---
URL: "/zh-CN/blog/2024-10/redis_offline.html"
LLMS_URL: "/zh-CN/blog/2024-10/redis_offline.md"
lastUpdated: true
commentabled: true
recommended: true
title: "Redis的缓存雪崩，缓存击穿，缓存穿透"
description: "Redis的缓存雪崩，缓存击穿，缓存穿透"
date:
pageClass: "blog-page-class"
---
---
lastUpdated: true
commentabled: true
recommended: true
title: Redis的缓存雪崩，缓存击穿，缓存穿透
description: Redis的缓存雪崩，缓存击穿，缓存穿透
date: 2024-10-24 15:18:00
pageClass: blog-page-class
---
# Redis的缓存雪崩，缓存击穿，缓存穿透 #
缓存雪崩、缓存击穿、缓存穿透是分布式系统中使用缓存时，常遇到的三类问题，都会对系统性能和稳定性产生严重影响。下面将详细介绍这三者的定义、产生原因、危害以及常见的解决方案。
## 缓存雪崩 ##
### 定义 ###
缓存雪崩是指在某一时刻，大量缓存同时失效，导致大量请求直接打到数据库层，造成数据库压力骤增，甚至可能导致数据库崩溃、系统不可用的情况。
### 产生原因 ###
- 缓存集中失效：通常情况下，缓存的失效时间（TTL）是设置好的，但如果大量缓存键设定了相同或接近的过期时间点，那么在这些缓存集中失效时，会造成大量的请求无法从缓存中读取数据，只能直接访问数据库。
- 缓存服务器宕机：如果 Redis 服务器集群出现宕机或故障，那么所有缓存数据会瞬间不可用，大量请求直接涌向数据库。
### 危害 ###
- 数据库压力激增：大量并发请求瞬间打到数据库，可能造成数据库连接数耗尽、性能下降，甚至宕机。
- 服务不可用：由于数据库无法及时响应请求，系统整体响应速度变慢或完全失去响应，导致服务不可用。
### 解决方案 ###
- 缓存过期时间分散化：
- 可以为不同的缓存键设置不同的失效时间（TTL），使得缓存的过期时间均匀分布，避免大量缓存同时失效。例如，在设定 TTL 时，加上一个随机值，避免缓存键在同一时间失效。
```c#
// 设置缓存时，加一个随机时间，防止集中过期
int randomTTL = ttl + new Random().nextInt(100);
redisTemplate.opsForValue().set(key, value, randomTTL, TimeUnit.SECONDS);
```
- 缓存预热：
- 在系统上线前，提前将热点数据加载到缓存中，避免大量请求同时触发缓存未命中的情况。
- 降级策略：
- 在缓存雪崩时，可以采取限流、降级等策略，减缓数据库的压力。如在缓存失效时，直接返回默认值或缓存过期的旧数据，避免数据库短时间内处理大量请求。
- 多级缓存架构：
- 使用本地缓存（如 Caffeine、Guava 等）和分布式缓存（如 Redis）相结合的方式，部分热点数据可以先放入本地缓存，降低 Redis 和数据库的压力。
- Redis 高可用：
- 部署 Redis 主从集群，使用 Redis 的哨兵模式（Sentinel）或者 Redis Cluster 来实现高可用，避免缓存服务器单点故障。
## 缓存击穿 ##
### 定义 ###
缓存击穿是指缓存中存储的某个热点数据在某一时刻失效，大量并发请求同时去访问这个热点数据，导致所有请求打到数据库，造成数据库压力骤增的情况。
### 产生原因 ###
- 热点缓存失效：当某个热点数据的缓存过期时，大量请求涌入到数据库层，而此时数据库需要处理所有的请求，造成数据库的瞬时压力增大。
### 危害 ###
- 数据库压力过大：由于热点数据失效，导致瞬间的大量请求直接打到数据库，增加数据库的压力，可能会引发数据库连接耗尽、响应变慢等问题，严重时可能导致数据库宕机。
### 解决方案 ###
- 热点数据永不过期：
- 对于特别重要的热点数据，可以考虑不设置缓存过期时间，让这些数据一直保存在缓存中。可以通过定时任务手动更新缓存中的数据来避免数据过期问题。
- 互斥锁（Mutex）机制：
- 为了解决在缓存失效瞬间，大量请求同时访问数据库的问题，可以通过加锁机制，保证同一时刻只有一个线程能访问数据库。其他线程需要等待该线程将新数据写入缓存后，再读取缓存。
```c#
