Redis缓存雪崩、缓存击穿、缓存穿透和常见的几种缓存模式

最新推荐文章于 2025-07-02 07:51:43 发布
最新推荐文章于 2025-07-02 07:51:43 发布
阅读量1.5k 收藏 7
点赞数 2
CC 4.0 BY-SA版权
分类专栏： # Redis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_40378034/article/details/88366227
本文深入解析缓存雪崩、缓存击穿、缓存穿透的概念及解决方案，探讨常见缓存模式，如CacheAside、Read/WriteThrough和WriteBehind模式的特点与应用场景。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、缓存雪崩

1）、什么是缓存雪崩？

如果缓存集中在一段时间内失效，发生大量的缓存击穿，所有的查询都落在数据库上，造成了缓存雪崩

由于原有缓存失效，新缓存未到期间所有原本应该访问缓存的请求都去查询数据库了，而对数据库CPU和内存造成巨大压力，严重的会造成数据库宕机

2）、有什么解决方案来防止缓存雪崩？

1）加锁排队

mutex互斥锁解决，Redis的SETNX去set一个mutex key，当操作返回成功时，再进行加载数据库的操作并回设缓存，否则，就重试整个get缓存的方法

2）数据预热

缓存预热就是系统上线后，将相关的缓存数据直接加载到缓存系统。这样就可以避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题。用户直接查询事先被预热的缓存数据。可以通过缓存reload机制，预先去更新缓存，再即将发生大并发访问前手动触发加载缓存不同的key

3）双层缓存策略

C1为原始缓存，C2为拷贝缓存，C1失效时，可以访问C2，C1缓存失效时间设置为短期，C2设置为长期

4）定时更新缓存策略

实效性要求不高的缓存，容器启动初始化加载，采用定时任务更新或移除缓存

5）设置不同的过期时间，让缓存失效的时间点尽量均匀

二、缓存击穿

1）、什么是缓存击穿？

在平常高并发的系统中，大量的请求同时查询一个key时，此时这个key正好失效了，就会导致大量的请求都打到数据库上面去。这种现象我们称为缓存击穿

2）、会带来什么问题

会造成某一时刻数据库请求量过大，压力剧增

3）、如何解决

上面的现象是多个线程同时去查询数据库的这条数据，那么我们可以在第一个查询数据的请求上使用一个互斥锁来锁住它

其他的线程走到这一步拿不到锁就等着，等第一个线程查询到了数据，然后做缓存。后面的线程进来发现已经有缓存了，就直接走缓存

三、缓存穿透

1）、什么是缓存穿透？

缓存穿透是指用户查询数据，在数据库没有，自然在缓存中也不会有。这样就导致用户查询的时候，在缓存中找不到对应key的value，每次都要去数据库再查询一遍，然后返回空（相当于进行了两次无用的查询）。这样请求就绕过缓存直接查数据库

2）、有什么解决方案来防止缓存穿透？

1）缓存空值

如果一个查询返回的数据为空（不管是数据不存在，还是系统故障）我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过5分钟。通过这个设置的默认值存放到缓存，这样第二次到缓存中获取就有值了，而不会继续访问数据库

2）采用布隆过滤器BloomFilter

优势：占用内存空间很小，位存储；性能特别高，使用key的hash判断key存不存在

将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截掉，从而避免了对底层存储系统的查询压力

在缓存之前在加一层BloomFilter，在查询的时候先去BloomFilter去查询key是否存在，如果不存在就直接返回，存在再去查询缓存，缓存中没有再去查询数据库

四、常见的几种缓存模式

1）、Cache Aside

  • 应用在查询数据的时候，先从缓存Cache中读取数据，如果缓存中没有，则再从数据库中读取数据，得到数据库的数据之后，将这个数据也放到缓存Cache中
  • 如果应用要更新某个数据，也是先去更新数据库中的数据，更新完成之后，则通过指令让缓存Cache中的数据失效

1）这里为什么不让更新操作在写完数据库之后，紧接着去把缓存Cache中的数据也修改了呢？

主要是因为这样做的话，就有2个写操作的事件了，担心在并发的情况下会导致脏数据，举个例子：假如同时有2个请求，请求A和请求B，并发的执行。请求A是要去读数据，请求B是要去更新数据。初始状态缓存中是没有数据的，当请求A读到数据之后，准备往回写的时候，此刻，请求B正好要更新数据，更新完了数据库之后，又去把缓存更新了，那请求A再往缓存中写的就是旧数据了，属于脏数据

