您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
# JAVA缓存击穿、缓存穿透、缓存雪崩的区别有哪些
## 引言
在分布式系统和高并发场景中，缓存技术是提升系统性能的关键手段。然而，缓存使用不当可能导致严重的性能问题甚至系统崩溃。本文将深入剖析Java开发中常见的三种缓存异常现象：**缓存击穿**、**缓存穿透**和**缓存雪崩**，从概念定义、产生原因、解决方案到实战案例进行全方位对比分析。
---
## 一、核心概念解析
### 1. 缓存击穿（Cache Breakdown）
**定义**：
当某个**热点key**在缓存中过期失效的瞬间，海量请求直接穿透到数据库，导致数据库瞬时压力激增的现象。
**特征**：
- 针对单个热点key
- 缓存失效瞬间发生
- 并发请求量极大
```java
// 典型场景伪代码
public Object getData(String key) {
Object value = redis.get(key);
if (value == null) { // 缓存失效
value = db.query(key); // 大量请求同时到达此处
redis.set(key, value);
}
return value;
}
定义：
查询根本不存在的数据，导致请求每次都绕过缓存直接访问数据库。
特征： - 查询不存在的数据 - 可能是恶意攻击 - 对数据库造成无效压力
// 恶意请求示例
public Object getData(String key) {
Object value = redis.get(key);
if (value == null) {
value = db.query(key); // 查询不存在的ID
// 未将空结果缓存
}
return value; // 持续返回null
}
定义：
大量缓存key在同一时间段集中失效，引发数据库请求暴增。
特征： - 大批量key同时失效 - 系统资源被耗尽 - 可能引发连锁故障
// 错误设置过期时间
public void initCache() {
List<Item> items = db.queryAll();
for (Item item : items) {
// 所有数据设置相同过期时间
redis.setex(item.id, 3600, item);
}
}
| 维度 | 缓存击穿 | 缓存穿透 | 缓存雪崩 |
|---|---|---|---|
| 触发条件 | 热点key失效 | 查询不存在的数据 | 大量key同时失效 |
| 影响范围 | 单个key | 特定不存在的数据 | 整个缓存层 |
| 请求特征 | 高并发合法请求 | 恶意/无效请求 | 正常业务请求 |
| 危险程度 | 中等（热点数据敏感） | 低（但可能被利用） | 高（系统级风险） |
| 解决方案 | 互斥锁、永不过期 | 布隆过滤器、空值缓存 | 错峰过期、多级缓存 |
public Object getDataWithLock(String key) {
Object value = redis.get(key);
if (value == null) {
synchronized (this) {
value = redis.get(key); // 双重检查
if (value == null) {
value = db.query(key);
redis.set(key, value);
}
}
}
return value;
}
// 存储带时间戳的数据结构
class RedisData {
Object data;
long expireTime;
}
public Object getDataWithLogicalExpire(String key) {
RedisData redisData = redis.get(key);
if (redisData.expireTime < System.currentTimeMillis()) {
// 异步更新缓存
threadPool.execute(() -> {
synchronized (this) {
updateCache(key);
}
});
}
return redisData.data;
}
// 初始化布隆过滤器
BloomFilter<String> bloomFilter = BloomFilter.create(
Funnels.stringFunnel(),
1000000,
0.01);
// 查询前先校验
public Object getDataWithBloom(String key) {
if (!bloomFilter.mightContain(key)) {
return null;
}
// ...正常缓存查询逻辑
}
public Object getDataCacheNull(String key) {
Object value = redis.get(key);
if (value == null) {
value = db.query(key);
if (value == null) {
// 缓存空对象（设置较短过期时间）
redis.setex(key, 300, "NULL");
} else {
redis.set(key, value);
}
}
return "NULL".equals(value) ? null : value;
}
// 设置基础过期时间+随机偏移量
public void setCacheWithRandomExpire(String key, Object value) {
int baseExpire = 3600;
int randomExpire = new Random().nextInt(600); // 0-10分钟随机
redis.setex(key, baseExpire + randomExpire, value);
}
用户请求 → CDN缓存 → 分布式缓存 → 本地缓存 → 数据库
// 使用Hystrix实现熔断
@HystrixCommand(fallbackMethod = "getDataFallback")
public Object getDataWithCircuitBreaker(String key) {
// ...正常查询逻辑
}
public Object getDataFallback(String key) {
return "系统繁忙，请稍后重试";
}
场景：
某商品详情页缓存突然失效，QPS从200飙升到20000。
解决方案： 1. 使用Redisson分布式锁 2. 提前预热热点数据 3. 实施二级缓存策略
RLock lock = redisson.getLock("product_lock:" + productId);
try {
lock.lock();
// 查询数据库并更新缓存
} finally {
lock.unlock();
}
场景：
恶意请求随机生成的用户ID，导致数据库CPU飙升至100%。
解决方案： 1. 布隆过滤器拦截非法ID 2. 实施请求限流（如Guava RateLimiter） 3. 添加请求参数校验
场景：
每日凌晨批量刷新缓存，导致服务不可用。
解决方案： 1. 采用分批次更新策略 2. 设置新旧缓存过渡期 3. 增加缓存更新重试机制
监控体系：
压测策略：
架构设计：
graph TD
A[客户端] --> B[API网关]
B --> C{缓存层}
C -->|命中| D[返回数据]
C -->|未命中| E[限流队列]
E --> F[数据库]
F --> G[回填缓存]
缓存异常问题本质上是系统设计中的边界条件处理问题。理解三者的区别关键在于： - 缓存击穿关注热点数据失效 - 缓存穿透关注数据是否存在 - 缓存雪崩关注失效时间分布
在实际项目中，往往需要组合使用多种解决方案。建议开发者建立完整的缓存治理体系，包括预防、监控、应急三位一体的防护机制。 “`
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。