HoRain云--缓存三剑客：雪崩、击穿、穿透全解析

最新推荐文章于 2025-11-23 21:15:47 发布

原创最新推荐文章于 2025-11-23 21:15:47 发布 · 1.3k 阅读

CC 4.0 BY-SA版权

文章标签：

🎬 HoRain云小助手：个人主页

🔥 个人专栏: 《Linux 系列教程》《c语言教程》

⛺️生活的理想，就是为了理想的生活!

前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。

专栏名称	专栏介绍
《C语言》	本专栏主要撰写C干货内容和编程技巧，让大家从底层了解C，把更多的知识由抽象到简单通俗易懂。
《网络协议》	本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘，一起解密网络协议在运行中协议的基本运行机制！
《docker容器精解篇》	全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。
《linux系列》	本专栏主要撰写Linux干货内容，从基础到进阶，知识由抽象到简单通俗易懂，帮你从新手小白到扫地僧。
《python 系列》	本专栏着重撰写Python相关的干货内容与编程技巧，助力大家从底层去认识Python，将更多复杂的知识由抽象转化为简单易懂的内容。
《试题库》	本专栏主要是发布一些考试和练习题库（涵盖软考、HCIE、HRCE、CCNA等）

。在分布式系统中，缓存是提升性能和保护数据库的利器，但也引入了缓存雪崩、击穿和穿透这些经典问题。理解它们的区别并掌握应对策略，对构建稳定可靠的服务至关重要。

下面这个表格能帮你快速抓住核心区别与应对要点。

问题类型	问题核心特征	核心解决方案概览
缓存雪崩	大量缓存键在同一时刻集中失效，或Redis缓存服务整体宕机，导致所有请求涌向数据库。	设置均匀过期时间、互斥锁、服务熔断/限流、构建高可用集群。
缓存击穿	某个访问极其频繁的热点数据键过期，瞬间有大量并发请求穿透缓存，直接访问这个数据。	热点数据永不过期、互斥锁/分布式锁、缓存预热。
缓存穿透	访问一个缓存和数据库中根本不存在的数据。恶意攻击者可能反复发起此类请求，导致数据库压力过大。	缓存空值或缺省值、使用布隆过滤器快速判断数据是否存在、请求参数校验。

缓存雪崩好比系统缓存层的整体“瘫痪”。

预防为主：给不同的缓存数据设置随机的过期时间，避免大量数据同时失效。例如，在基础过期时间上增加一个几分钟的随机值。
过程控制：当缓存失效，大量请求涌入时，使用互斥锁（Mutex Lock）控制，保证同一时间只有一个线程去重建缓存，其他线程等待或返回默认值。
灾后容错：如果Redis实例整个宕机，需启动服务熔断和限流机制。服务熔断是暂时停止应用对缓存服务的访问，直接返回友好提示，保护数据库。限流则是在入口层控制每秒进入系统的请求数，将多余请求直接拒绝。
架构高可用：通过Redis主从集群或哨兵模式搭建高可用缓存架构，当主节点宕机时，从节点可以切换为主节点继续提供服务。

缓存击穿是“点”的问题，针对单个热点key。

永不失效：对于访问频率极高的热点数据（如明星八卦、重要商品信息），可以不设置过期时间，使其永驻缓存。同时，通过后台任务在数据变更时主动更新缓存。
加锁重建：如果热点数据确实需要过期，在缓存失效的瞬间，通过互斥锁或分布式锁，只允许一个线程去数据库查询并重建缓存，其他线程等待锁释放后直接读取新缓存。在分布式环境下，可使用Redis的SET key value [EX seconds] NX命令或Redisson等工具实现分布式锁。
缓存预热：系统上线或活动开始前，提前将已知的热点数据加载到缓存中，避免高峰时段瞬间冲击。

缓存穿透是查询了不存在的数据，每次都会绕过缓存访问数据库。

缓存空值：当数据库中查询不到数据时，也将这个空结果（或特定缺省值）进行缓存，并设置一个较短的过期时间（如几分钟）。后续相同的请求就能在缓存层被拦截。注意可能大量无效key会占用内存空间。
布隆过滤器：在缓存和数据库之间加一层布隆过滤器。它由一个很大的比特数组和多个哈希函数构成，可以高效地判断某个key是否绝对不存在于数据库中。
- 工作流程：写入数据时，将key通过多个哈希函数映射到比特数组的多个位置并置为1。查询时，如果key映射的所有位都是1，则key可能存在（有误判率）；如果任何一个位为0，则key肯定不存在。
- 重要特性：布隆过滤器说“存在”不一定准，但说“不存在”一定准。正好用于拦截不存在数据的请求。对于数据频繁变化的场景，需要考虑使用支持删除的变种（如布谷鸟过滤器）或定期重建。
接口层校验：在API入口处对请求参数进行严格校验，如检查ID是否为正整数、字段格式是否合法等，将明显恶意的请求在最初阶段拦截掉。

在实际项目中，通常需要根据具体业务场景组合使用这些方案。

策略组合：例如，针对热点数据，可以采用 布隆过滤器 + 缓存空值 + 互斥锁 的组合拳。先经布隆过滤器拦截绝对不存在的key，对可能存在的key查询缓存，若未命中则加锁，再查数据库，若数据库为空则缓存空值。
监控预警：建立完善的监控体系，密切关注缓存命中率、内存使用情况和数据库QPS等关键指标。当缓存命中率骤降或数据库QPS异常升高时，能快速定位问题。
选择权衡：选择方案时常需要考虑数据一致性、系统复杂度和维护成本。例如，使用布隆过滤器需容忍一定的误判率，而保证数据强一致性则可能增加系统复杂性和维护成本。