当前位置： 首页 > news >正文

Redis 缓存穿透、缓存击穿、缓存雪崩详解与解决方案

news 来源：原创 2025/6/3 19:50:18

在分布式系统中，Redis 凭借高性能和高并发处理能力，成为常用的缓存组件。然而，在实际应用中，缓存穿透、缓存击穿、缓存雪崩这三大问题会严重影响系统的性能与稳定性。本文将详细解析这三个问题的成因，并提供对应的解决方案，同时结合 Java 示例代码和图示帮助你更好地理解和实践。

一、缓存穿透

1. 问题描述

缓存穿透指的是大量请求访问 Redis 缓存中不存在的数据，导致请求直接穿透到数据库，给数据库带来巨大压力。例如，黑客恶意构造大量不存在的商品 ID 请求，每次请求都无法命中缓存，只能查询数据库，可能导致数据库被压垮。

图中展示了缓存穿透的过程，大量不存在的请求绕过 Redis 缓存，直接访问数据库。

2. 成因分析

  • 恶意攻击：攻击者故意发送不存在的键值请求，使缓存无法命中。
  • 业务逻辑漏洞：应用程序未对请求参数进行有效校验，导致不合理的查询进入缓存层。

3. 解决方案

（1）布隆过滤器

布隆过滤器是一种概率型数据结构，用于判断某个元素是否存在于集合中。它可以在请求进入 Redis 之前，快速判断数据是否存在，若不存在则直接返回，避免请求穿透到数据库。

示例代码（基于 Google Guava 库）：

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import redis.clients.jedis.Jedis;
public class BloomFilterDemo {
    private static final int EXPECTED_ELEMENTS = 10000; // 预计元素数量
    private static final double FALSE_POSITIVE_RATE = 0.01; // 误判率
    private static final BloomFilter<Integer> bloomFilter = BloomFilter.create(
            Funnels.integerFunnel(), EXPECTED_ELEMENTS, FALSE_POSITIVE_RATE);
    static {
        // 初始化布隆过滤器，假设数据库中存在的商品ID为1 - 10000
        for (int i = 1; i <= EXPECTED_ELEMENTS; i++) {
            bloomFilter.put(i);
        }
    }
    public static void main(String[] args) {
        Jedis jedis = new Jedis("localhost", 6379);
        int productId = 10001; // 假设不存在的商品ID
        if (!bloomFilter.mightContain(productId)) {
            System.out.println("数据大概率不存在，直接返回");
            return;
        }
        // 从Redis查询数据
        String cacheValue = jedis.get("product:" + productId);
        if (cacheValue == null) {
            // 缓存未命中，查询数据库（此处省略数据库查询逻辑）
            String dbValue = "模拟从数据库查询到的值";
            if (dbValue != null) {
                // 将数据存入Redis
                jedis.set("product:" + productId, dbValue);
            } else {
                // 数据库也不存在，设置一个空值缓存，避免后续重复查询数据库
                jedis.setex("product:" + productId, 60, "");
            }
        } else {
            System.out.println("缓存命中，返回数据");
        }
    }
}

（2）缓存空对象

当数据库查询结果为空时，也将空值存入 Redis 缓存，并设置较短的过期时间。后续相同请求可直接命中缓存，避免穿透到数据库。

import redis.clients.jedis.Jedis;
public class CacheNullObjectDemo {
    public static void main(String[] args) {
        Jedis jedis = new Jedis("localhost", 6379);
        int productId = 10001; // 假设不存在的商品ID
        // 从Redis查询数据
        String cacheValue = jedis.get("product:" + productId);
        if (cacheValue == null) {
            // 缓存未命中，查询数据库（此处省略数据库查询逻辑）
            String dbValue = null;
            if (dbValue != null) {
                // 将数据存入Redis
                jedis.set("product:" + productId, dbValue);
            } else {
                // 数据库也不存在，设置一个空值缓存，避免后续重复查询数据库
                jedis.setex("product:" + productId, 60, "");
                System.out.println("数据库中不存在该数据，已设置空值缓存");
            }
        } else {
            if (cacheValue.equals("")) {
                System.out.println("缓存命中空值，数据不存在");
            } else {
                System.out.println("缓存命中，返回数据");
            }
        }
    }
}

