Redis缓存击穿、穿透雪崩
前言
Redis 缓存虽提升程序性能与效率（如数据查询），但也带来数据一致性难题（严格意义无解，高一致性需求场景慎用缓存 ），还存在缓存穿透、缓存击穿、缓存雪崩等典型问题，业界有对应解决方案。
一、缓存穿透 - 查不到
1. 概念
用户查询数据，Redis 缓存未命中，向持久层数据库查询也无该数据，查询失败。大量用户请求均如此时，持久层数据库压力剧增，即缓存穿透。
流程：客户端查询 → 缓存未命中 → 持久层数据库查询 → 均无数据，查询失败。
2. 解决方案
（1）布隆过滤器
布隆过滤器是一种数据结构，将所有可能查询的参数以 hash 形式存储，在控制层先校验，不符合则丢弃，避免对持久层数据库的查询压力。
流程示意：
存储层缓存层BloomFilt客户端存储层缓存层BloomFilt客户端发起查询校验（miss/hit）未命中时查询（offline storage）命中返回（hit）返回结果（return）
（2）缓存空对象
当存储层查询未命中（无对应数据），将返回的空对象缓存，同时设置过期时间。后续访问该数据可从缓存获取，保护后端数据源。
流程：客户端查询 → 缓存未命中 → 存储层查询未命中 → 缓存空对象（cache NULL） → 返回客户端。
但存在问题：
- 缓存空值需更多空间存储键，可能存大量空值键。
- 空值设置过期时间后，缓存层与存储层数据会有时间窗口不一致，影响需强一致性的业务。
流程示意：
存储层缓存客户端存储层缓存客户端查询（miss）查询（miss）返回空值，缓存空对象（cache NULL）返回结果（return）
二、缓存击穿 - 量太大，缓存过期
1. 概念
与缓存穿透区别：缓存击穿是某个 key 为热点，承载大量并发访问，当该 key 失效瞬间，持续大并发穿破缓存，直接请求数据库。如热点 key 过期时，大量并发请求直接访问数据库查新数据、写缓存，致数据库压力骤增。
2. 解决方案
（1）热点数据永不过期
从缓存层面，不设置热点 key 的过期时间，避免过期后并发访问数据库问题。
（2）加互斥锁
用分布式锁，保证每个 key 同一时间仅一个线程查询后端服务，其他线程等待。将高并发压力转移到分布式锁，对分布式锁可靠性要求高。
三、缓存雪崩
1. 概念
某一时间段，缓存集中过期失效，或 Redis 宕机。如电商大促，商品缓存集中设置 1 小时，凌晨过期后，访问请求全落数据库，致数据库周期性压力波峰，甚至存储层宕机。
更致命情况：缓存服务器某节点宕机或断网，因自然形成的缓存雪崩虽集中创建缓存，数据库一般能承压（周期性压力）；但缓存节点宕机，对数据库压力不可预估，可能瞬间压垮。
流程：客户端请求 → 缓存层失效（过期或宕机） → 所有请求到存储层 → 存储层压力暴增，可能宕机。
2. 解决方案
（1）Redis 高可用
增设多台 Redis，搭建缓存服务器集群（异地多活 ）。一台挂掉，其他继续提供服务，避免单点故障致缓存整体失效。
（2）限流降级
缓存失效后，通过加锁或队列控制读写数据库的线程数量。如对某 key，仅允许一个线程查询数据、写缓存，其他线程等待，减轻数据库瞬时压力。
（3）数据预热
正式部署前，预先访问可能大量访问的数据，加载到缓存，设置不同过期时间，让缓存失效时间点尽量均匀，避免集中过期。