← 课程目录 🚀 从零到一
📐 学习维度 阶段3 · 第10章 Redis 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

10.4 缓存三大问题:穿透、击穿、雪崩

审校 2026-09-25 · 素材来源:L15-Redis缓存三大问题(底稿改写)、2026真题_05
📑 本篇章节导航 (共9节,点击直达)
穿透:查「根本没有」的东西击穿:热点 key 过期的那一瞬雪崩:一大片同时倒下一次雪崩事故复盘三道自测题三兄弟对比表踩坑清单面试怎么问一句话总结

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。

穿透:查「根本没有」的东西

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。

击穿:热点 key 过期的那一瞬

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。

雪崩:一大片同时倒下

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。

一次雪崩事故复盘

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。

三道自测题

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。

三兄弟对比表

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

踩坑清单

面试怎么问

一句话总结

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。