后端笔记03 | 分布式缓存常见问题及概念：缓存穿透、缓存击穿、缓存雪崩、缓存淘汰

Redis缓存穿透、击穿和雪崩

参考资料

苏三说技术：烂大街的缓存穿透、缓存击穿和缓存雪崩，你真的懂了？

Redis三剑客：缓存雪崩、缓存穿透、缓存击穿

腾讯技术工程：九大服务架构性能优化方式

mikechen:分布式缓存最全详解

🙋关键要点

1. 缓存的目的与常见使用方案，分布式缓存介绍；
2. 缓存穿透的概念、解决方案，介绍布隆过滤器；；
3. 缓存击穿的概念、解决方案；
4. 缓存雪崩的概念、解决方案；
5. 三个常见分布式缓存问题的区别；
6. 其它分布式缓存的相关概念，三种缓存淘汰策略；
7. 分布式缓存的应用。

‍

🙋正文

1. 📌 缓存的目的是什么？

减轻数据库压力，提高系统性能。

2. 📌 缓存的常见使用方案是什么？

适用于查询配置信息请求， 先查询缓存，如果存在数据，直接返回；

不存在数据，则从数据库查找，数据存在则放入缓存。

3. 📌 什么是分布式缓存？

指将缓存数据，分布在多个节点上的缓存系统，从而实现在多台服务器之间共享和存储数据，这就是分布式缓存。能够提升系统性能、降低数据库负载，并支持高并发访问。

4. 📌 什么是缓存穿透（Cache Penetration）？

• 定义

指查询的数据在缓存和数据库中都不存在，导致所有请求直接打到数据库，当恶意或者频繁发起请求，会造成数据库压力骤增甚至宕机的情况。

• 什么引起缓存穿透

用户请求id在缓存中不存在，恶意用户伪造不存在的id发起请求（如 userId=-1​ 或超大 id​）

• 如何防止缓存穿透？

✅ 参数校验（避免无效请求）

对ID进行格式校验，避免非法值直接查询数据库。

✅ 访问控制与限流

对同个IP或者用户的高频查询做限流。

如单位时间内访问相同 key 超过 1000 次，则封禁 IP 或降低查询频率。

✅ 布隆过滤器（Bloom Filter） 🚀（推荐用于大规模数据）

数据少的情况下，可以把数据库的数据放在一个map里面，这样能够快速的识别数据在缓存中是否存在。

如果数据量大，都放到内存里面就会占用太多的内存空间。此时就需要引入布隆过滤器。 查询前，先检查布隆过滤器，如果数据一定不存在，就不查询数据库。

• 什么是布隆过滤器

布隆过滤器是一种**空间高效的概率性数据结构，用于判断某个值是否可能存在**。由于可能误判，则其适用于大规模但不需要精确查询的数据。

• 布隆过滤器查询的原理

底层： 使用bit数组存储数据，该数组中的元素默认值是0。

组成： 由一个位数组（bit array） 和 多个哈希函数（hash functions） 组成。

插入和查询的操作： 当插入元素会经过多个哈希计算，将对应bit位置置为1，查询时，只需要检查是否全为1。

检查是否存在：

如果所有对应的 bit 位都是 1：可能存在（但可能是误判）。

如果有任意一个 bit 位是 0：一定不存在（绝对准确）。

• 布隆过滤器的优缺点

优点是：存储空间很小，比哈希表小得多（哈希表要存储一整个key）

缺点是： 可能误判（但不会漏判，误判是因为哈希冲突），其次不支持删除元素，只能重建

• 如何减少误判概率

可以适当增加hash函数。

因为布隆过滤器第一次初始化的时候，会把数据库中所有已存在的key，经过一些列的hash算法（比如：三次hash算法）计算，每个key都会计算出多个位置，然后把这些位置上的元素值设置成1。

✅ 缓存空值（推荐）

通常情况下很少用布隆过滤器解决缓存穿透问题。

缓存空值的做法是，在数据库中也查不到时，也将该用户id缓存起来，只不过值是空的。后面请求时就会从缓存中获取空数据，不需要查询数据库。

‍

5. 📌 什么是缓存击穿（Cache Breakdown）？

• 定义

指某个热点数据在缓存中过期，但在短时间内有大量并发请求访问该数据，导致这些请求直接打到数据库，造成数据库压力骤增甚至宕机的情况。

• 解决方案

✅ 让热点数据“永不过期”