二、缓存击穿

1. 问题描述

缓存击穿指的是某个热点数据（如热门商品信息、高访问量接口数据）的缓存过期瞬间，大量并发请求同时访问该数据，导致请求直接落到数据库，造成数据库压力瞬间增大。

图中展示了缓存击穿的场景，热点数据缓存过期时，大量请求同时访问数据库。

2. 成因分析

  • 缓存过期时间集中：热点数据的缓存过期时间设置不合理，同时到期。
  • 高并发访问：大量用户同时请求同一热点数据。

3. 解决方案

（1）互斥锁

在缓存过期时，只允许一个线程去查询数据库并更新缓存，其他线程等待该线程更新完成后，直接从缓存获取数据。

示例代码：

import redis.clients.jedis.Jedis;
import java.util.concurrent.locks.ReentrantLock;
public class CacheBreakdownMutexDemo {
    private static final ReentrantLock lock = new ReentrantLock();
    private static final int CACHE_EXPIRE_TIME = 60; // 缓存过期时间，单位：秒
    public static void main(String[] args) {
        Jedis jedis = new Jedis("localhost", 6379);
        int productId = 1; // 假设热门商品ID
        // 从Redis查询数据
        String cacheValue = jedis.get("product:" + productId);
        if (cacheValue == null) {
            lock.lock();
            try {
                // 再次检查缓存，避免多个线程重复查询数据库
                cacheValue = jedis.get("product:" + productId);
                if (cacheValue == null) {
                    // 缓存未命中，查询数据库（此处省略数据库查询逻辑）
                    String dbValue = "模拟从数据库查询到的热门商品数据";
                    if (dbValue != null) {
                        // 将数据存入Redis
                        jedis.setex("product:" + productId, CACHE_EXPIRE_TIME, dbValue);
                        System.out.println("缓存更新成功");
                    }
                }
            } finally {
                lock.unlock();
            }
        } else {
            System.out.println("缓存命中，返回数据");
        }
    }
}

（2）逻辑过期

给缓存数据设置一个逻辑过期时间，当缓存数据即将过期时，后台异步线程提前更新缓存，避免大量请求直接访问数据库。

import redis.clients.jedis.Jedis;
import java.util.concurrent.Executors;
import java.util.concurrent.ScheduledExecutorService;
import java.util.concurrent.TimeUnit;
public class CacheBreakdownLogicExpireDemo {
    private static final int CACHE_EXPIRE_TIME = 60; // 缓存过期时间，单位：秒
    private static final int LOGIC_EXPIRE_TIME = 5; // 逻辑过期时间，单位：秒
    private static final ScheduledExecutorService executorService = Executors.newScheduledThreadPool(1);
    public static void main(String[] args) {
        Jedis jedis = new Jedis("localhost", 6379);
        int productId = 1; // 假设热门商品ID
        // 从Redis查询数据
        String cacheValue = jedis.get("product:" + productId);
        if (cacheValue == null) {
            // 缓存未命中，查询数据库（此处省略数据库查询逻辑）
            String dbValue = "模拟从数据库查询到的热门商品数据";
            if (dbValue != null) {
                // 设置逻辑过期时间和缓存数据
                jedis.setex("product:" + productId, CACHE_EXPIRE_TIME, dbValue);
                jedis.setex("product:" + productId + ":expire", LOGIC_EXPIRE_TIME, "1");
                // 启动异步线程更新缓存
                executorService.schedule(() -> {
                    String newDbValue = "模拟从数据库查询到的最新热门商品数据";
                    if (newDbValue != null) {
                        jedis.setex("product:" + productId, CACHE_EXPIRE_TIME, newDbValue);
                        jedis.setex("product:" + productId + ":expire", LOGIC_EXPIRE_TIME, "1");
                        System.out.println("缓存异步更新成功");
                    }
                }, LOGIC_EXPIRE_TIME, TimeUnit.SECONDS);
                System.out.println("缓存更新成功");
            }
        } else {
            // 检查逻辑过期时间
            String expireFlag = jedis.get("product:" + productId + ":expire");
            if (expireFlag == null) {
                System.out.println("缓存命中，返回数据");
            } else {
                // 逻辑过期，返回旧数据，等待异步线程更新
                System.out.println("缓存逻辑过期，返回旧数据");
            }
        }
    }
}

