当前位置：首页 > news >正文

Redis缓存穿透、缓存击穿与雪崩防护及性能优化实战指南

news 2025/9/10 5:55:53

Redis缓存穿透、缓存击穿与雪崩防护及性能优化实战指南

在高并发场景中，Redis 作为缓存层可以显著提升系统性能，但也容易出现缓存穿透、缓存击穿和缓存雪崩等问题。本文结合生产环境实战经验，分享完整的防护方案与性能优化方法，提供可运行的代码示例，帮助后端开发者构建高可用、高性能的缓存架构。

一、业务场景描述

某电商系统秒杀服务，核心商品库存信息存储在 MySQL 中。活动期间，瞬时并发请求可达万级，若所有请求直击数据库将导致 DB 崩溃。

请求量：峰值 10,000 QPS
数据热点：少量商品、库存实时变化
系统要求：99% 响应时延 < 50ms

为了满足性能和高可用，缓存层使用 Redis，缓存 key 为 stock:{productId}，value 为剩余库存。缓存策略必须防止恶意或异常请求穿透，同时保证缓存失效后快速恢复，并避免短时间内大量失效导致的雪崩。

二、技术选型过程

缓存穿透防护
- 方案1：参数校验 + 布隆过滤器
- 方案2：黑名单 + SQL 缓存
- 选型：使用布隆过滤器——能够在缓存前有效过滤不存在的 key，内存开销低，误判率可控。
缓存击穿防护
- 方案1：互斥锁（分布式锁）
- 方案2：永不过期的热点缓存
- 方案3：双写模式（缓存和 DB 同步更新）
- 选型：互斥锁 + 双写模式：互斥锁保证单线程重建缓存，双写模式则保证 DB 更新及时推送到缓存。
缓存雪崩防护
- 方案1：统一 TTL 设置 + 随机化过期时间
- 方案2：服务降级 + 请求限流
- 选型：TTL 随机化 + 限流降级：TTL 随机化分散失效压力，限流降级保障核心链路可用。

三、实现方案详解

1. 缓存穿透防护：布隆过滤器

利用布隆过滤器快速判断 key 是否存在，拦截掉大部分无效请求。可选开源实现：Google Guava 或 RedisBloom。

Java 示例（Guava）：

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;// 初始化布隆过滤器，预计 1M 元素，误判率 0.01
BloomFilter<Long> bloomFilter = BloomFilter.create(Funnels.longFunnel(), 1_000_000, 0.01);
// 系统启动时将所有有效 productId 添加到过滤器
List<Long> allIds = productService.fetchAllProductIds();
for (Long id : allIds) {bloomFilter.put(id);
}public String handleRequest(Long productId) {if (!bloomFilter.mightContain(productId)) {return error("商品不存在");}// 继续读取缓存或 DB
}

如果使用 RedisBloom：

# 安装模块并开启
MODULE LOAD /path/to/redisbloom.so

BF.RESERVE bf:product 0.01 1000000
BF.ADD bf:product 1001
BF.EXISTS bf:product 1002  # 返回 0 或 1

2. 缓存击穿防护：互斥锁 & 双写模式

分布式锁（Redisson 实现）：

# application.yml
spring:redis:host: redis-cluster.example.comport: 6379password: yourPassword

Config config = new Config();
config.useClusterServers().addNodeAddress("redis://redis1:6379","redis://redis2:6379");
RedissonClient redisson = Redisson.create(config);public String getStock(Long productId) {String key = "stock:" + productId;String val = redisClient.get(key);if (val != null) {return val;}RLock lock = redisson.getLock("lock:stock:" + productId);boolean acquired = lock.tryLock(500, 10000, TimeUnit.MILLISECONDS);if (!acquired) {// 直接返回默认或降级数据return getStockFromDB(productId);}try {// double-checkval = redisClient.get(key);if (val != null) return val;// 从 DB 读取并写入缓存int stock = productService.queryStockFromDb(productId);redisClient.set(key, String.valueOf(stock), 60, TimeUnit.SECONDS);return String.valueOf(stock);} finally {lock.unlock();}
}

双写模式

在业务更新库存时同时更新缓存：

@Transactional
public void deductStock(Long productId, int amount) {productMapper.updateStock(productId, amount);// 写 DB 后更新缓存int newStock = productService.queryStockFromDb(productId);redisClient.set("stock:"+productId, String.valueOf(newStock), 60, TimeUnit.SECONDS);
}

3. 缓存雪崩防护：TTL 随机化 & 限流降级

TTL 随机化

long baseTtl = 60; // 基础过期时间
long random = ThreadLocalRandom.current().nextLong(0, 30);
redisClient.set(key, value, baseTtl + random, TimeUnit.SECONDS);

限流降级

前端或网关限流保障核心链路
Spring Cloud Gateway 配置示例：

spring:cloud:gateway:routes:- id: seckill_routeuri: lb://seckill-servicepredicates:- Path=/seckill/**filters:- name: RequestRateLimiterargs:redis-rate-limiter.replenishRate: 1000redis-rate-limiter.burstCapacity: 200

4. 性能优化技巧

使用管道（Pipeline）或批量操作减少 RTT。
客户端连接池配置：

GenericObjectPoolConfig poolConfig = new GenericObjectPoolConfig();
poolConfig.setMaxTotal(50);
poolConfig.setMaxIdle(10);
poolConfig.setMinIdle(5);
JedisPool jedisPool = new JedisPool(poolConfig, "redis-host", 6379, 2000, "pwd");