Redis 击穿、穿透与雪崩：深度解析与应对策略

在使用 Redis 作为缓存的系统架构中，缓存击穿、穿透和雪崩是三个常见且可能对系统性能产生严重影响的问题。深入理解这些问题并掌握有效的应对策略对于构建稳定、高效的系统至关重要。

一、缓存击穿

（一）问题描述

缓存击穿是指一个热点 key 在缓存中突然过期，而此时大量并发请求同时访问这个 key，由于缓存中不存在该数据，这些请求会直接穿透到数据库查询数据，并且在查询到数据后重新将数据写入缓存。在高并发场景下，数据库可能瞬间承受巨大的压力，甚至导致数据库服务不可用。

例如，在一个电商系统中，某个热门商品的详情信息被缓存了。当缓存过期时，恰好有大量用户同时点击查看该商品详情，这些请求就会同时涌向数据库获取商品数据，可能使数据库负载急剧上升。

（二）处理方法

1. 设置热点数据永不过期：对于一些极端热点且更新频率极低的数据，可以设置其在缓存中永不过期。这样可以避免因缓存过期导致的击穿问题，但需要注意数据一致性的维护，当数据有更新时，要及时更新缓存中的数据。
2. 使用互斥锁：当缓存中不存在热点 key 时，在访问数据库之前先获取一个互斥锁。只有获取到锁的线程才能去数据库查询数据并更新缓存，其他线程则等待。在获取锁的线程完成数据库查询并更新缓存后，释放锁，其他线程再从缓存中获取数据。示例代码如下（以 Java 语言使用 Redis 的 Jedis 客户端为例）：

java

public String getValue(String key) {String value = redis.get(key);if (value == null) {// 获取锁if (redis.setnx(key + "_lock", "locked") == 1) {try {// 再次检查缓存，防止其他线程已经更新缓存value = redis.get(key);if (value == null) {// 从数据库查询数据value = db.query(key);// 将数据写入缓存redis.set(key, value);}} finally {// 释放锁redis.del(key + "_lock");}} else {// 等待一段时间后重试Thread.sleep(100);return getValue(key);}}return value;
}

这种方式可以有效控制并发访问数据库的数量，但会增加系统的响应时间，因为线程需要等待锁的获取。

二、缓存穿透

（一）问题描述

缓存穿透是指查询一个根本不存在的数据，缓存和数据库都不会命中，这样的请求每次都会穿透缓存到达数据库，导致数据库压力增大。如果攻击者恶意构造大量这样的请求，可能会使数据库服务崩溃。

例如，在一个用户系统中，攻击者故意发送大量不存在的用户 ID 查询请求，这些请求都会直接访问数据库，数据库不断进行无效查询操作，浪费大量资源。

（二）处理方法

1. 缓存空对象：当查询数据库未找到数据时，将空对象缓存起来，并设置一个较短的过期时间。这样后续相同的查询请求就可以直接从缓存中获取空结果，避免再次查询数据库。示例代码如下：

java

public String getValue(String key) {String value = redis.get(key);if (value == null) {// 从数据库查询数据value = db.query(key);if (value == null) {// 将空对象缓存起来，设置过期时间为 60 秒redis.setex(key, 60, "");} else {// 将数据写入缓存redis.set(key, value);}}return value;
}

但这种方法可能会导致缓存中存储大量无用的空对象数据，占用缓存空间，并且如果数据库中数据后续有更新，可能会出现数据不一致的情况。
2. 布隆过滤器：在访问缓存之前，先使用布隆过滤器判断请求的数据是否可能存在于数据库中。布隆过滤器是一种基于位图的数据结构，可以高效地判断一个元素是否在集合中，但存在一定的误判率（误判为存在但实际不存在）。如果布隆过滤器判断数据可能不存在，那么直接返回空结果，不再查询缓存和数据库；如果判断数据可能存在，则继续正常的缓存查询流程。示例代码如下（以 Guava 库中的布隆过滤器为例）：