String value = redisTemplate.opsForValue().get(key);
if (value == null) {
// 获取分布式锁
if (redisTemplate.opsForValue().setIfAbsent(lockKey, "lock", 10, TimeUnit.SECONDS)) {
try {
// Double-check
value = redisTemplate.opsForValue().get(key);
if (value == null) {
// 查询数据库
value = database.get(key);
// 将结果写入缓存
redisTemplate.opsForValue().set(key, value, ttl, TimeUnit.SECONDS);
}
} finally {
// 释放锁
redisTemplate.delete(lockKey);
}
} else {
// 等待锁释放后，再从缓存中读取数据
Thread.sleep(100); // 自行调整等待时间
value = redisTemplate.opsForValue().get(key);
}
}
```
### 预防性缓存更新 ###
- 在热点数据即将过期时，提前异步刷新缓存。通过检测热点数据的访问频率，当即将过期时触发自动更新操作，避免过期瞬间的击穿问题。
### 双缓存机制 ###
- 可以采用双层缓存策略：一个主要缓存层负责缓存大部分数据，另一个次缓存层保存上次的缓存数据。在主要缓存失效时，可以直接从次缓存层读取数据，避免直接打到数据库。
## 缓存穿透 ##
### 定义 ###
缓存穿透是指`恶意用户或程序请求查询的数据在缓存和数据库中都不存在`，导致每次请求都会直接打到数据库，绕过缓存。由于缓存没有存储该请求的结果，所有这类请求都会绕过缓存，直接访问数据库，从而导致数据库承受巨大的压力。
### 产生原因 ###
- 恶意攻击：有意构造大量不存在的数据请求，如查询不存在的用户 ID 或商品 ID，缓存中没有这些数据，因此直接请求数据库。
- 查询不存在的键：一些业务逻辑上无法避免查询不存在的数据，例如用户查询某些过时或错误的请求参数，数据库中也没有相应的记录。
### 危害 ###
- 数据库性能下降：由于查询的数据既不在缓存中，也不在数据库中，因此每次请求都会直接打到数据库，造成数据库压力增大，甚至引发性能瓶颈。
### 解决方案 ###
- 缓存空结果：
- 如果查询的某个键在数据库中不存在，则将该键的查询结果（如 null 或空值）缓存起来，并设定一个较短的过期时间，防止该键反复查询打到数据库。
```c#
// 查询缓存
String value = redisTemplate.opsForValue().get(key);
if (value == null) {
// 查询数据库
value = database.get(key);
if (value == null) {
// 缓存空结果，避免缓存穿透
redisTemplate.opsForValue().set(key, "null", 5, TimeUnit.MINUTES);
} else {
// 将数据库中的值写入缓存
redisTemplate.opsForValue().set(key, value, ttl, TimeUnit.SECONDS);
}
}
```
- 布隆过滤器（Bloom Filter）：
- 使用布隆过滤器对所有可能存在的数据进行标记，所有请求先经过布隆过滤器进行校验，只有布隆过滤器认为存在的数据，才会去查询缓存或数据库。这样可以有效拦截掉绝大多数不存在的请求，防止这些请求绕过缓存直接打到数据库。
```c#
BloomFilter bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("UTF-8")), 100000);
// 将所有可能的合法键加入布隆过滤器
bloomFilter.put("validKey1");
bloomFilter.put("validKey2");
// 查询时先校验布隆过滤器
if (!bloomFilter.mightContain(key)) {
return "Invalid Key";
}
// 正常查询缓存和数据库
```
- 参数校验：
- 在查询请求进入系统前，进行严格的参数校验和过滤，避免不合法的请求进入系统。例如用户 ID 或商品 ID 是否符合格式要求，避免恶意构造的非法请求直接打到数据库。