在高并发系统中，Redis作为缓存中间件扮演着至关重要的角色。然而，缓存穿透、缓存击穿和缓存雪崩这三个经典问题，常常成为系统稳定性的隐形杀手。本文将深入分析这三种问题的本质，并提供切实可行的解决方案。
一、缓存穿透：当查询命中了不存在的数据
问题场景：大量请求查询数据库中根本不存在的数据，每次都穿透缓存直接打到数据库。比如恶意攻击者用不存在的ID频繁请求接口。
解决方案：
- 缓存空对象：当查询结果为空时，也将空值缓存起来，设置较短的过期时间（如2分钟）。这样重复请求就不会穿透到数据库。
- 布隆过滤器：在查询前先用布隆过滤器判断数据是否可能存在。布隆过滤器能快速判断一个元素”一定不存在”或”可能存在”，将无效请求拦截在缓存层之外。
public Object getWithBloomFilter(String key) {
// 先用布隆过滤器判断
if (!bloomFilter.mightContain(key)) {
return null; // 一定不存在，直接返回
}
// 查询缓存
Object value = redis.get(key);
if (value != null) {
return value;
}
// 查询数据库
value = database.query(key);
if (value == null) {
redis.setex(key, 120, "NULL"); // 缓存空对象
} else {
redis.setex(key, 3600, value);
}
return value;
}二、缓存击穿：热点数据过期的瞬间
问题场景：某个热点数据在缓存中过期的那一刻，大量并发请求同时涌入，全部穿透到数据库。这就像一群人同时冲向一扇刚打开的门。
解决方案：
- 互斥锁：只允许一个线程去加载数据，其他线程等待。使用Redis的SETNX实现分布式锁。
- 逻辑过期：不设置TTL，而是在数据中存储过期时间。查询时检查是否过期，过期则异步刷新，期间仍返回旧数据。
public Object getWithLock(String key) {
Object value = redis.get(key);
if (value == null) {
String lockKey = "lock:" + key;
try {
// 尝试获取锁
if (redis.setnx(lockKey, "1", 10)) {
value = database.query(key);
redis.setex(key, 3600, value);
} else {
Thread.sleep(50);
return getWithLock(key); // 重试
}
} finally {
redis.del(lockKey);
}
}
return value;
}三、缓存雪崩：大规模缓存失效
问题场景：大量缓存在同一时间集中过期，或者Redis服务宕机，导致所有请求全部打到数据库，造成数据库压力骤增甚至崩溃。
解决方案：
- 过期时间随机化：在基础过期时间上增加随机值，避免同时过期。
- 缓存预热：系统启动时提前加载热点数据。
- 多级缓存：增加本地缓存作为二级缓存，降低对Redis的依赖。
- 熔断降级：当数据库压力过大时，启用降级策略，返回默认数据或友好提示。
// 过期时间随机化
int baseExpire = 3600;
int randomExpire = new Random().nextInt(600); // 0-600秒随机值
redis.setex(key, baseExpire + randomExpire, value);四、实战经验总结
在实际项目中，这些方案往往需要组合使用：
- 对于缓存穿透，布隆过滤器适合数据量大的场景，缓存空对象适合数据量小的场景。
- 对于缓存击穿，互斥锁保证数据一致性，逻辑过期保证高可用性。
- 对于缓存雪崩，随机过期时间是最简单有效的预防措施。
记住：缓存不是银弹，它只是把压力从数据库转移到内存。真正的高可用需要从架构层面考虑，包括限流、熔断、降级等手段的综合运用。
缓存设计是一门平衡的艺术，在性能、一致性、复杂度之间找到最优解，才是工程师的真正功力所在。
觉得有用就点个赞吧~