当前位置：首页 > ai >正文

redis缓存三大问题分析与解决方案

ai 2025/7/4 8:12:33

什么是缓存？

缓存（Cache）是一种将热点数据缓存在内存中（如 Redis）以加快访问速度、减轻数据库压力的技术。

但引入缓存后可能出现 三大核心问题：

缓存穿透（Cache Penetration）
缓存击穿（Cache Breakdown）
缓存雪崩（Cache Avalanche）

一、缓存穿透（Cache Penetration）

问题描述

缓存穿透指：请求的数据既不在缓存中，也不在数据库中，导致请求每次都打到数据库。

常见场景

恶意攻击：传入大量随机 ID，绕过缓存层直击数据库
用户访问非法 ID，如 /user?id=-1

举例

用户频繁访问一个 不存在的商品 ID：99999999：

Redis 无此数据 → 查询数据库
数据库无 → 返回 null
下次再次请求 ID=99999999，又重复上述过程 → DB 被压垮

解决方案

1. 缓存空值

if (dbData == null) {redis.set("shop:99999999", "", 2分钟);
}

空值也缓存，避免重复查数据库
设较短 TTL（避免缓存过期数据太久）

2. 参数校验拦截非法请求

如：ID 不能为负数或超过最大值
在请求层面做过滤，不进 DB 或 Redis

3. 布隆过滤器（适用于大数据量）

将所有合法 ID 加入布隆过滤器
请求前先判断是否命中布隆过滤器，不在则直接拒绝

二、缓存击穿（Cache Breakdown）

问题描述

缓存击穿指：某个热点 Key 刚好失效时，大量并发请求打到数据库，导致数据库瞬时压力激增。

常见场景

热点数据正好在高峰期过期
比如：商品详情页、秒杀商品、抢购库存

举例

商品 ID=1 每天百万访问量，缓存过期瞬间，大量用户同时访问导致：

Redis 查不到 → 并发查询 DB → 数据库压力飙升

解决方案

1. 互斥锁方式：单线程缓存重建

if (redis.get("shop:1") == null) {if (tryLock("lock:shop:1")) {// 从 DB 读取 → 缓存写回 Redisunlock();} else {// 其他线程等待或返回默认值}
}

缓存重建交给首个拿到锁的线程，其它线程等待或快速失败

2. 逻辑过期 + 异步重建（推荐）

{"data": {...},"expireTime": "2025-06-30 12:00:00"
}

缓存提前设置一个逻辑过期时间（保存在 value 中）
判断已过期 → 异步线程后台刷新 → 返回旧数据不中断用户体验

适合热点数据缓存更新

三、缓存雪崩（Cache Avalanche）

问题描述

大量缓存同时过期，导致所有请求同时访问数据库，引发系统雪崩。

常见场景

设置了相同 TTL 的大量缓存同时过期
Redis 重启或崩溃，缓存瞬间全部丢失

举例

秒杀系统中 10 万商品都设置 TTL=24小时
恰好第二天凌晨失效 → 所有请求打到数据库

解决方案

1. 缓存过期时间加随机

int ttl = 3600 + RandomUtil.randomInt(0, 600);
redis.set("shop:" + id, value, ttl, TimeUnit.SECONDS);

避免所有 key 同一时间过期，均匀错开时间点

2. 热点数据永不过期 + 后台异步刷新

逻辑过期方案 + 后台定时更新
热点数据维持高可用

3. 多级缓存（本地 + 分布式）

如：Caffeine + Redis + MySQL 三层缓存
Redis 崩溃时，先从本地缓存兜底

4. 限流+降级

接口层加限流、熔断、降级返回默认值，避免雪崩扩大化

项目中 Redis 缓存策略总结

问题	定义	解决方案
缓存穿透	请求数据既不在缓存也不在数据库	缓存空值、参数校验、布隆过滤器
缓存击穿	热点 key 在高并发下刚好失效	加锁互斥、逻辑过期 + 异步刷新
缓存雪崩	大量 key 同时过期、或 Redis 故障	加 TTL 随机值、热点永不过期、多级缓存、限流降级