垃圾ip段做网站seo公司资源

Redis 缓存问题解决方案及Java实现

一、缓存穿透解决方案

（缓存穿透指查询不存在数据，绕过缓存直接访问数据库）

1. 布隆过滤器 + 空值缓存

注意点：
1.布隆过滤器是需要预热数据的，就是需要输入当前数据库已经存在的缓存，这里会有不少的内存消耗。
2.布隆过滤器会出现漏掉的情况，只是通过算法做一个筛选兜底，避免大量数据访问。
3.对于业务方来说，不是所有的缓存都需要添加进入布隆过滤器的，博主认为只有该数据访问有被外攻击的风险，才需要，如果没有的情况下，业务方需要自己兜底防止缓存穿透。

// 使用Guava布隆过滤器（需引入Guava依赖）
// 初始化布隆过滤器（需预热数据）
BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(StandardCharsets.UTF_8),1000000,  // 预期数据量：根据业务历史数据量估算0.001     // 误判率：每1000次查询允许1次误判
);// 预热数据（系统启动时加载）
database.getAllKeys().forEach(key -> {bloomFilter.put(key);  // 将数据库已有key存入过滤器redisTemplate.opsForValue().set(key, database.get(key)); // 初始化缓存
});public Object getData(String key) {// 1. 布隆过滤器校验（存在性预判）if (!bloomFilter.mightContain(key)) {// 确定不存在时直接返回（拦截非法请求）return null; }// 2. 查询Redis缓存Object value = redisTemplate.opsForValue().get(key);if (value != null) {return "NULL".equals(value) ? null : value; // 空值处理逻辑}// 3. 查询数据库（通过过滤器的请求才放行）Object dbValue = database.get(key);// 4. 双写机制更新if (dbValue == null) {redisTemplate.opsForValue().set(key, "NULL", 5, TimeUnit.MINUTES);} else {redisTemplate.opsForValue().set(key, dbValue, 30, TimeUnit.MINUTES);bloomFilter.put(key); // 动态维护布隆过滤器}return dbValue;
}

二、缓存雪崩解决方案

（大量缓存同时过期导致数据库压力激增）

1. 随机过期时间方案

public Object getDataWithRandomExpire(String key) {// 基础过期时间 + 随机偏移量（防止集体失效）int baseExpire = 30; // 基础30分钟int randomOffset = new Random().nextInt(10); // 0-9分钟随机偏移int totalExpire = baseExpire + randomOffset;Object value = redisTemplate.opsForValue().get(key);if (value != null) {return value;}// 查询数据库...Object dbValue = database.get(key);// 设置随机过期时间redisTemplate.opsForValue().set(key, dbValue, totalExpire, TimeUnit.MINUTES);return dbValue;
}

特点：随机会有概率导致时间过期重合（再小概率的事件只要有概率，生产都有可能发生）

2. 永不过期+后台更新方案

// 后台定时更新线程
@Scheduled(fixedDelay = 30 * 60 * 1000) // 每30分钟执行
public void refreshCache() {List<String> hotKeys = getHotKeysFromMonitor(); // 从监控系统获取热点keyhotKeys.parallelStream().forEach(key -> {Object dbValue = database.get(key);redisTemplate.opsForValue().set(key, dbValue); // 不设置过期时间});
}// 数据访问逻辑
public Object getDataWithPersist(String key) {Object value = redisTemplate.opsForValue().get(key);if (value == null) {value = database.get(key);redisTemplate.opsForValue().set(key, value); // 永不过期写入}return value;
}

特点：使用场景必须是很少更新的数据，如果数据库频繁变更，该数据不过期没有特别大的意义。

3. 多级缓存方案

// 本地缓存（使用Caffeine）
Cache<String, Object> localCache = Caffeine.newBuilder().expireAfterWrite(10, TimeUnit.MINUTES).maximumSize(10000).build();public Object getDataWithMultiCache(String key) {// 1. 检查本地缓存Object value = localCache.getIfPresent(key);if (value != null) return value;// 2. 检查Redis缓存value = redisTemplate.opsForValue().get(key);if (value != null) {localCache.put(key, value); // 回填本地缓存return value;}// 3. 数据库查询value = database.get(key);// 4. 双写缓存（设置不同过期时间）redisTemplate.opsForValue().set(key, value, 30 + new Random().nextInt(10), TimeUnit.MINUTES);localCache.put(key, value);return value;
}

