Redis 缓存穿透、雪崩和击穿问题及解决方案-优快云博客

本文链接：https://blog.youkuaiyun.com/maply/article/details/145322781

Redis 缓存穿透、雪崩和击穿问题及解决方案

在使用 Redis 作为缓存时，可能会遇到 缓存穿透、缓存雪崩 和 缓存击穿 这三种常见问题，它们都会影响系统的稳定性和性能。下面详细讲解它们的定义、成因以及相应的解决方案。

1. 缓存穿透（Cache Penetration）

1.1 定义

缓存穿透指的是查询的数据在缓存和数据库中都不存在，导致每次请求都会直接访问数据库，进而对数据库造成很大压力。

1.2 产生原因

恶意攻击：攻击者有意构造大量不存在的 key 来请求，绕过缓存直接访问数据库。
程序错误：业务代码逻辑有漏洞，导致频繁访问数据库中没有的数据。

1.3 解决方案

缓存空值（推荐）

当数据库查询结果为空时，将该 key 对应的值设置为 NULL 或 默认值 并存入缓存，设置一个短暂的过期时间（如 1 分钟）。

例如：

value = redis.get(key)
if value is None:
    value = db.query(key)
    if value is None:
        redis.set(key, "NULL", ex=60)  # 设置 1 分钟过期
    else:
        redis.set(key, value, ex=3600)  # 设置 1 小时过期

布隆过滤器（Bloom Filter）

使用布隆过滤器存储所有可能存在的 key，在查询缓存和数据库之前，先检查 key 是否可能存在。

例如：

from bloom_filter import BloomFilter
bf = BloomFilter(capacity=100000, error_rate=0.01)
bf.add("existing_key")  # 添加已有 key
if key not in bf:
    return None  # 直接返回，避免访问 Redis 和数据库

参数校验与拦截
- 在业务逻辑层对 key 进行基本的格式校验，避免恶意构造的请求直接进入数据库查询。

2. 缓存雪崩（Cache Avalanche）

2.1 定义

缓存雪崩指的是大量缓存数据同时失效，导致瞬间大量请求涌向数据库，造成数据库负载过高甚至宕机。

2.2 产生原因

大量数据设置了相同的过期时间，导致缓存同时过期。
Redis 故障或宕机，导致所有缓存数据失效。

2.3 解决方案

缓存过期时间加随机值（推荐）

例如：

import random
redis.set(key, value, ex=3600 + random.randint(1, 600))  # 过期时间 3600~4200 秒

双层缓存策略
- 设立两级缓存：
  - 一级缓存（Redis）
  - 二级缓存（本地缓存，如 Guava Cache 或 EhCache）
- 当 Redis 失效时，查询本地缓存，减少数据库压力。
热点数据提前预热
- 在大规模活动（如秒杀、促销）前，提前加载热点数据到缓存，防止瞬时大规模请求击穿缓存。
降级与限流
- 在缓存失效导致数据库压力激增时：
  - 限流：限制请求速率，如 令牌桶 或 漏桶算法。
  - 降级：返回默认值、缓存旧数据、提示用户稍后重试。

3. 缓存击穿（Cache Breakdown）

3.1 定义

缓存击穿指的是某个热点 key 失效后，大量请求同时访问数据库，造成数据库瞬时压力过大。

3.2 产生原因

某些热点数据访问量极高，一旦该 key 过期，瞬时大量请求直接访问数据库。
并发查询同一 key，导致大量请求同时击穿缓存。

3.3 解决方案

设置热点数据永不过期（推荐）

例如：

redis.set("hot_key", value, ex=None)  # 不设置过期时间

互斥锁（分布式锁）

例如：

import time
import redis

client = redis.StrictRedis()

def get_value_with_lock(key):
    value = client.get(key)
    if value is None:  # 缓存失效
        lock = client.setnx(f"lock:{key}", 1)  # 尝试加锁
        if lock:
            client.expire(f"lock:{key}", 10)  # 设置锁超时时间
            value = db.query(key)  # 查询数据库
            client.set(key, value, ex=3600)  # 写入缓存
            client.delete(f"lock:{key}")  # 释放锁
        else:
            time.sleep(0.1)  # 等待一段时间后再查缓存
            return get_value_with_lock(key)
    return value

异步更新缓存
- 采用异步线程或消息队列来更新缓存，避免数据库查询被并发请求阻塞。

总结

问题	定义	解决方案
缓存穿透	查询数据在缓存和数据库中都不存在，导致所有请求都打到数据库	缓存空值、布隆过滤器、参数校验
缓存雪崩	大量 key 同时过期或 Redis 故障，导致数据库瞬时压力过大	过期时间加随机值、双层缓存、预热数据、限流降级
缓存击穿	热点 key 过期后，大量并发请求直接访问数据库	热点数据永不过期、互斥锁、异步更新缓存