缓存 --- 缓存击穿, 缓存雪崩, 缓存穿透

缓存击穿（Cache Breakdown）

概念原理

• 定义：某个 热点数据（高频访问的 Key） 在缓存中过期时，瞬间有大量并发请求涌入，直接穿透缓存访问数据库，导致数据库压力骤增。
• 核心原因：高并发场景下，热点数据缓存失效的瞬间，请求集中访问数据库。
• 本质问题：缓存失效时间的集中性与高并发请求的瞬时性冲突。

实际场景

• 电商秒杀：某商品参与限时秒杀活动，缓存设置为 10 分钟过期。活动开始后缓存突然失效，瞬间数万请求直接访问数据库查询库存。

---

代码实现（互斥锁方案）

public String getProduct(String productId) {String cacheKey = "product:" + productId;// 1. 从缓存获取数据String product = redisTemplate.opsForValue().get(cacheKey);if (product != null) {return product;}// 2. 缓存未命中，尝试获取分布式锁String lockKey = "lock:product:" + productId;boolean locked = redisTemplate.opsForValue().setIfAbsent(lockKey, "locked", 30, TimeUnit.SECONDS);try {if (locked) {// 3. 获取锁成功，查询数据库product = productService.getById(productId);// 4. 回写缓存并设置过期时间redisTemplate.opsForValue().set(cacheKey, product, 1, TimeUnit.HOURS);} else {// 5. 未获取锁，等待后重试（避免循环等待需设置最大重试次数）Thread.sleep(100);return getProduct(productId); // 递归重试}} finally {// 6. 释放锁if (locked) {redisTemplate.delete(lockKey);}}return product;
}

关键点：

• 使用 setIfAbsent 实现分布式锁，避免多个线程同时重建缓存。
• 锁需设置超时时间（如 30 秒），防止死锁。
• 未获取锁的线程需等待后重试（或返回默认值）。

---

缓存雪崩（Cache Avalanche）

概念原理

• 定义：大量缓存数据 在同一时间过期，导致所有请求直接访问数据库，引发数据库崩溃。
• 核心原因：缓存过期时间设置过于集中。
• 本质问题：缓存失效的“雪崩效应”导致数据库瞬时压力过大。

实际场景

• 电商大促：所有商品缓存设置为凌晨 0 点过期，导致瞬时大量商品详情查询请求直接压垮数据库。

---

代码实现（随机过期时间）

public void setProductCache(String productId, Product product) {String cacheKey = "product:" + productId;// 基础过期时间 + 随机偏移量（0~300秒）int baseExpire = 3600; // 1小时int randomExpire = new Random().nextInt(300); redisTemplate.opsForValue().set(cacheKey, product, baseExpire + randomExpire, TimeUnit.SECONDS);
}// 查询时统一使用随机过期时间
public Product getProduct(String productId) {String cacheKey = "product:" + productId;Product product = redisTemplate.opsForValue().get(cacheKey);if (product == null) {product = productService.getById(productId);setProductCache(productId, product); // 设置缓存时添加随机过期时间}return product;
}

关键点：

• 在基础过期时间上添加随机偏移量（如 0~300 秒），分散缓存过期时间。
• 结合 Redis 集群部署，提升缓存层的高可用性。

---

缓存穿透（Cache Penetration）

概念原理

• 定义：大量请求查询 数据库中不存在的数据，缓存无法命中，导致请求直接穿透到数据库。
• 核心原因：恶意攻击或业务逻辑漏洞（如查询无效 ID）。
• 本质问题：缓存层和数据库层均无法拦截无效请求。

实际场景

• 恶意爬虫攻击：攻击者批量请求 -1、0 或超大数值的用户 ID，绕过缓存直接查询数据库。

---

代码实现（布隆过滤器 + 空值缓存）

// 使用 Guava 布隆过滤器（初始化时预热合法ID）
private BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(StandardCharsets.UTF_8), 1000000, 0.01
);public User getUser(String userId) {// 1. 布隆过滤器拦截非法请求if (!bloomFilter.mightContain(userId)) {return null;}String cacheKey = "user:" + userId;User user = redisTemplate.opsForValue().get(cacheKey);if (user != null) {return "NULL".equals(user) ? null : user;}// 2. 查询数据库user = userService.getById(userId);if (user == null) {// 3. 缓存空值（防止反复穿透）redisTemplate.opsForValue().set(cacheKey, "NULL", 5, TimeUnit.MINUTES);return null;}// 4. 回写缓存redisTemplate.opsForValue().set(cacheKey, user, 1, TimeUnit.HOURS);return user;
}

关键点：

• 布隆过滤器初始化时需预热合法 ID（如从数据库加载）。
• 缓存空值（如 "NULL"）并设置短过期时间（如 5 分钟）。
• 布隆过滤器存在误判率（可配置 0.01），但不会漏判。

---

总结对比

问题类型	触发条件	解决方案	核心实现技术
击穿	热点Key过期 + 高并发	互斥锁、逻辑过期	分布式锁（SETNX）、异步重建
穿透	查询不存在的数据	布隆过滤器、空值缓存	Bloom Filter、NULL占位
雪崩	大量Key同时过期	随机过期时间、集群容灾	过期时间随机化、Redis集群

注意事项：

1. 布隆过滤器需要预热数据，适用于静态数据（如商品ID列表）。
2. 互斥锁需设置合理的锁超时时间，避免锁过期后业务线程仍在执行。
3. 空值缓存的过期时间不宜过长，防止内存浪费。