Redis缓存穿透、缓存击穿、缓存雪崩、热点Key的示例分析

# Redis缓存穿透、缓存击穿、缓存雪崩、热点Key的示例分析 ## 一、缓存穿透（Cache Penetration） ### 1.1 概念与场景 缓存穿透指**查询不存在的数据**，导致请求直接穿透缓存层到达数据库。常见场景： - 恶意攻击：故意请求不存在的ID（如负值、超大数值） - 业务误操作：前端传递无效参数（如已删除的商品ID） ### 1.2 示例代码 ```java // 错误示例：未做空值校验 public Product getProduct(Long id) { // 1. 先查缓存 Product product = redisTemplate.opsForValue().get("product:" + id); if (product == null) { // 2. 缓存未命中，直接查库 product = productMapper.selectById(id); // 可能返回null redisTemplate.opsForValue().set("product:" + id, product); } return product; } 

1.3 解决方案

1. 空值缓存：对不存在的数据也缓存空对象（需设置较短TTL）

// 改进代码 if (product == null) { product = productMapper.selectById(id); if (product == null) { redisTemplate.opsForValue().set("product:" + id, "NULL", 5, TimeUnit.MINUTES); return null; } redisTemplate.opsForValue().set("product:" + id, product); } 

1. 布隆过滤器：预加载有效Key到布隆过滤器，先校验再查询

# Python示例 from pybloom_live import ScalableBloomFilter bf = ScalableBloomFilter(initial_capacity=1000) # 预热阶段加载所有有效ID for id in valid_ids: bf.add(id) # 查询前校验 if not id in bf: return None 

二、缓存击穿（Cache Breakdown）

2.1 概念与场景

某个热点Key突然过期时，大量并发请求直接击穿到数据库。典型场景： - 秒杀商品缓存过期 - 首页热门资讯缓存失效

2.2 示例现象

• 监控显示QPS突然飙升
• 数据库CPU占用率陡增
• 响应时间从毫秒级升至秒级

2.3 解决方案

1. 互斥锁（Mutex Lock）

public Product getProductWithLock(Long id) { String lockKey = "lock:product:" + id; try { // 尝试获取分布式锁 Boolean locked = redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS); if (locked) { Product product = productMapper.selectById(id); redisTemplate.opsForValue().set("product:" + id, product, 1, TimeUnit.HOURS); return product; } else { Thread.sleep(100); // 短暂等待后重试 return getProductWithLock(id); } } finally { redisTemplate.delete(lockKey); } } 

1. 逻辑过期：实际缓存永不过期，通过额外字段控制逻辑过期时间

// 缓存数据结构 { "value": "真实数据", "expire_time": 1672502400 // 逻辑过期时间戳 } 

三、缓存雪崩（Cache Avalanche）

3.1 概念与场景

大量Key同时过期或Redis集群宕机，导致请求全部涌向数据库。典型案例： - 凌晨批量任务刷新所有缓存 - Redis主从切换期间

3.2 解决方案

1. 差异化过期时间

// 设置基础过期时间+随机偏移量 int baseExpire = 3600; int randomExpire = new Random().nextInt(300); redisTemplate.opsForValue().set(key, value, baseExpire + randomExpire, TimeUnit.SECONDS); 

1. 多级缓存架构

请求 → CDN → 本地缓存(Caffeine) → Redis → DB 

1. 熔断降级机制

# 伪代码示例 def get_data(key): if circuit_breaker.is_open(): return get_data_from_backup() try: data = redis.get(key) if not data: data = db.query(key) redis.setex(key, ttl, data) return data except Exception as e: circuit_breaker.record_failure() raise e 

四、热点Key（Hot Key）

4.1 识别方法

• 监控发现某些Key的QPS异常高（如>10万/秒）
• Redis节点出现CPU负载倾斜

4.2 解决方案

1. 本地缓存+Redis多副本

// Guava本地缓存 LoadingCache<String, Product> localCache = CacheBuilder.newBuilder() .maximumSize(1000) .expireAfterWrite(10, TimeUnit.SECONDS) .build(new CacheLoader<String, Product>() { @Override public Product load(String key) { return getFromRedis(key); // 从Redis集群读取 } }); 

1. Key分片

# 将hot_key拆分为hot_key_1, hot_key_2... shard_id = hash(user_id) % 4 real_key = f"hot_key_{shard_id}" redis.get(real_key) 

五、总结对比

问题类型	核心特征	典型解决方案
缓存穿透	查询不存在数据	布隆过滤器、空值缓存
缓存击穿	单热点Key失效	互斥锁、逻辑过期
缓存雪崩	大量Key同时失效	差异化TTL、多级缓存
热点Key	单Key访问量极高	本地缓存、Key分片

实际生产环境中，建议结合监控系统（如Prometheus）和动态配置中心实现策略的实时调整。 “`