Redis 缓存雪崩对策

引言

在高并发系统架构中，缓存（Redis）是抗住大流量的先锋队，而底层的数据库（MySQL）是最后坚守的阵地。如果缓存系统因为某种故障或配置不合理导致瞬间崩塌，庞大的请求流量会像洪峰一样直奔数据库，瞬间压垮后端服务。本文将逐一击破这三大灾难性问题。

缓存雪崩 (Cache Avalanche)

问题定义

当大量缓存数据在同一时间集中失效（过期），或者 Redis 服务整体发生宕机时，所有原本应当由缓存承载的读请求都会转而访问数据库，导致数据库负荷骤增，甚至宕机引发链式反应。

解决方案

设置随机过期时间：在批量将数据写入缓存时，在固定的过期时间（例如 2 小时）上，额外加上一个随机秒数（如 1 - 5 分钟），防止数据在同一秒内集体过期。
构建高可用缓存集群：通过部署 Redis Sentinel（哨兵）或 Redis Cluster，消除单点故障风险。
开启限流与熔断：在网关层或业务层引入限流，当检测到数据库压力过大时，直接熔断非核心业务，返回降级数据。

缓存击穿 (Cache Breakdown)

问题定义

某个热点 key（通常是爆款商品或重大新闻），在持续承受极其庞大的并发读请求期间，突然过期失效。此时，瞬间涌入的无数线程会并发读取该 key，发现缓存没有后，会同时向底层数据库发送查询请求。

解决方案

互斥锁机制 (Mutex Lock)：当缓存失效时，不让所有线程同时访问数据库。而是通过 SETNX 获取一个互斥锁，只有拿到锁的这一个线程负责去读取数据库并重建缓存，其他线程则等待重试：
```
if (!cacheValue) {
    if (getLock(lockKey)) {
        cacheValue = db.query();
        setCache(key, cacheValue);
        releaseLock(lockKey);
    } else {
        sleep(100);
        return getCache(key);
    }
}
```
热点数据永不过期：对于最核心的运营活动页面数据，不设置过期时间。而是由后台监控程序或消息队列异步检测并主动刷新缓存内容。

缓存穿透 (Cache Penetration)

问题定义

用户请求的数据在缓存和数据库中都完全不存在（例如有人故意传入不存在的用户 ID 10000000 遍历进行攻击）。因为数据不存在，缓存中不会写入，每次请求都会“穿透”缓存直达数据库，给数据库带来无效开销。

解决方案

缓存空值或默认值：一旦从数据库查询无果，依然向缓存中写入一个特殊的空标记（如 key: "null"），并设置一个较短的过期时间（如 60 秒），防止相同请求频繁穿透。
布隆过滤器 (Bloom Filter)：将所有可能存在的数据的哈希值全部映射到一个超小的 Bit 数组中。当请求进来时，先用布隆过滤器判断该数据是否存在，若判断不存在则直接拒绝，防止无效查询直达数据库。

引言

缓存雪崩 (Cache Avalanche)

问题定义

解决方案

设置随机过期时间：在批量将数据写入缓存时，在固定的过期时间（例如 2 小时）上，额外加上一个随机秒数（如 1 - 5 分钟），防止数据在同一秒内集体过期。

构建高可用缓存集群：通过部署 Redis Sentinel（哨兵）或 Redis Cluster，消除单点故障风险。

开启限流与熔断：在网关层或业务层引入限流，当检测到数据库压力过大时，直接熔断非核心业务，返回降级数据。

缓存击穿 (Cache Breakdown)

问题定义

解决方案

互斥锁机制 (Mutex Lock)：当缓存失效时，不让所有线程同时访问数据库。而是通过 SETNX 获取一个互斥锁，只有拿到锁的这一个线程负责去读取数据库并重建缓存，其他线程则等待重试：

if (!cacheValue) {
    if (getLock(lockKey)) {
        cacheValue = db.query();
        setCache(key, cacheValue);
        releaseLock(lockKey);
    } else {
        sleep(100);
        return getCache(key);
    }
}

热点数据永不过期：对于最核心的运营活动页面数据，不设置过期时间。而是由后台监控程序或消息队列异步检测并主动刷新缓存内容。

缓存穿透 (Cache Penetration)

问题定义

解决方案

缓存空值或默认值：一旦从数据库查询无果，依然向缓存中写入一个特殊的空标记（如 key: "null"），并设置一个较短的过期时间（如 60 秒），防止相同请求频繁穿透。

布隆过滤器 (Bloom Filter)：将所有可能存在的数据的哈希值全部映射到一个超小的 Bit 数组中。当请求进来时，先用布隆过滤器判断该数据是否存在，若判断不存在则直接拒绝，防止无效查询直达数据库。