2）那么Cache Aside模式就没有脏数据问题了吗？

在极端情况下也可能会产生脏数据。例如，同时有2个请求，请求A和请求B，并发的执行。请求A是要去读数据，请求B是要去写数据。假如初始状态缓存中没有这个数据，那请求A发现缓存中没有数据，就会去数据库中读数据，读到了数据准备写回缓存中，就在这个时候，请求B是要去写数据的，请求B在写完数据库的数据之后，又去设置了缓存失效。这个时候，请求A由于在数据库中读到了之前的旧数据，开始往缓存中写数据了，此时写进入的就也是旧数据。那么最终就会导致，缓存中的数据与数据库的数据不一致，造成了脏数据

2）、Read/Write Through

  • 应用要读数据和更新数据都直接访问缓存服务
  • 缓存服务同步地将数据更新到数据库

出现脏数据的概率较低，但是就强依赖缓存，对缓存服务的稳定性有较大要求

3）、Write Behind模式

  • 应用要读数据和更新数据都直接访问缓存服务
  • 缓存服务异步地将数据更新到数据库（通过异步任务）

速度快，效率会非常高，但是数据的一致性比较差，还可能会有数据的丢失情况，实现逻辑也较为复杂

参考：https://baijiahao.baidu.com/s?id=1609569533593209908&wfr=spider&for=pc
https://mp.weixin.qq.com/s/7gbJCeBKklTlAxU_vsrIxg