三、缓存雪崩

1. 问题描述

缓存雪崩是指由于 Redis 缓存中的大量数据同时过期或 Redis 服务宕机，导致大量请求直接落到数据库，造成数据库负载过高，甚至崩溃。

图中展示了缓存雪崩的情况，大量缓存数据同时失效，请求如潮水般涌向数据库。

2. 成因分析

  • 缓存过期时间集中：大量缓存数据设置了相同或相近的过期时间，导致同时失效。
  • Redis 故障：Redis 服务器发生故障，无法提供服务。

3. 解决方案

（1）均匀设置过期时间

在设置缓存过期时间时，添加一个随机时间偏移，避免大量数据同时过期。

示例代码：

import redis.clients.jedis.Jedis;
import java.util.Random;
public class CacheAvalancheRandomExpireDemo {
    private static final int BASE_EXPIRE_TIME = 60; // 基础过期时间，单位：秒
    private static final int RANDOM_OFFSET = 10; // 随机偏移时间，单位：秒
    public static void main(String[] args) {
        Jedis jedis = new Jedis("localhost", 6379);
        int productId = 1; // 假设商品ID
        // 设置随机过期时间
        int expireTime = BASE_EXPIRE_TIME + new Random().nextInt(RANDOM_OFFSET);
        String data = "模拟商品数据";
        jedis.setex("product:" + productId, expireTime, data);
        System.out.println("缓存设置成功，过期时间：" + expireTime + "秒");
    }
}

（2）多级缓存

采用本地缓存（如 Guava Cache、Caffeine）和 Redis 缓存相结合的方式。当 Redis 缓存失效时，先从本地缓存获取数据，减轻数据库压力。同时，可使用 Redis 集群提高缓存服务的可用性。

（3）服务熔断与降级

当数据库压力过大时，启用服务熔断机制，暂时拒绝部分请求；或者进行服务降级，返回默认数据或提示信息，保证核心服务的可用性。

四、总结

缓存穿透、缓存击穿和缓存雪崩是 Redis 应用中常见的性能问题，通过合理运用布隆过滤器、互斥锁、随机过期时间等技术手段，可以有效解决这些问题。在实际开发中，需要根据业务场景选择合适的解决方案，同时结合监控和预警机制，保障系统的稳定性和可靠性。

相关文章：

  • c++学习值---模版
  • Java设计模式详解：策略模式（Strategy Pattern）
  • [蓝桥杯]缩位求和
  • Odoo 中SCSS的使用指南
  • Vue框架2(vue搭建方式2:利用脚手架,ElementUI)
  • Python Day39 学习（复习日志Day4）
  • 鸿蒙OSUniApp PWA开发实践：打造跨平台渐进式应用#三方框架 #Uniapp
  • 用户资产化视角下开源AI智能名片链动2+1模式S2B2C商城小程序的应用研究
  • (9)-Fiddler抓包-Fiddler如何设置捕获Https会话
  • ACL基础配置
  • python爬虫：RoboBrowser 的详细使用
  • 雷达中实信号与复信号
  • Camera相机人脸识别系列专题分析之九：MTK平台FDNode三方FFD算法dump、日志开关、bypass、resize及强制不同三方FFD切换等客制化
  • Cookie存储
  • Socket网络编程之UDP套件字
  • 从0开始学vue：Element Plus详解
  • 常见相机的ISP算法
  • 动态拼接内容
  • 现代前端框架的发展与演进
  • Flickr30k_Entities数据集
  • 大航母网站建设与服务/网络软文营销案例
  • 邢台专业网站建设/seo需要懂代码吗
  • 网站 英语/百度怎么发帖子
  • 有哪些可以建设网站的单位/深圳网站seo外包公司哪家好
  • 《网站开发技术》模板/常见的关键词
  • wordpress首页美化/seo优化百度技术排名教程