java

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;public class BloomFilterExample {private static final int EXPECTED_INSERTIONS = 1000000;private static final double FPP = 0.01;private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), EXPECTED_INSERTIONS, FPP);static {// 初始化布隆过滤器，将数据库中已有的数据对应的 key 加入布隆过滤器List<Integer> existingKeys = db.getAllKeys();for (Integer key : existingKeys) {bloomFilter.put(key);}}public String getValue(String key) {int keyInt = Integer.parseInt(key);if (!bloomFilter.mightContain(keyInt)) {return "";}String value = redis.get(key);if (value == null) {value = db.query(key);if (value == null) {redis.setex(key, 60, "");} else {redis.set(key, value);}}return value;}
}

使用布隆过滤器可以有效减少缓存穿透的发生，但需要合理设置误判率和预估数据量，并且在数据库数据有新增或删除时，需要及时更新布隆过滤器。

三、缓存雪崩

（一）问题描述

缓存雪崩是指在短时间内，大量缓存中的 key 同时过期或者 Redis 服务突然不可用，导致大量请求直接访问数据库，数据库压力瞬间剧增，可能导致数据库服务崩溃，进而影响整个系统的正常运行。

例如，在一个社交系统中，很多用户的动态数据都被缓存了，并且设置了相同的过期时间。当这些缓存同时过期时，大量用户的请求就会同时涌向数据库获取动态数据，使数据库不堪重负。

（二）处理方法

1. 设置缓存过期时间随机化：将缓存的过期时间设置为一个随机值，避免大量缓存同时过期。例如，可以在原本设置的过期时间基础上，加上一个随机的时间偏移量，使不同 key 的过期时间分布在一个时间段内。示例代码如下：

java

public void setValue(String key, String value) {// 原本设置的过期时间为 600 秒int baseExpireSeconds = 600;// 随机生成 0 - 300 秒的偏移量int randomOffset = new Random().nextInt(300);// 最终的过期时间int expireSeconds = baseExpireSeconds + randomOffset;redis.setex(key, expireSeconds, value);
}

1. 使用缓存预热：在系统启动或缓存服务重启时，提前将一些热点数据加载到缓存中，避免在用户请求高峰时因缓存未命中而导致大量请求穿透到数据库。可以在系统启动时编写一个数据加载脚本，从数据库中查询热点数据并写入缓存。
2. 搭建高可用的 Redis 集群：使用 Redis 集群可以提高 Redis 的可用性和容错性。当部分节点出现故障时，集群中的其他节点可以继续提供服务，减少因 Redis 服务不可用导致的雪崩影响。常见的 Redis 集群方案有主从复制、哨兵模式和 Redis Cluster 等。例如，在主从复制模式下，主节点负责写操作，从节点负责读操作，从节点会定期从主节点同步数据。当主节点故障时，可以手动或自动将从节点提升为主节点，继续提供服务。
3. 限流与降级：在系统中引入限流和降级机制，当发现缓存雪崩发生且数据库压力过大时，对部分非核心业务的请求进行限流，只允许一定数量的请求通过，或者直接对这些非核心业务进行降级处理，返回默认数据或提示信息，以保护数据库和整个系统的稳定性。例如，可以使用令牌桶算法或漏桶算法进行限流，在代码中根据业务的重要性设置不同的限流阈值和降级策略。

综上所述，缓存击穿、穿透和雪崩是 Redis 缓存使用过程中需要重点关注的问题。通过合理设置缓存过期时间、使用互斥锁、缓存空对象、布隆过滤器、缓存预热、搭建高可用集群以及限流降级等多种技术手段，可以有效地预防和应对这些问题，提高系统的性能、稳定性和可靠性，为用户提供更好的服务体验。在实际的系统开发和运维中，需要根据系统的业务特点、数据规模和并发量等因素，综合运用这些策略，不断优化系统架构和缓存策略。