​.NET 实战：Redis 缓存穿透、击穿与雪崩的原理剖析与解决方案

在 .NET 高并发系统中，Redis 作为核心缓存层，一旦出现“穿透、击穿、雪崩”，数据库将瞬间承受巨大压力，严重时甚至会导致整个服务雪崩。本文将深入剖析三者原理，并给出可直接落地的 .NET 解决方案。

一、缓存穿透

1. 原理

客户端请求的数据，缓存里没有，数据库里也没有。每次请求都会绕过缓存，直达数据库。恶意攻击者可通过构造大量不存在的 key，使数据库压力剧增。

请求 --> 缓存(Miss) --> 数据库(无记录) --> 返回空 (下次同样请求仍会重复上述路径)

2. 解决方案

A. 缓存空值

查询数据库发现数据不存在时，也在 Redis 中缓存一个短过期时间的空对象（或特殊标记）。下次相同请求直接命中空缓存，不再访问数据库。

.NET 实现示例(StackExchange.Redis)：

publicasyncTask<Product?>GetProductAsync(intid){vardb=_redis.GetDatabase();stringkey=$"product:{id}";varcached=awaitdb.StringGetAsync(key);if(cached.HasValue){// 若为特殊空标记，直接返回nullif(cached=="NULL")returnnull;returnJsonSerializer.Deserialize<Product>(cached!);}// 查询数据库varproduct=await_dbContext.Products.FindAsync(id);if(product==null){// 缓存空值，过期时间短，防止占用内存awaitdb.StringSetAsync(key,"NULL",TimeSpan.FromMinutes(1));returnnull;}// 正常缓存awaitdb.StringSetAsync(key,JsonSerializer.Serialize(product),TimeSpan.FromMinutes(10));returnproduct;}

B. 布隆过滤器

在缓存之前加一层布隆过滤器，它用极小的内存判断一个 key一定不存在或可能存在。所有合法的 key（如所有商品 ID）提前加载到布隆过滤器，请求先通过过滤器，若判断不存在则直接拒绝，不访问缓存和数据库。

.NET 使用 BloomFilter 示例（借助StackExchange.Redis的布隆模块或本地内存过滤器）:

// 使用内存布隆过滤器（适合单机或预热到Redis）varfilter=newBloomFilter(1000000,0.01);// 预计100万数据，1%误判率// 初始化：加载所有合法keyforeach(varidinallProductIds)filter.Add(id);publicasyncTask<Product?>GetWithBloomAsync(intid){if(!filter.Contains(id))returnnull;// 直接返回，不查库// 正常走缓存+数据库逻辑returnawaitGetProductAsync(id);}

布隆过滤器可基于 Redis 的BF.ADD/BF.EXISTS命令（需安装 RedisBloom 模块），或使用BitMap自行实现。

二、缓存击穿

1. 原理

某个热点 key 在过期的一瞬间，大量并发请求同时穿透缓存，直接打到数据库。例如秒杀商品的缓存刚过期，瞬间涌入上万请求重建缓存，数据库极易被压垮。

时间线： T1: 热点key过期 T2: 大量请求同时发现缓存Miss -> 全部查询数据库

2. 解决方案

核心思想：避免让大量线程同时执行数据库查询与缓存重建。

A. 互斥锁（SetNX）

第一个线程获取分布式锁，负责查库并重建缓存；其他线程等待锁释放后，直接从缓存读取。

publicasyncTask<Product?>GetProductWithLockAsync(intid){vardb=_redis.GetDatabase();stringkey=$"product:{id}";stringlockKey=$"lock:product:{id}";vartoken=Guid.NewGuid().ToString();varcached=awaitdb.StringGetAsync(key);if(cached.HasValue)returncached=="NULL"?null:JsonSerializer.Deserialize<Product>(cached!);// 尝试获取分布式锁if(awaitdb.LockTakeAsync(lockKey,token,TimeSpan.FromSeconds(10))){try{// 双重检查，可能其他线程已经重建cached=awaitdb.StringGetAsync(key);if(cached.HasValue)returncached=="NULL"?null:JsonSerializer.Deserialize<Product>(cached!);varproduct=await_dbContext.Products.FindAsync(id);if(product==null){awaitdb.StringSetAsync(key,"NULL",TimeSpan.FromMinutes(1));returnnull;}awaitdb.StringSetAsync(key,JsonSerializer.Serialize(product),TimeSpan.FromMinutes(10));returnproduct;}finally{awaitdb.LockReleaseAsync(lockKey,token);}}else{// 未获取到锁，等待后重试awaitTask.Delay(50);returnawaitGetProductWithLockAsync(id);// 递归重试（可限制次数）}}

