缓存穿透、雪崩、击穿-优快云博客

缓存穿透、缓存雪崩和缓存击穿是分布式系统中常见的缓存问题，它们都会导致缓存失效，进而对数据库或其他底层存储系统造成压力。以下是它们的详细说明及解决方案：

1. 缓存穿透（Cache Penetration）

定义

缓存穿透是指查询一个不存在的数据，由于缓存中没有该数据，请求会直接落到数据库上。如果大量请求同时查询不存在的数据，数据库可能会被压垮。

原因

恶意攻击：攻击者故意查询不存在的数据。
业务逻辑问题：程序逻辑错误，导致频繁查询不存在的数据。

解决方案

缓存空值：
- 如果查询结果为空，仍然将空值缓存起来，并设置一个较短的过期时间。
- 示例：
```
if (data == null) {
    cache.put(key, NULL_VALUE, 60); // 缓存空值，过期时间 60 秒
}
```
布隆过滤器（Bloom Filter）：
- 使用布隆过滤器判断数据是否存在。如果布隆过滤器判断数据不存在，则直接返回，避免查询数据库。
- 示例：
```
if (!bloomFilter.mightContain(key)) {
    return null; // 数据不存在，直接返回
}
```
接口层校验：
- 在接口层对请求参数进行校验，过滤掉非法请求。

2. 缓存雪崩（Cache Avalanche）

定义

缓存雪崩是指大量缓存同时失效，导致所有请求都落到数据库上，数据库压力骤增，甚至崩溃。

原因

缓存设置了相同的过期时间。
缓存服务器宕机。

解决方案

设置不同的过期时间：

在设置缓存过期时间时，增加一个随机值，避免大量缓存同时失效。

示例：

int expireTime = 3600 + new Random().nextInt(600); // 过期时间在 3600~4200 秒之间
cache.put(key, value, expireTime);

缓存高可用：
- 使用 Redis 集群或其他高可用方案，避免单点故障。
限流和降级：
- 使用限流工具（如 Sentinel、Hystrix）限制数据库的请求量。
- 在缓存失效时，返回默认值或错误提示，避免直接访问数据库。
缓存预热：
- 在系统启动时，提前加载热点数据到缓存中。

3. 缓存击穿（Cache Breakdown）

定义

缓存击穿是指某个热点数据过期，同时有大量请求访问该数据，导致请求直接落到数据库上。

原因

热点数据过期。
大量请求同时访问该热点数据。

解决方案

互斥锁（Mutex Lock）：

在缓存失效时，使用分布式锁（如 Redis 的 SETNX）保证只有一个线程去查询数据库，其他线程等待。

示例：

String value = cache.get(key);
if (value == null) {
    if (lock.tryLock()) { // 获取分布式锁
        try {
            value = db.get(key); // 查询数据库
            cache.put(key, value); // 更新缓存
        } finally {
            lock.unlock(); // 释放锁
        }
    } else {
        Thread.sleep(100); // 等待一段时间后重试
        return getData(key); // 重试
    }
}

永不过期：
- 对热点数据设置永不过期，通过后台任务定期更新缓存。
- 示例：
```
cache.put(key, value); // 永不过期
```

逻辑过期：

在缓存中存储数据的过期时间，而不是依赖缓存的过期机制。当数据过期时，异步更新缓存。

示例：

if (cache.getExpireTime(key) < System.currentTimeMillis()) {
    // 异步更新缓存
    executor.submit(() -> {
        String newValue = db.get(key);
        cache.put(key, newValue);
    });
}

4. 总结

问题	定义	原因	解决方案
缓存穿透	查询不存在的数据，请求落到数据库	恶意攻击或业务逻辑问题	缓存空值、布隆过滤器、接口层校验
缓存雪崩	大量缓存同时失效，请求落到数据库	缓存设置相同过期时间或缓存服务器宕机	设置不同过期时间、缓存高可用、限流降级
缓存击穿	热点数据过期，大量请求落到数据库	热点数据过期	互斥锁、永不过期、逻辑过期