Redis 与缓存 / 技术文章

Redis 缓存三大问题:穿透、击穿、雪崩

Redis 高可用缓存体系

穿透、击穿、雪崩是面试必背,但背过口诀的团队照样出事故。原因在于口诀只描述现象,不给出工程边界:空值缓存的 TTL 设多长?互斥锁拿不到时线程等多久?随机过期能不能防住 Redis 整体宕机?这篇文章把三个问题还原成同一个本质——请求没有被缓存层平稳吸收,压力在短时间内放大并传递给数据库——然后逐个给出带参数、带验证方法的方案。

先建立一个流量模型:假设某接口 QPS 10000,缓存命中率 99%,数据库只承受 100 QPS。任何让命中率瞬间跌落的事件——哪怕只跌到 90%——都会让数据库流量放大 10 倍。三大问题只是命中率跌落的三种不同触发方式。

1. 缓存穿透:查询不存在的数据

攻击者或异常客户端持续请求不存在的 ID(比如遍历负数 ID、随机 UUID),缓存永远不命中,数据库每次都要执行一次"确认不存在"的查询。特征是:缓存命中率正常,但空结果率飙升——这也是为什么只监控命中率会漏掉穿透。

治理按成本从低到高分四层:

  1. 入口校验:网关层校验参数格式与取值范围(ID 必须为正整数、长度固定),并对单客户端限频。能挡掉最粗糙的攻击。
  2. 空值缓存:对确认不存在的 key 写入短 TTL(30~120 秒)的空标记。TTL 太长会在数据"从无到有"时造成可见性延迟,太短则保护不足;按业务新增频率取值。注意空值也占内存,key 基数极大时要配合下一层。
  3. 布隆过滤器:把全量合法 ID 装入布隆过滤器,入口处快速判断"一定不存在"。要点:按预估元素数和目标误判率(通常 1%)计算位数组大小;数据新增时同步添加;布隆不支持删除,删除多的场景用布谷鸟过滤器或定期重建。
  4. 监控空结果率:为每个业务维度单独上报"查询不存在"的比例,超阈值告警——这是发现新型穿透的唯一手段。

布隆过滤器的语义是"可能存在 / 一定不存在"。它只能挡住不存在的 key,对"存在但缓存失效"的击穿无效。

2. 缓存击穿:单个热点 Key 失效

一个被上万 QPS 访问的热点 key 到达 TTL 过期瞬间,所有请求同时 miss、同时回源。数据库面对的不是普通流量,而是同一条查询的并发洪峰——连接池瞬间占满,其他业务被连坐。两种成熟方案,按一致性要求选择:

互斥重建:miss 后先抢分布式锁,抢到的线程回源重建,其余线程短暂等待后重读缓存。锁必须带租约(如 3 秒自动过期),释放时校验持有者标识,避免 A 的锁被超时后的 B 误删:

lua
-- 释放锁的 Lua 脚本:只有持有者能删
if redis.call('get', KEYS[1]) == ARGV[1] then
    return redis.call('del', KEYS[1])
else
    return 0
end

逻辑过期:物理上永不过期,value 里嵌一个逻辑过期时间。读到"逻辑已过期"的数据时,仅一个线程异步重建,其他线程直接返回旧值:

text
请求命中且逻辑未过期 -> 直接返回
命中但逻辑已过期     -> tryLock 成功者异步回源刷新
                     -> 其余线程返回旧值(可接受的短暂陈旧)

读多写少、允许秒级陈旧的场景(商品详情、榜单)用逻辑过期,延迟曲线最平稳;强一致场景(库存、余额)用互斥重建并接受等待。热点 key 还应在大促前预热——提前主动加载并延长 TTL,不给它过期的机会。

3. 缓存雪崩:大面积同时失效

雪崩有三种成因,"TTL 加随机值"只解决第一种:

成因 手段 目标
批量写入用了相同 TTL TTL 加 10%~20% 随机抖动;预热错峰 过期时间打散
Redis 节点/集群故障 主从 + 哨兵或 Cluster,故障自动转移演练过 缓存层本身高可用
发布/清空导致整体失效 双 buffer 切换、灰度失效,禁止 FLUSHALL 失效过程受控
(兜底)以上全部失守 应用层限流熔断 + 本地缓存 + 降级数据 保住数据库不崩

兜底层值得展开:数据库前放一道总闸限流(例如数据库最大承受 500 QPS,就在 DAO 层用信号量限制并发),超出的请求走降级——返回本地缓存的旧数据、静态兜底页或友好错误。核心思路是:宁可让 5% 的请求拿到降级结果,也不能让 100% 的请求把数据库压垮后全部失败。

4. 一致性:先更新数据库还是先删缓存

标准答案是 Cache Aside:先更新数据库,再删除缓存。删除失败的概率虽小但必须处理:把删除动作投递到消息队列做可靠重试,或订阅 binlog(Canal)异步补偿删除。极端并发下"读请求读到旧库数据后回填旧值"的窗口依然存在,对绝大多数业务这个窗口在毫秒级、可接受;确实敏感的场景用延迟双删(更新后延迟 500ms~1s 再删一次),延迟值必须用真实压测的主从延迟 + 读回填耗时校准,拍脑袋设置等于没设。

5. 可观测与演练

  • 命中率、空值命中率按业务 key 前缀分开统计,全局平均会掩盖单业务事故。
  • 上报回源 QPS、回源耗时 P99、单 key 重建并发数。
  • 用 redis-cli --hotkeys、监控平台找热 key 与 big key,热 key 考虑本地缓存或分片副本。
  • 把"Redis 主节点宕机 30 秒"纳入故障演练,验证限流熔断兜底真实生效——没演练过的兜底等于没有。

缓存治理的目标不是 100% 命中,而是让任何一种 miss——单 key、批量、整个缓存层——都不会演化成数据库事故。

目录与阅读设置

记录一个想法

Redis 缓存三大问题:穿透、击穿、雪崩

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通