B. 逻辑过期（永不过期 + 异步重建）

缓存本身不设过期时间，在 value 中额外存储一个逻辑过期时间。读取时若发现逻辑过期，先返回旧值，然后开一个后台任务去更新缓存，避免阻塞请求。

publicclassProductCacheData{publicProductData{get;set;}publicDateTimeExpireTime{get;set;}}publicasyncTask<Product?>GetProductLogicalExpireAsync(intid){vardb=_redis.GetDatabase();stringkey=$"product:{id}";varjson=awaitdb.StringGetAsync(key);if(json.IsNullOrEmpty)returnnull;varcacheData=JsonSerializer.Deserialize<ProductCacheData>(json!);// 逻辑未过期，直接返回if(cacheData.ExpireTime>DateTime.Now)returncacheData.Data;// 逻辑过期，尝试获取锁stringlockKey=$"lock:product:{id}";vartoken=Guid.NewGuid().ToString();if(awaitdb.LockTakeAsync(lockKey,token,TimeSpan.FromSeconds(10))){try{// 异步重建缓存，不阻塞当前请求_=Task.Run(async()=>{varproduct=await_dbContext.Products.FindAsync(id);varnewData=newProductCacheData{Data=product,ExpireTime=DateTime.Now.AddMinutes(10)};awaitdb.StringSetAsync(key,JsonSerializer.Serialize(newData));});}finally{awaitdb.LockReleaseAsync(lockKey,token);}}// 无论是否获得锁，都返回旧数据（可能略微过时，但保证可用）returncacheData.Data;}

三、缓存雪崩

1. 原理

大量缓存在同一时刻失效，或者 Redis 节点宕机，导致巨量请求直接冲向数据库，就像雪崩一样瞬间冲垮系统。

场景：

• 批量 key 设置了相同的过期时间，在某个时间点共同过期。
• Redis 集群大面积故障，缓存服务完全不可用。

2. 解决方案

A. 过期时间加随机因子

在基础过期时间上叠加一个随机值，避免大量 key 同时过期。

varbaseExpire=TimeSpan.FromMinutes(10);varrandom=newRandom();varactualExpire=baseExpire+TimeSpan.FromSeconds(random.Next(0,300));// 加0~5分钟awaitdb.StringSetAsync(key,value,actualExpire);

B. 多级缓存 + 限流降级

设置本地内存缓存（如IMemoryCache）作为一级缓冲，Redis 为二级缓存。即使 Redis 故障，本地缓存仍能挡掉部分请求。同时接入熔断降级框架（如 Polly），当数据库压力过大时，直接返回降级数据或限流。

// Polly + 本地缓存降级示例varfallbackPolicy=Policy<Product?>.Handle<Exception>().FallbackAsync(asyncct=>{// 尝试从本地内存缓存获取if(_memoryCache.TryGetValue(key,outProductlocalProduct))returnlocalProduct;returnnull;// 或返回兜底数据});varproduct=awaitfallbackPolicy.ExecuteAsync(async()=>{returnawaitGetFromRedisOrDbAsync(id);});

C. Redis 高可用架构

• 使用 Redis 哨兵 / 集群模式。
• 主从 + 自动故障转移，避免单点故障。
• 对于关键数据，采用持久化（RDB/AOF）确保快速恢复。

四、总结与最佳实践

.NET 实战组合建议：

1. 所有缓存写入统一封装，自动添加随机过期时间。
2. 对已知的合法 ID 集合构建布隆过滤器，入口处拦截非法请求。
3. 热点数据采用“逻辑过期 + 互斥锁”方案，保证高可用。
4. 结合Polly实现熔断、降级、重试策略，形成纵深防御。
5. 监控 Redis 和数据库的 QPS、延迟，设置告警阈值。

通过上述方案，.NET 应用能够在面对 Redis 三大缓存经典问题时，保持系统稳定与高可用，有效保护后端数据库。