Redis：缓存穿透、缓存击穿、缓存雪崩
weixin_55088130的博客
08-15 2768
利用布隆过滤器，将查询的数据条件都哈希到一个足够大的布隆过滤器中，用户发送的请求过来时，先被布隆过滤器拦截，一定不存在的数据直接就被拦截返回了，从而可以避免缓存和数据库都不存在的数据进行查询访问，达到减轻此类情况下数据库压力的目的。，通过设置lockkey 或者 通过当前的时间与锁设置的时间做比较，如果当前时间已经大于锁设置的时间临界，即可以进一步判断是否可以获取锁，否则说明该锁还在被占用，不能获取该锁。当主节点的数据发生变化时，会将变化的数据同步给从节点，这样从节点的数据就可以和主节点的数据保持一致了。
Redis缓存雪崩、穿透、击穿、预热及解决方案
八戒的博客
05-24 1929
指在一个高并发的系统中，由于大量的缓存数据在同一时间段内过期或失效，导致大量请求无法从缓存中获取数据，因此大量并发请求可能导致数据库服务器过载，甚至宕机，从而引发整个系统崩溃。一句话，就是查询一条根本没有的记录。它既不存在于redis中，也不存在数据库中。一般我们的查询顺序是先查redis、再查数据库。每次请求最终都会访问到数据库。造成数据库访问压力。这种现象叫缓存穿透。一句话，就是热点key突然失效了，大量请求暴击数据库。关键词：大量请求、同一个热点key、正好失效。
redis缓存雪崩、缓存穿透、数据库和redis数据一致性
weixin_30940783的博客
01-22 1105
一、缓存雪崩 回顾一下我们为什么要用缓存(Redis)：减轻数据库压力或尽可能少的访问数据库。 在前面学习我们都知道Redis不可能把所有的数据都缓存起来(内存昂贵且有限)，所以Redis需要对数据设置过期时间，并采用的是惰性删除+定期删除两种策略对过期键删除。Redis对过期键的策略+持久化 如果缓存数据设置的过期时间是相同的，并且Redis恰好将这部分数据全部删光了。这就会导致在这段时间...
Redis缓存穿透、击穿、雪崩解决方案详解
最新发布
Java开发者，专注后端技术分享，深耕框架实战与架构优化，持续输出优质技术干货。
07-02 1277
本文系统介绍了Redis缓存使用中的三大典型问题及其解决方案：1. 缓存穿透（查询不存在数据）建议采用布隆过滤器、空值缓存和参数校验；2. 缓存击穿（热点数据过期）推荐使用互斥锁、逻辑过期和缓存预热；3. 缓存雪崩（集体失效）应对方案包括随机过期、熔断限流和高可用集群。文章通过电商库存、热点新闻等实际案例，说明了组合使用多种技术手段（如布隆过滤器+互斥锁+随机过期）的有效性，并强调监控预警、多级缓存和压力测试等综合防范措施的重要性。
redis缓存雪崩和缓存穿透
weixin_30414305的博客
11-29 125
缓存雪崩：由于原有的缓存过期失效，新的缓存还没有缓存进来，有一只请求缓存请求不到，导致所有请求都跑去了数据库，导致数据库IO、内存和CPU眼里过大，甚至导致宕机，使得整个系统崩溃。 解决思路：1，采用加锁计数，或者使用合理的队列数量来避免缓存失效时对数据库造成太大的压力。这种办法虽然能缓解数据库的压力，但是同时又降低了系统的吞吐量。2，分析用户行为，尽量让失效时间点均匀分布。避免缓存雪...
缓存雪崩和缓存穿透
Reid的专栏
03-01 7011
缓存雪崩 缓存雪崩可能是因为数据未加载到缓存中，或者缓存同一时间大面积的失效，从而导致所有请求都去查数据库，导致数据库CPU和内存负载过高，甚至宕机。 解决思路： 1，采用加锁计数，或者使用合理的队列数量来避免缓存失效时对数据库造成太大的压力。这种办法虽然能缓解数据库的压力，但是同时又降低了系统的吞吐量。 2，分析用户行为，尽量让失效时间点均匀分布。避免缓存雪崩的出
Redis缓存穿透，缓存击穿和缓存雪崩
12-14
然而，缓存系统在实际运行中可能会遇到几种常见问题，即缓存穿透、缓存击穿和缓存雪崩。下面将详细阐述这些问题以及相应的解决方案。 **缓存穿透** 缓存穿透是指用户请求的数据在缓存和数据库中均不存在，通常是...
什么是redis缓存穿透 雪崩 ,如何应对解决 redis缓存穿透 雪崩 的解决办法
01-07
然而，如果使用不当，可能会遇到两种常见问题：缓存穿透和缓存雪崩。这两者都会对系统的稳定性和性能产生严重影响。 **缓存穿透** 缓存穿透是指用户请求的数据既不在Redis缓存中，也不在数据库中，导致每次请求都...
【Redis缓存机制】缓存更新、缓存穿透、缓存雪崩、缓存击穿
acm_pn的博客
12-05 2221
当缓存区缓存了用户信息后，客户端就都会从redis中访问读取数据了。而如果这时候用户更新了数据库中的值，就会导致数据库存储的数据与redis存储数据不一致，在这之后进行读写操作就会发生各种意想不到的错误了因此，当我们要对数据库数据进行更新时，也要尽可能让edis中的数据也能跟着变化，避免用户读到错误的信息缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样每次查询缓存都不会命中，最后都会对数据库进行查询。就像是缓存被穿透了一样，每次请求都会直接到达数据库。
Redis 缓存雪崩、穿透、击穿、预热
qq_57093716的博客
04-04 2005
Redis 缓存雪崩、穿透、击穿、预热
《redis学习》-- 缓存穿透和缓存雪崩的预防和解决
04-02 1万+
redis缓存穿透和缓存失效的预防和解决缓存穿透： 认识 缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时需要从数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，造成缓存穿透。解决办法： 对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃。还有最常见的则是采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap
Redis缓存穿透与雪崩
weixin_47556601的博客
03-24 1170
大家好，今天分享Redis缓存穿透与雪崩 缓存穿透的概念： 如果用户想要查询一个数据，发现redis内存数据库没有，即：缓存没有命中，之后向持久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相出现了缓存穿透。 即黑客请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常。 注意：和缓存击穿的区别，缓存击穿，是指一个key非常热点，在不停的扛着大并发，高并发集中对这一个点进行访问，当这个ke
redis缓存穿透、击透和雪崩
BNMZY的博客
05-23 396
缓存穿透（查不到） 概念 用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久层数据库查询，发现也没有，本次查询失败 当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库，会给持久层数据库造成很大的压力，这就是缓存穿透 解决方法 布隆过滤器 布隆过滤器是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，避免了对底层存储系统的查询压力 缓存空对象 当存储层不命中后，即使返回的空对象也将其缓存起来，同时设置一个过
Redis学习：Redis缓存穿透和雪崩
FeiChangWuRao的博客
02-10 1124