针对热点数据，设置超长 TTL（Time To Live）或直接不设置过期时间，避免缓存过期导致的数据库访问激增。

比如限时抽奖或者秒杀活动，可以将过期的时间设置为活动结束后一天等。

或者提前从数据库中查询商品数据并同步缓存到数据库，提前预热数据，等到活动结束将手动删除无用的缓存。

✅ 互斥锁（Mutex）机制（防止瞬间高并发击穿）

当缓存失效时，第一个请求获取数据库数据，并加锁，防止其他请求同时查询数据库。

数据库压力过大的根源是同一时间太多请求访问数据库；此时的解决方案设置为限制访问。

✅ 定时续期

用定时任务每隔一段时间就重新设置过期时间，比如job每隔20分钟执行一次，自动更新缓存，重新设置过期时间为30分钟。

❌但是该方案的局限性是， 如果有大量热点key定时任务的负担会变重，限制系统性能；若是缓存服务器down掉或者key被手动删除，还是会触发数据库查询。

• 什么是热key？

热点key是指缓存中被频繁访问的key，导致缓存该key的分片或者redis访问量过高。

‍

‍

‍

6. 📌 什么是缓存雪崩（Cache Avalanche）？

• 描述的是什么情况

指在短时间内​**大量热门缓存数据同时失效或者缓存服务器down机**，导致大量的请求直接读取到下游数据库，严重时会导致数据库宕机，无法提供数据服务，导致系统崩溃。

• 跟缓存击穿的关系

可以理解为缓存击穿的一个热key失效，而缓存雪崩是多个热key同时失效。

• 如何防止缓存雪崩？

✅缓存过期时间加“随机抖动”

避免大量数据在同个时间过期，给不同key不同的过期时间，或在过期时间基础上增加随机值。例如：

EXPIRE key (60 + random(10))  # 设置过期时间 60-70 秒之间

✅ 限流与降级

做好限级限流的策略；

可以基于ZooKeeper等实现活动降级。在缓存失效时，可以返回默认数据或降级数据，避免直接请求数据库。

✅ 使用Redis集群。当有节点宕机时使用其他节点恢复数据

✅ 构建多级缓存架构

‍

7. 以上三个分布式缓存常见问题的区别是什么？

问题	定义	原因	影响	解决方案
缓存穿透（Cache Penetration）	频繁查询缓存和数据库都没有的数据，导致所有请求都落到数据库	恶意攻击或查询不存在的数据	数据库压力激增，可能导致宕机	布隆过滤器、缓存空值等
缓存击穿（Cache Breakdown）	某个热点 Key 过期，导致大量并发请求同时访问数据库	热点数据过期瞬间，多个请求同时查询数据库	数据库瞬间压力过大	互斥锁（分布式锁） 、设置不过期等。
缓存雪崩（Cache Avalanche）	大量 Key 同时过期，导致缓存失效，所有请求打到数据库	大量数据同时到期或Redis 故障	数据库被大量请求压垮	缓存过期时间加“随机抖动” 、多级缓存、限流降级等

‍

7. 📌 缓存的其它概念

① 缓存预热

系统上线后，将相关的缓存数据直接加载到缓存系统。

比如在一个抽奖活动中，将活动、奖品等配置信息缓存到redis中。在首次查询时，缓存中不存在，则在数据库中查询，查询到的结果缓存到redis。

② 缓存淘汰策略

• 为什么需要缓存淘汰

缓存数据过多，要用淘汰策略决定淘汰哪些数据。

• 常见的淘汰算法

FIFO（First In First Out） ：先进先出算法，判断存储时间，离当前时间越久的数据越有限被淘汰。

LRU（Least Recently Used） ：最近最少使用算法，判断缓存最近被使用的时间，距离当前时间越远的数据优先被淘汰。

LFU（Least Frequently Used）： 最不经常使用算法，在一段时间内被使用次数最少的数据缓存优先被淘汰。

‍

8. 📌 分布式缓存应用场景举例

• 数据库查询缓存： 减少数据库压力，提高查询性能
• 分布式锁：通过 Redis 等缓存系统实现分布式锁，以保证在分布式系统中多个进程或线程对共享资源的互斥访问，
• 排行榜：其数据一般是热点数据、需要进行动态排序，如果一直依赖数据库会导致性能瓶颈；且如果排行榜访问量很高，数据库每次都查询最新排名、计算排名，就可能导致数据库崩溃（即缓存雪崩）。利用 Redis 的 ZSET​（有序集合）实现排行榜功能，支持按分数排序，减少数据库频繁计算，如电商热销商品排行、游戏玩家积分排行等。

‍