目录
缓存击穿
概念
缓存击穿的原因
缓存击穿的影响
缓存击穿的应对措施
设置分布式锁
提前更新缓存
请求分级和降级
缓存穿透
概念
缓存穿透的原因
缓存穿透的应对措施
缓存空值
布隆过滤器
限流和黑名单
缓存雪崩
缓存雪崩概念
缓存雪崩的原因
应对措施
缓存过期时间随机化：
多级缓存架构
限流
预热缓存
缓存击穿
概念
缓存击穿是指缓存中不存在但数据库中存在的数据请求，由于缓存没有命中，导致请求直接落到数据库上，造成数据库压力骤增。缓存击穿常常发生在某些热点数据上，比如某个高访问频率的热点键突然失效时，大量请求直接穿透缓存访问数据库。
缓存击穿的原因
热点数据缓存失效：高访问频率的热点数据在缓存中失效，导致大量请求直接访问数据库。
缓存设置不当：如缓存策略不合理，过期时间设置过短等
突发流量：突发性的大量请求几种访问某个热点数据，导致缓存来不及重建，直接击穿到数据库。
缓存击穿的影响
数据库压力骤增：大量请求直接访问数据库，可能导致数据库负载过高甚至崩溃。
响应延迟增加：缓存击穿会导致请求需要经过数据库查询，响应时间变长，影响用户体验。
系统稳定性降低：数据库过载可能引发系统不稳定，甚至导致服务不可用。
缓存击穿的应对措施
设置分布式锁
在缓存失效时，通过加锁机制，确保只有一个线程去加载数据并更新缓存，其他线程等待锁释放后再读取缓存。
提前更新缓存
在缓存失效前主动更新缓存。可以使用定时任务或异步任务，在缓存即将过期时提前刷新缓存。
请求分级和降级
- 针对缓存击穿的情况，可以对请求进行分级处理，优先保证核心请求。
- 对非核心请求进行降级处理，如返回默认值或错误提示。
缓存穿透
概念
缓存穿透是指请求的数据既不在缓存中，也不存在于数据库中，导致每次请求都直接达到数据库。由于这些请求无法通过缓存过滤掉，所有的请求都到达数据库。可能会对数据库造成巨大压力。
缓存穿透的原因
恶意攻击：攻击者故意构造大量不存在的key进行请求，绕过缓存，直接打到数据库，造成数据库压力骤增。
业务设计缺陷：正常业务逻辑中，存在大量的不存在的数据请求，未合理处理，导致频繁穿透缓存。
用户错误输入：用户输入错误或者不规范的数据，导致请求的数据在缓存和数据库中都不存在。
缓存穿透的应对措施
缓存空值
- 对于查询结果为空的数据，也将其缓存起来，避免下一次请求再次穿透过数据库。
String key = "nonExistingKey";
String value = redis.get(key);if (value == null) {value = db.get(key);if (value == null) {// 将空值写入缓存，并设置合理的过期时间redis.set(key, "", 60); // 60秒过期} else {redis.set(key, value, 300); // 300秒过期}
}
布隆过滤器
- 使用布隆过滤器在缓存前进行一次快速判断，如果布隆过滤器判断该 key 不存在，则直接返回，不再查询缓存和数据库。
// 初始化布隆过滤器
BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), expectedInsertions);// 添加存在的key到布隆过滤器
bloomFilter.put("existingKey1");
bloomFilter.put("existingKey2");String key = "nonExistingKey";
if (!bloomFilter.mightContain(key)) {return null; // 直接返回，不查询缓存和数据库
}// 正常的缓存和数据库查询流程
String value = redis.get(key);
if (value == null) {value = db.get(key);redis.set(key, value);
}
限流和黑名单
- 对于明显的恶意请求，可以采取限流和黑名单策略，限制其访问频率或直接拒绝其请求。
String clientIp = getClientIp();
if (isBlacklisted(clientIp)) {return null; // 直接返回，不查询缓存和数据库
}// 正常的缓存和数据库查询流程
String key = "someKey";
String value = redis.get(key);
if (value == null) {value = db.get(key);redis.set(key, value);
}
缓存雪崩
缓存雪崩概念
缓存雪崩是指由于大量缓存数据在同一时间过期或失效，导致后续的所有请求都直接访问数据库，瞬间增加数据库的负载。与缓存击穿不同，缓存雪崩通常影响的是大批量的缓存数据，而不是单个热点数据。
缓存雪崩的原因
- 缓存过期时间设置不合理：大批量缓存键设定了相同或相近的过期时间，导致它们在同一时间点失效。
- 突发流量：在流量高峰期，如果缓存失效，短时间内会有大量请求同时涌入数据库。
- 缓存服务宕机：缓存服务（如 Redis 实例）出现宕机或重启，导致所有缓存失效，所有请求直接击中数据库。
应对措施
缓存过期时间随机化：
- 在设置缓存过期时间时，添加一定的随机时间，使得不同的缓存键有不同的过期时间，避免大量缓存键在同一时间失效。
// 伪代码示例
int baseExpireTime = 600; // 基础过期时间600秒
int randomTime = new Random().nextInt(300); // 随机附加300秒
int expireTime = baseExpireTime + randomTime;
redis.set(key, value, expireTime);
多级缓存架构
- 通过引入本地缓存（如 Guava Cache）和分布式缓存（如 Redis）相结合的多级缓存架构，减少直接访问数据库的请求数量。
// 伪代码示例
String key = "someKey";
String value = localCache.get(key);if (value == null) {value = redis.get(key);if (value == null) {value = db.get(key);redis.set(key, value);}localCache.put(key, value);
}
限流
- 通过限流机制控制高并发请求的流量，防止因大量请求同时访问数据库而导致数据库崩溃。
// 伪代码示例
if (!rateLimiter.tryAcquire()) {return "Service is busy, please try again later.";
}String key = "someKey";
String value = redis.get(key);if (value == null) {value = db.get(key);redis.set(key, value);
}return value;
预热缓存
- 在高峰期来临之前，预先将热点数据加载到缓存中，避免在流量高峰期缓存失效导致的雪崩。
// 伪代码示例
@Scheduled(fixedRate = 60000) // 每分钟执行一次
public void preheatCache() {String key = "hotKey";String value = db.get(key);redis.set(key, value);
}
希望本文能帮助大家更好地理解和应对 Redis 缓存击穿，缓存穿透，缓存雪崩问题。
