缓存用得好是数据库的护城河,用不好是事故的导火索。穿透、击穿、雪崩是缓存三大经典事故模型,面试必考,生产必防。三者的区分记一句话:穿透是查不存在的数据,击穿是热点 key 过期,雪崩是大面积失效。
请求 userId=-1,缓存没有、数据库也没有,所以永远不写缓存——每个恶意请求都直通数据库。
方案一:布隆过滤器(用位数组+k 个哈希函数判断「一定不存在或可能存在」的结构)挡在缓存前面:
写入时: hash1(uid)→bit[3]=1 hash2(uid)→bit[7]=1 hash3(uid)→bit[11]=1
查询时: 任何一位是0 → 一定不存在,直接返回
全是1 → 可能存在,放行去查
它的脾气要记牢:说「不存在」一定不存在,说「存在」可能误判。误判率随元素增多上升,且标准版不支持删除。
容量要提前算:一亿个 key 想压到 1% 误判率,位数组约要 120MB(每元素约 10 位);嫌大就接受更高误判或上「计数布隆过滤器」(支持删除但更占内存)。还有一个工程细节:数据库新增的 key 要同步写进过滤器,删数据却删不掉对应位——所以它只适合「判断存在性」的守门场景,不适合当精确名单用。
方案二:空值缓存——数据库查不到也写缓存,短过期:
Product p = productMapper.selectById(id);
if (p == null) {
// 空值也缓存,60秒过期,挡住重复穿透
redis.set("product:" + id, "NULL", 60, SECONDS);
return null;
}
方案三:参数校验——id < 0 直接拒绝,非法请求根本不进系统。三层从外到内:校验 → 布隆 → 空值。
秒杀商品缓存 30 分钟过期,过期瞬间一千个并发同时未命中,同时冲进数据库。
方案一:互斥锁重建——只放一个请求去查库:
String v = redis.get(key);
if (v != null) return v; // 命中直接返回
if (redis.setIfAbsent(lockKey, "1", 10, SECONDS)) { // 抢到锁
v = queryFromDB(key); // 只有它查库
redis.set(key, v, 1800 + random(600), SECONDS); // 随机TTL
} else {
Thread.sleep(100); // 没抢到,稍后重试
return getWithMutex(key);
}
方案二:逻辑过期——key 永不过期,值里带过期时间字段;发现逻辑过期就异步刷新,请求先返回旧数据。数据长这样:
{
"expireTime": "2026-09-25T10:30:00",
"data": { "id": 1, "name": "秒杀商品", "stock": 88 }
}
读到的 expireTime 已过?不抛错、不等待——起个异步线程去抢锁重建,本次请求照常返回旧 data。用户看到的是「上一秒的库存」,不是报错页。互斥锁保证强一致但让线程等待;逻辑过期保证高可用但短暂给旧数据。秒杀扣库存选前者,首页资讯流选后者——按业务能容忍什么来选,不是按哪个更高级。
两种触发:大批 key 同时过期(预热时 TTL 全设 30 分钟);或 Redis 整个宕机。防线按层次布:
1. 随机 TTL:TTL = 30分钟 + random(0~10分钟),把过期时间打散
2. 多级缓存:本地 Caffeine(1 分钟)→ Redis(30 分钟)→ DB,Redis 倒了本地还能顶一阵
3. 高可用:哨兵/集群让 Redis 本身不容易全挂(10.3)
4. 限流降级:Sentinel 限流保数据库,降级返回兜底数据——最后的安全网
// 多级缓存读取骨架
String v = caffeine.getIfPresent(key); // L1 本地
if (v == null) {
v = redis.get(key); // L2 Redis
if (v != null) caffeine.put(key, v);
else {
v = queryFromDB(key); // L3 数据库
redis.set(key, v, 1800 + random(600)); // 随机TTL写回
}
}
多级缓存引入 L1 后冒出新代价:本地缓存每个实例各一份,互相不通知更新,同一个 key 在不同实例可能短暂不一致——TTL 设短到分钟级,就是拿「最多脏一分钟」换可用性。这笔账和 10.6 的最终一致是同一本账,只是层次更多、更要算清。
某活动晚八点开抢,运维提前两小时把五十万个商品 key 全量预热,TTL 统一设了 60 分钟。九点整,五十万 key 在同一秒集体过期,DB 瞬间被每秒几十万的查询打穿,主从延迟拉满,整个商品服务雪崩。复盘改法就三条:预热脚本加随机偏移,TTL 统一改成「基础值 + 随机抖动」;热点商品改逻辑过期永不设 TTL;DB 前加一道理限流兜底。三条对应本篇三个方案——事故是最好的教材。
一:穿透和击穿都表现为「请求打到 DB」,怎么一分钟区分?看未命中的 key 分布——固定那几个 key 是击穿,随机海量 key 是穿透。二:布隆误判率 1%,一亿请求里有一百万被放进来了怎么办?误判的请求落到空值缓存那层接着挡,双层配合就不怕。三:逻辑过期的旧数据最多旧多久?取决于异步重建的间隔,业务定上限——库存场景容忍不了就别用它。
| 维度 | 穿透 | 击穿 | 雪崩 |
|---|---|---|---|
| 根因 | 数据根本不存在 | 热点 key 过期瞬间 | 大面积同时过期/Redis 宕机 |
| 姿势 | 持续小刀放血 | 瞬间洪峰 | 瞬间海啸 |
| 主药方 | 布隆+空值缓存 | 互斥锁/逻辑过期 | 随机TTL+多级缓存+限流 |
穿透挡「不存在的」、击穿锁「热点的」、雪崩散「同时倒的」——随机 TTL 是最便宜的习惯,限流降级是最后的安全网,四层防线要纵深布防。