缓存穿透和雪崩（大规模的缓存击穿） 两者的区别就是： 缓存穿透是一个key缓存没数据，数据库也没有数据，请求全部打到数据库层面上，数据库也没数数据，无能为力。缓存层和数据库层都没有，真的是透了。 雪崩先理解缓存击穿，就是很多请求一个key，这个key可能是压根就没有，或者过期了导致，直接打到数据库。仅仅是缓存数据层打穿，没起到作用。 雪崩就是大规模的热key到期或者Redis服务器挂掉，导致大规模的缓存击穿。 缓存穿透解决方法 （一）布隆过滤器 对所有可能查询的参数以Hash的形式存储，以便快速确定是否存在
Redis缓存穿透、缓存雪崩问题分析
热门推荐
分享传递价值
06-01 9万+
把redis作为缓存使用已经是司空见惯，但是使用redis后也可能会碰到一系列的问题，尤其是数据量很大的时候，经典的几个问题如下： (一)缓存和数据库间数据一致性问题 分布式环境下（单机就不用说了）非常容易出现缓存和数据库间的数据一致性问题，针对这一点的话，只能说，如果你的项目对缓存的要求是强一致性的，那么请不要使用缓存。我们只能采取合适的策略来降低缓存和数据库间数据不一致的概率，而无法保证两...
Redis缓存穿透和雪崩
pipizhen_的博客
01-29 346
redis缓存穿透和雪崩 1、什么是Redis 缓存穿透？ 缓存穿透的概念很简单，用户想要查询一个数据，发现 redis 内存数据库没有，于是向持久层数据库查询。 当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。 这会给持久层数据库造成很大的压力，这时候就出现了缓存穿透。 2、缓存穿透的两种解决方案： （1）布隆过滤器 布隆过滤器是一种数据结构，对所有可能查询的参数以 hash 形式存储，在控制层先行校验，不符合则丢弃，减小了对底层存储系统的查询压力。 （2）缓存空对象 当持久层数据库未查询
Redis -- 缓存穿透和雪崩
qq_52025208的博客
12-12 1407
Redis缓存
redis缓存穿透和击穿x雪崩
02-20
### Redis缓存穿透、击穿和雪崩及其解决方案 #### 缓存穿透 (Cache Penetration) 当查询的数据在数据库中不存在，每次请求都会穿透到数据库层，造成大量无意义的查询压力。这种情况不仅浪费资源，还可能被恶意利用进行攻击。 为了防止这种现象的发生，可以采取如下措施： - **布隆过滤器**：使用布隆过滤器来判断数据是否存在，如果布隆过滤器返回false，则可以直接断定该键一定不存在于缓存与数据库之中[^1]。 - **空对象缓存**：对于确实不存在的数据项，在缓存中存储一个特殊的标记（如`null`），并设置较短的有效期。这样下次再遇到相同的查询时就可以直接命中缓存而无需访问数据库。 ```python import redis r = redis.Redis() def get_data_with_null_object(key): data = r.get(key) if not data: # 假设db_get是从数据库获取数据的方法 db_result = db_get(key) if not db_result: r.setex(key, 60, "NULL") # 设置过期时间为60秒 return db_result elif data.decode('utf-8') == 'NULL': return None else: return data ``` #### 缓存击穿 (Cache Breakdown) 某个热点key突然失效，此时大量的并发请求会瞬间打到数据库上，给数据库带来巨大压力。为了避免这一情况发生，可采用以下方法： - **加锁机制**：通过分布式锁控制同一时间只有一个线程能够更新缓存中的特定条目；其他线程则等待直到新的值已经被加载回缓存为止。 - **设置随机有效期**：为热Key设定带有轻微波动范围的时间戳作为其TTL(Time To Live)，从而减少因多个实例同时到期而导致的大规模刷新操作的可能性。 ```python from threading import Lock lock_dict = {} def set_value_with_lock(redis_client, key, value, ttl=None): lock_key = f'lock:{key}' with Lock() as lock: acquired = False try: while True: if not redis_client.exists(lock_key): acquired = bool(redis_client.setnx(lock_key, 1)) if acquired: break time.sleep(0.1) # 尝试获得锁 redis_client.set(key, value, ex=ttl or random.randint(90, 120)) # TTL带有一些随机性 finally: if acquired: redis_client.delete(lock_key) def get_or_set_cache(redis_client, key, fetch_func, ttl=None): result = redis_client.get(key) if result is None: set_value_with_lock(redis_client, key, fetch_func(), ttl) result = redis_client.get(key) return result ``` #### 缓存雪崩 (Cache Avalanche) 由于某些原因导致大量缓存在几乎相同时间内集体失效，进而引发对后端服务的巨大冲击。针对此问题有几种常见处理方式： - **分片策略**：将不同类型的业务逻辑按照一定的规则分配至不同的Redis节点保存，即使部分机器出现问题也不会影响整个系统的正常运作。 - **限流降级**：引入熔断器模式，在极端情况下自动拒绝超出服务能力之外的新请求，保护核心功能不受损害。 ```python class RateLimiter(object): def __init__(self, rate_limit_per_minute): self.rate_limit_per_minute = rate_limit_per_minute self.requests_in_last_min = [] def allow_request(self): current_time = int(time.time()) one_minute_ago = current_time - 60 filtered_requests = list(filter(lambda t: t >= one_minute_ago, self.requests_in_last_min)) if len(filtered_requests) < self.rate_limit_per_minute: self.requests_in_last_min.append(current_time) return True else: return False rate_limiter = RateLimiter(rate_limit_per_minute=100) if rate_limiter.allow_request(): process_user_request() else: respond_with_error("Too many requests.") ```
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

邋遢的流浪剑客

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值