Redis缓存穿透、缓存击穿、缓存雪崩、热点Key的示例分析

# Redis缓存穿透、缓存击穿、缓存雪崩、热点Key的示例分析

## 一、缓存穿透（Cache Penetration）

### 1.1 概念与场景
缓存穿透指**查询不存在的数据**，导致请求直接穿透缓存层到达数据库。常见场景：
- 恶意攻击：故意请求不存在的ID（如负值、超大数值）
- 业务误操作：前端传递无效参数（如已删除的商品ID）

### 1.2 示例代码
```java
// 错误示例：未做空值校验
public Product getProduct(Long id) {
    // 1. 先查缓存
    Product product = redisTemplate.opsForValue().get("product:" + id);
    if (product == null) {
        // 2. 缓存未命中，直接查库
        product = productMapper.selectById(id); // 可能返回null
        redisTemplate.opsForValue().set("product:" + id, product);
    }
    return product;
}

1.3 解决方案

1. 空值缓存：对不存在的数据也缓存空对象（需设置较短TTL）

// 改进代码
if (product == null) {
    product = productMapper.selectById(id);
    if (product == null) {
        redisTemplate.opsForValue().set("product:" + id, "NULL", 5, TimeUnit.MINUTES);
        return null;
    }
    redisTemplate.opsForValue().set("product:" + id, product);
}

1. 布隆过滤器：预加载有效Key到布隆过滤器，先校验再查询

# Python示例
from pybloom_live import ScalableBloomFilter
bf = ScalableBloomFilter(initial_capacity=1000)

# 预热阶段加载所有有效ID
for id in valid_ids:
    bf.add(id)

# 查询前校验
if not id in bf:
    return None

二、缓存击穿（Cache Breakdown）

2.1 概念与场景

某个热点Key突然过期时，大量并发请求直接击穿到数据库。典型场景： - 秒杀商品缓存过期 - 首页热门资讯缓存失效

2.2 示例现象

• 监控显示QPS突然飙升
• 数据库CPU占用率陡增
• 响应时间从毫秒级升至秒级

2.3 解决方案

1. 互斥锁（Mutex Lock）

public Product getProductWithLock(Long id) {
    String lockKey = "lock:product:" + id;
    try {
        // 尝试获取分布式锁
        Boolean locked = redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS);
        if (locked) {
            Product product = productMapper.selectById(id);
            redisTemplate.opsForValue().set("product:" + id, product, 1, TimeUnit.HOURS);
            return product;
        } else {
            Thread.sleep(100); // 短暂等待后重试
            return getProductWithLock(id);
        }
    } finally {
        redisTemplate.delete(lockKey);
    }
}

1. 逻辑过期：实际缓存永不过期，通过额外字段控制逻辑过期时间

// 缓存数据结构
{
  "value": "真实数据",
  "expire_time": 1672502400 // 逻辑过期时间戳
}

三、缓存雪崩（Cache Avalanche）

3.1 概念与场景

大量Key同时过期或Redis集群宕机，导致请求全部涌向数据库。典型案例： - 凌晨批量任务刷新所有缓存 - Redis主从切换期间

3.2 解决方案

1. 差异化过期时间

// 设置基础过期时间+随机偏移量
int baseExpire = 3600;
int randomExpire = new Random().nextInt(300);
redisTemplate.opsForValue().set(key, value, baseExpire + randomExpire, TimeUnit.SECONDS);

1. 多级缓存架构

请求 → CDN → 本地缓存(Caffeine) → Redis → DB

1. 熔断降级机制

# 伪代码示例
def get_data(key):
    if circuit_breaker.is_open():
        return get_data_from_backup()
    try:
        data = redis.get(key)
        if not data:
            data = db.query(key)
            redis.setex(key, ttl, data)
        return data
    except Exception as e:
        circuit_breaker.record_failure()
        raise e

四、热点Key（Hot Key）

4.1 识别方法

• 监控发现某些Key的QPS异常高（如>10万/秒）
• Redis节点出现CPU负载倾斜

4.2 解决方案

1. 本地缓存+Redis多副本

// Guava本地缓存
LoadingCache<String, Product> localCache = CacheBuilder.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.SECONDS)
    .build(new CacheLoader<String, Product>() {
        @Override
        public Product load(String key) {
            return getFromRedis(key); // 从Redis集群读取
        }
    });

1. Key分片

# 将hot_key拆分为hot_key_1, hot_key_2...
shard_id = hash(user_id) % 4
real_key = f"hot_key_{shard_id}"
redis.get(real_key)

五、总结对比

实际生产环境中，建议结合监控系统（如Prometheus）和动态配置中心实现策略的实时调整。 “`