缓存穿透、击穿、雪崩的解决方案

一、缓存穿透（Cache Penetration）

定义：查询不存在的数据（如不存在的ID），绕过缓存直接穿透到数据库，导致数据库压力骤增。
解决方案：

1. 布隆过滤器（Bloom Filter）

   • 原理：通过位数组和哈希函数，快速判断数据是否可能存在。若布隆过滤器判定不存在，则直接拦截请求。
   • 实战示例：电商商品查询，拦截非法ID请求。
   • Java代码：

     // 使用Guava实现布隆过滤器
     BloomFilter<Long> bloomFilter = BloomFilter.create(Funnels.longFunnel(), 1000000, 0.01);
     // 预热商品ID到布隆过滤器
     productIds.forEach(bloomFilter::put);public Product getProduct(Long id) {if (!bloomFilter.mightContain(id)) {return null; // 直接拦截非法ID}// 后续查询缓存和数据库...
     }
     

2. 缓存空值

   • 原理：将查询结果为空的Key也缓存，避免重复穿透。
   • 代码示例：

     public Product getProduct(String key) {Product product = redis.get(key);if (product == null) {// 查询数据库product = db.get(key);if (product == null) {redis.set(key, "NULL", 60); // 缓存空值，设置短过期时间} else {redis.set(key, product, 3600);}}return product;
     }
     

二、缓存击穿（Cache Breakdown）

定义：热点Key突然失效，大量并发请求直接击穿到数据库。
解决方案：

1. 互斥锁（Mutex Lock）

   • 原理：使用Redis的SETNX命令实现分布式锁，仅允许一个线程重建缓存。
   • 实战示例：秒杀活动中热门商品详情查询。
   • Java代码：

     public Product getProduct(String key) {Product product = redis.get(key);if (product == null) {String lockKey = "LOCK:" + key;if (redis.opsForValue().setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS)) {try {product = db.get(key); // 查询数据库redis.set(key, product, 3600);} finally {redis.delete(lockKey);}} else {Thread.sleep(100); // 等待锁释放后重试return getProduct(key);}}return product;
     }
     

2. 逻辑过期（永不过期策略）

   • 原理：缓存不设置物理过期时间，后台异步更新数据。
   • 实战示例：新闻热点实时更新。
   • 代码示例：

     public Product getProduct(String key) {Product product = redis.get(key);if (product.isExpired()) { // 检查逻辑过期时间// 异步线程更新缓存executor.submit(() -> {Product newProduct = db.get(key);redis.set(key, newProduct);});}return product;
     }
     

三、缓存雪崩（Cache Avalanche）

定义：大量Key同时失效，导致数据库瞬间压力过大。
解决方案：

1. 随机过期时间

   • 原理：为每个Key的TTL增加随机值，避免集中失效。
   • 实战示例：首页推荐商品列表缓存。
   • Java代码：

     int baseTtl = 3600;
     int randomTtl = baseTtl + new Random().nextInt(600); // 增加0~10分钟随机值
     redis.opsForValue().set(key, value, randomTtl, TimeUnit.SECONDS);
     

2. 多级缓存（本地缓存+Redis）

   • 原理：结合本地缓存（如Caffeine）和分布式缓存，降低雪崩风险。
   • 代码示例：

     // 本地缓存
     Cache<Long, Product> localCache = Caffeine.newBuilder().expireAfterWrite(5, TimeUnit.MINUTES).build();public Product getProduct(Long id) {Product product = localCache.get(id, k -> redis.get(k));if (product == null) {product = db.get(id);redis.set(id, product, 3600);localCache.put(id, product);}return product;
     }
     

总结对比

Tips：

• 布隆过滤器误判率：根据业务场景调整容量和哈希函数数量（Guava默认误判率0.01）[1]。
• 热点Key预热：在大促前手动加载热点数据到缓存，如电商双11商品预热[2]。