当前位置：首页 > ds >正文

缓存击穿，缓存穿透，缓存雪崩的原因和解决方案

ds 2025/7/7 2:14:27

在分布式系统中，缓存是提升性能的重要组件，但同时也可能引发“缓存击穿”“缓存穿透”“缓存雪崩”等问题。以下从原因、解决方案两方面详细解析这三个概念，并通过对比表格帮助理解。

大量并发请求同时访问一个过期的热点缓存数据，导致请求直接穿透缓存到达数据库，造成数据库压力骤增。

互斥锁（Mutex）
- 在缓存失效时，先获取锁再查询数据库，确保同一时间只有一个请求访问数据库，其他请求等待锁释放后从缓存获取数据。
- 示例代码（伪代码）：
```
def get_data(key):data = cache.get(key)if not data:lock.acquire()  # 获取锁try:data = cache.get(key)  # 二次检查if not data:data = db.query(key)cache.set(key, data, expire_time)finally:lock.release()  # 释放锁return data
```
- 优缺点：实现简单，但可能存在锁竞争导致的性能损耗。
热点数据“永不过期”
- 不设置过期时间，通过异步任务（如定时任务）更新数据，避免缓存失效瞬间的并发问题。
- 注意：需结合业务场景，避免数据长时间不更新导致不一致。
随机过期时间
- 为热点数据设置略有差异的过期时间（如expire_time + 随机值），避免集中失效。

请求频繁查询缓存和数据库中都不存在的数据，导致请求直接穿透缓存到达数据库，消耗大量资源。

布隆过滤器（Bloom Filter）
- 在请求进入数据库前，用布隆过滤器预先判断数据是否存在：
  - 若布隆过滤器认为数据存在，再查询缓存和数据库；
  - 若认为不存在，直接返回空结果，避免数据库查询。
- 优点：空间效率高，可快速过滤无效请求；
- 缺点：存在误判率（可能将不存在的数据判断为存在），需定期更新布隆过滤器。
缓存空值
- 当查询数据库发现数据不存在时，在缓存中存储一个特殊值（如null），并设置较短的过期时间（如5分钟），避免重复请求穿透数据库。
- 示例：
```
data = db.query(key)
if not data:cache.set(key, "null", 5 * 60)  # 缓存空值5分钟
```
- 注意：空值缓存时间不宜过长，避免真实数据插入后无法及时更新。
接口校验与权限控制
- 对请求参数进行合法性校验（如ID范围、格式），过滤明显无效的请求；
- 对敏感接口增加权限认证，防止恶意攻击。

大量缓存在同一时间段内失效或缓存服务整体宕机，导致海量请求直接涌向数据库，造成数据库负载过高甚至崩溃。

分散过期时间
- 为缓存设置随机过期时间（如基础时间 + 随机偏移量），避免大量缓存同时失效。
- 示例：expire_time = 3600 + random(600)（1小时到1小时10分钟之间随机）。
多级缓存架构
- 部署多层缓存（如本地缓存+分布式缓存），当一层缓存失效时，其他层仍可提供服务。
- 示例：
  - 本地缓存（如Guava Cache）用于快速响应高频请求；
  - 分布式缓存（如Redis）作为第二层缓存；
  - 数据库作为最终数据源。
缓存高可用与熔断降级
- 高可用：搭建缓存集群（如Redis主从+哨兵、集群模式），避免单点故障；
- 熔断降级：当缓存服务异常时，通过熔断机制暂时屏蔽缓存层，直接访问数据库，并限制请求频率（如限流），防止数据库被压垮。
- 工具推荐：Hystrix、Sentinel。
限流与降级策略
- 在应用层设置请求限流（如每秒最多处理1000个请求），超出阈值的请求直接返回错误或排队等待；
- 对非核心业务进行降级（如暂时返回静态页面），保障核心服务可用。

问题	核心原因	典型场景	关键解决方案
缓存击穿	热点数据缓存失效，并发请求穿透	秒杀商品、热门新闻详情页	互斥锁、热点数据永不过期、随机过期时间
缓存穿透	请求不存在的数据，击穿缓存	恶意攻击、参数校验缺失	布隆过滤器、缓存空值、接口参数校验
缓存雪崩	大量缓存同时失效或服务宕机	缓存过期时间集中、Redis集群故障	分散过期时间、多级缓存、熔断降级、限流