Redis：缓存雪崩、穿透、击穿的技术解析和实战方案

🚨 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。

---

💣 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