Redis缓存三大问题详解：击穿、穿透与雪崩的解决方案
在使用 Redis 作为缓存层时，我们经常会遇到三个经典问题：缓存击穿、缓存穿透和缓存雪崩。这些问题可能导致系统性能下降甚至崩溃，本文将详细介绍这三个问题的原因和解决方案。
一、🎯 缓存击穿
问题描述：某个热点 key 在缓存中过期的瞬间，大量请求同时访问数据库，造成数据库压力骤增。
解决方案：
1.1 设置热点永不过期
案例代码：
// 对于热点数据，可以不设置过期时间 redisTemplate.opsForValue().set("hot_data", data);1.2 互斥锁机制
使用互斥锁防止多个线程同时访问数据库。
案例代码：
public String getDataWithMutex(String key) { String value = redisTemplate.opsForValue().get(key); if (value == null) { // 获取分布式锁 Boolean lock = redisTemplate.opsForValue() .setIfAbsent("lock:" + key, "1", Duration.ofSeconds(10)); if (lock) { try { // 查询数据库 value = queryFromDatabase(key); // 写入缓存 redisTemplate.opsForValue().set(key, value, Duration.ofMinutes(5)); } finally { // 释放锁 redisTemplate.delete("lock:" + key); } } else { // 等待其他线程加载完成 Thread.sleep(100); return getDataWithMutex(key); } } return value; }1.3 接口限流与熔断
重要接口设置限流策略，防止恶意刷接口，同时进行熔断处理
二、🔍 缓存穿透
问题描述：查询一个不存在的数据，缓存和数据库都查不到，每次请求都会打到数据库，浪费系统资源。
解决方案：
2.1 接口层增加校验
如用户鉴权校验，id做基础校验，id<=0的直接拦截
2.2 缓存空值
对于缓存和数据库中都没有的数据，将key-value对写为key-null，设置短期有效时间
代码如下：
public String getDataWithNullCache(String key) { String value = redisTemplate.opsForValue().get(key); if (value == null) { // 查询数据库 value = queryFromDatabase(key); if (value == null) { // 缓存空值，设置较短过期时间 redisTemplate.opsForValue().set(key, "", Duration.ofMinutes(1)); return null; } else { // 缓存真实数据 redisTemplate.opsForValue().set(key, value, Duration.ofMinutes(10)); } } else if (value.isEmpty()) { // 缓存的空值 return null; } return value; }2.3 布隆过滤器
使用布隆过滤器快速判断数据是否存在于缓存中，避免频繁访问数据库。
什么是布隆过滤器？
------------布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。以Redis中的布隆过滤器实现为例，Redis中的布隆过滤器底层是一个大型位数组（二进制数组）+多个无偏hash函数。在布隆过滤器增加元素之前，首先需要初始化布隆过滤器的空间，也就是上面说的二进制数组，除此之外还需要计算无偏hash函数的个数。隆过滤器提供了两个参数，分别是预计加入元素的大小n，运行的错误率f。布隆过滤器中有算法根据这两个参数会计算出二进制数组的大小l，以及无偏hash函数的个数k。布隆过滤器支持增加和查询，不支持删除和修改。 关系就是：错误率越低，位数组越长，控件占用较大；错误率越低，无偏hash函数越多，计算耗时较长
案例代码：
@Component public class BloomFilterService { private final RedisTemplate<String, Object> redisTemplate; // 添加数据到布隆过滤器 public void addToBloomFilter(String key) { redisTemplate.opsForValue().setBit("bloom:user", hash(key), true); } // 检查数据是否存在 public boolean mightContain(String key) { long hash1 = hash(key); long hash2 = hash2(key); for (int i = 0; i < 3; i++) { long combinedHash = hash1 + i * hash2; if (!redisTemplate.opsForValue().getBit("bloom:user", combinedHash)) { return false; } } return true; } private long hash(String key) { return key.hashCode() & Integer.MAX_VALUE; } private long hash2(String key) { return (key.hashCode() >> 16) & Integer.MAX_VALUE; } }布隆过滤器的其他典型应用
- 网页URL去重：爬虫系统中判断网页是否已抓取
- 垃圾邮件过滤：判断邮件地址是否为垃圾邮件发送者
- 数据库查询优化：避免查询不存在的数据记录
- 推荐系统：过滤用户已看过的内容
三、❄️ 缓存雪崩
问题描述：大量缓存 key 在同一时间过期，导致大量请求直接打到数据库，造成数据库瞬时压力过大。
解决方案：
3.1 过期时间随机化
避免大量数据同时过期
public void setCacheWithRandomExpire(String key, Object value) { // 基础过期时间 + 随机时间 int baseExpire = 300; // 5分钟 int randomExpire = new Random().nextInt(600); // 0-10分钟随机 redisTemplate.opsForValue().set( key, value, Duration.ofSeconds(baseExpire + randomExpire) ); }3.2 构建高可靠集群
通过主从节点方式构建Redis缓存高可靠集群，避免单点故障。
3.3 服务降级与限流
在缓存雪崩发生时，启动请求限流机制，减少数据库压力
@Component public class CacheProtectionAspect { private final RateLimiter rateLimiter = RateLimiter.create(1000); // 限流1000QPS @Around("@annotation(com.example.annotation.CacheProtected)") public Object protectCacheAccess(ProceedingJoinPoint joinPoint) throws Throwable { if (!rateLimiter.tryAcquire()) { // 限流触发，返回默认值或抛出异常 throw new RuntimeException("系统繁忙，请稍后重试"); } try { return joinPoint.proceed(); } catch (Exception e) { // 降级处理 return getDefaultFallbackValue(); } } private Object getDefaultFallbackValue() { // 返回默认值或从备用数据源获取 return "default_value"; } }总结缓存击穿、穿透和雪崩的区别可从下图看出：
redis缓存击穿、穿透、雪崩的了解就到这里了，这部分内容在软考中也可能会被考到。