread.sleep(50); } catch (InterruptedException ignored) {}
        return getUserById(userId); // 递归重试
    }

    try {
        User user = db.queryById(userId);
        if (user != null) {
            redisTemplate.opsForValue().set(key, toJson(user), 10, TimeUnit.MINUTES);
        } else {
            redisTemplate.opsForValue().set(key, "", 3, TimeUnit.MINUTES);
        }
        return user;
    } finally {
        redisTemplate.delete(lockKey); // 释放锁
    }
}

🎯 5、总结

🔹 Redis 作为缓存层时,不应将其设计为单点依赖
🔹 搭配使用 Caffeine(本地)+ Redis(远程)+ MQ异步回源 是中大型系统推荐策略。
🔹 限流、熔断、降级 机制应作为系统稳定性的基本保障。

问题 定义 触发条件 核心解决策略
雪崩 批量缓存同时失效 TTL 设置一致或 Redis 崩溃 随机 TTL、本地缓存、限流
穿透 请求的 key 无效 缓存和数据库都无数据 空值缓存、布隆过滤器、参数校验
击穿 某一热点 key 失效 突然大流量请求 互斥锁、异步更新、热点永不过期
动物装饰