特点：实现复杂，维护缓存困难。

4. 熔断降级方案

// 使用Resilience4j熔断器
CircuitBreaker circuitBreaker = CircuitBreaker.ofDefaults("cacheCB");public Object getDataWithCircuitBreaker(String key) {return CircuitBreaker.decorateSupplier(circuitBreaker, () -> {Object value = redisTemplate.opsForValue().get(key);if (value != null) return value;// 超过阈值时触发熔断，返回兜底数据if (circuitBreaker.tryAcquirePermission()) {Object dbValue = database.get(key);redisTemplate.opsForValue().set(key, dbValue, 30, TimeUnit.MINUTES);return dbValue;} else {return getFallbackData(); // 返回预设默认值}}).get();
}

特点：会导致业务有段时间不可用，兜底数据返回，用户体验差

5. 热点数据预加载方案

// 监控系统集成
public void monitorAndPreload() {// 实时统计热点key（示例使用滑动窗口）ConcurrentHashMap<String, AtomicInteger> counter = new ConcurrentHashMap<>();// 数据访问埋点AspectJ.around("execution(* getData(..))", (joinPoint, result) -> {String key = (String) joinPoint.getArgs()[0];counter.computeIfAbsent(key, k -> new AtomicInteger(0)).incrementAndGet();});// 定时分析热点数据ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(1);scheduler.scheduleAtFixedRate(() -> {counter.entrySet().stream().filter(entry -> entry.getValue().get() > 1000) // 阈值判断.forEach(entry -> {String hotKey = entry.getKey();Object value = database.get(hotKey);redisTemplate.opsForValue().set(hotKey, value, 60, TimeUnit.MINUTES);});counter.clear();}, 5, 5, TimeUnit.MINUTES); // 每5分钟执行
}

特点：需要时间缓存热点数据。

所有方案均可组合使用，建议通过监控以下指标进行方案调优：

• 缓存命中率（Redis/Memcached）
• 数据库QPS（Queries Per Second）
• 系统吞吐量（TPS）
• 熔断器状态（Open/Half-Open/Closed）

总结

解决缓存雪崩就是设计缓存的时候，让缓存不要在同一时间大批量过期，部分很少变化的数据进行预热加载。

三、缓存击穿解决方案

（热点key过期后大量并发请求直达数据库）

1. 互斥锁方案

public Object getDataWithLock(String key) {// 1. 缓存存在时直接返回（无锁）Object value = redisTemplate.opsForValue().get(key);if (value != null) return value;// 2. 尝试获取分布式锁（关键控制点）String lockKey = "LOCK:" + key;try {// 原子性操作：setIfAbsent + expireBoolean isLock = redisTemplate.opsForValue().setIfAbsent(lockKey, "LOCKED",10, // 锁持有时间（秒）TimeUnit.SECONDS);if (Boolean.TRUE.equals(isLock)) {// 3. 仅一个线程执行数据库查询（关键保护）Object dbValue = database.get(key);// 4. 双写缓存（重建热点数据）redisTemplate.opsForValue().set(key, dbValue, 30 + new Random().nextInt(10), // 随机过期时间TimeUnit.MINUTES);return dbValue;} else {// 5. 其他线程等待后重试（避免堆积）Thread.sleep(50);return getDataWithLock(key); }} finally {// 6. 释放锁（必须保证）redisTemplate.delete(lockKey); }
}

总结：缓存击穿的方案就是在重建缓存之前，防止接口并发行为，或者让缓存永不过期

四、组合方案建议

1. 分级缓存架构：本地缓存（Caffeine）+ Redis集群
2. 热点发现：实时监控Key访问频率，自动续期热点数据
3. 熔断降级：Hystrix或Sentinel实现数据库保护
4. 异步更新：使用消息队列异步更新缓存

实际生产环境中建议根据业务场景组合使用多种方案，并配合监控系统实时观察缓存命中率、数据库QPS等关键指标。