用大白话聊聊 Redis 缓存“失灵”：击穿、穿透、雪崩，一文讲透！

认识 Redis 缓存：为什么会失效？

在高性能的应用中，我们经常使用 Redis 作为缓存来减轻数据库的压力。当我们查询数据时，优先从 Redis 中获取，如果 Redis 中没有，再去查询数据库，然后将数据放入 Redis，这个过程被称为 缓存命中。

但是，缓存并非万无一失。当缓存中的数据失效时，就可能引发一系列问题。我们通常将这些问题归纳为三种常见的“失效”场景：缓存击穿、缓存穿透和缓存雪崩。

别担心，这些名字听起来有点吓人，但理解起来其实很简单。我们可以用一个生动的比喻来解释它们。

---

缓存击穿：高并发的“致命一击”

概念：

想象一下，你家楼下有一家超火的奶茶店。他们把最受欢迎的“招牌奶茶”提前做好了几杯，放在柜台里，顾客一来就能直接拿走（这就像缓存）。

但是，每杯奶茶都有保质期（缓存过期时间）。当最后一杯招牌奶茶刚好卖完，而此刻大量顾客又同时涌进来，都想买这杯奶茶。店员不得不临时去后厨（数据库）现做，但做一杯奶茶需要时间，后面排队的人越来越多，所有人都只能干等。

这就是缓存击穿。它指的是某个热点数据（招牌奶茶）在缓存过期的一瞬间，同时有大量高并发请求涌入，这些请求会绕过缓存，直接访问数据库，导致数据库瞬间压力过大，甚至宕机。

解决方案：

1. 设置永不过期：
   • 将热点数据设置一个较长的过期时间。
   • 在后台定时刷新缓存，或者在数据更新时主动删除缓存。
   • 这就像，奶茶店把招牌奶茶保质期延长到很长，并且店员会定期检查，快过期了就主动换新的。
2. 加互斥锁（推荐）：
   • 当第一个请求去查询数据库时，先给这个数据加锁。
   • 其他所有后续请求来了，发现这个数据正在被处理，就会在原地等待。
   • 等第一个请求处理完毕，将数据放入缓存后，其他请求就能直接从缓存中获取，避免了大量请求同时访问数据库。

代码示例：

下面是一个使用 Java 锁来防止缓存击穿的简单代码示例：

public String getData(String key) {
     // 1. 先从缓存获取
     String value = redisClient.get(key);
     if (value != null) {
         return value;
    }
 
     // 2. 缓存中没有，加锁
     synchronized (this) {
         // 3. 再次从缓存获取（双重检查）
         value = redisClient.get(key);
         if (value != null) {
             return value;
        }
 
         // 4. 缓存中还是没有，去数据库查询
         value = databaseClient.get(key);
 
         // 5. 查到数据，放入缓存
         if (value != null) {
             redisClient.set(key, value, 60); // 设置过期时间
        }

         return value;
    }
 }

---

缓存穿透：查不到的“白忙活”

概念：

继续奶茶店的比喻。如果一个顾客，每次来都点一杯根本不存在的“月球奶茶”。店员每次都得去后厨（数据库）翻找，结果自然是“查无此茶”。如果有很多顾客都被恶意引导，都来点“月球奶茶”，店员们就会一直白忙活，不断地去后厨查询，数据库的压力会越来越大。

这就是缓存穿透。它指的是查询一个根本不存在的数据。由于缓存中本身就没有这个数据，所以每次请求都会穿过缓存，直接打到数据库上。如果恶意攻击者利用这个漏洞，不断发起查询不存在数据的请求，就会导致数据库负载过高。

解决方案：

1. 缓存空值：
   • 当数据库查询结果为空时，将这个空结果也缓存起来，并设置一个较短的过期时间。
   • 这样，下次再有对这个“不存在数据”的请求，就能直接从缓存中获取到空值，而不用再去访问数据库。
   • 就像，店员告诉顾客“没有月球奶茶”，并把这个信息记下来，下次再有人问，就直接回答，不用再进后厨了。
2. 布隆过滤器（Bloom Filter）：
   • 布隆过滤器是一个非常高效的数据结构，它能快速判断一个数据是否存在。
   • 在数据写入数据库时，同时将数据的摘要信息放入布隆过滤器。
   • 当有请求过来时，先用布隆过滤器判断这个数据是否存在。如果过滤器说**“不存在”，那这个数据就肯定不存在，直接返回，连缓存都不用查。如果过滤器说“可能存在”**，再去查询缓存和数据库。
   • 这就像，奶茶店门口有一本厚厚的“菜单”，上面记录了所有存在的奶茶。顾客点单时，先查这本菜单，如果查不到，就直接告诉他没有，省去了去后厨的时间。

代码示例：

 public String getData(String key) {
     String value = redisClient.get(key);
 
     // 1. 如果缓存中存在，直接返回
     if (value != null) {
         return value;
     }
 
     // 2. 缓存中没有，去数据库查询
     value = databaseClient.get(key);
 
     // 3. 数据库查询结果不为空，放入缓存
     if (value != null) {
         redisClient.set(key, value, 60);
     } else {
         // 4. 数据库查询结果为空，也放入缓存，并设置较短的过期时间
         redisClient.set(key, "null", 5);
     }
     return value;
 }

缓存空值的代码实现非常简单：

---

缓存雪崩：一起“集体阵亡”

概念：

回到奶茶店。如果店里所有的奶茶，不管招牌的还是普通的，保质期都一样，比如都是上午10点过期。到了10点，所有的奶茶都不能卖了。而此时，刚好是午餐高峰期，大量顾客涌入，所有的请求都因为找不到缓存（奶茶），而涌向了后厨（数据库），导致后厨工作量瞬间暴增，瘫痪了。

这就是缓存雪崩。它指的是在某一个时间点，大量的缓存同时失效。由于这些请求无法命中缓存，导致所有请求都涌向数据库，在瞬间对数据库造成极大的冲击。

解决方案：

1. 设置随机过期时间（推荐）：
   • 给不同的缓存数据设置不同的过期时间。
   • 比如，给缓存A设置5分钟过期，给缓存B设置5分10秒过期，给缓存C设置4分50秒过期。
   • 这样，即使到了某个时间点，也只有少量缓存会失效，而不是全部失效，从而将数据库压力分散开来。
2. 多级缓存：
   • 使用多级缓存，比如使用 Ehcache 或 Caffeine 等本地缓存。
   • 当 Redis 缓存失效时，请求先尝试从本地缓存中获取，如果本地缓存中还有，就可以直接返回。
   • 只有本地缓存也失效时，才去访问数据库。

代码示例：

设置随机过期时间非常简单，只需要在设置缓存时稍作修改：

 // 正常设置过期时间
 redisClient.set(key, value, 60);
 
 // 设置随机过期时间，在60-120秒之间
 // 假设 rand是一个随机数生成器，rand.nextInt(60) 生成0-59的随机数
 int randomExpiration = 60 + new Random().nextInt(60);
 redisClient.set(key, value, randomExpiration);

---

总结