如何解决Redis缓存中的雪崩、击穿和穿透问题？

题目

如何解决Redis缓存中的雪崩、击穿和穿透问题？

信息

• 类型：问答
• 难度：⭐⭐

考点

缓存雪崩,缓存击穿,缓存穿透,Redis高可用设计

快速回答

解决Redis三大缓存问题的核心方案：

• 缓存雪崩：过期时间随机化 + Redis集群高可用
• 缓存击穿：互斥锁（Mutex Lock）或逻辑过期
• 缓存穿透：布隆过滤器（Bloom Filter） + 空值缓存

所有方案需配合数据库限流降级策略。

解析

1. 问题原理说明

• 缓存雪崩：大量缓存同时过期，导致请求直接打到数据库
• 缓存击穿：热点Key突然失效，高并发请求穿透到数据库
• 缓存穿透：查询不存在的数据（如id=-1），绕过缓存直接访问数据库

2. 解决方案与代码示例

缓存雪崩解决方案

// 设置缓存时添加随机过期时间（基础值+随机偏移）
int baseExpire = 3600; // 基础过期时间1小时
int randomExpire = new Random().nextInt(300); // 0-5分钟随机偏移
redis.set("key", "value", "EX", baseExpire + randomExpire);

高可用设计：Redis Cluster分片 + Sentinel哨兵机制，确保单点故障时自动切换。

缓存击穿解决方案（互斥锁示例）

public String getData(String key) {
    String data = redis.get(key);
    if (data == null) {
        if (redis.setnx("lock:" + key, "1")) { // 获取分布式锁
            redis.expire("lock:" + key, 10); // 设置锁超时
            data = db.query(key);             // 查数据库
            redis.set(key, data, "EX", 60);
            redis.del("lock:" + key);         // 释放锁
        } else {
            Thread.sleep(100);               // 等待重试
            return getData(key);             // 递归重试
        }
    }
    return data;
}

缓存穿透解决方案（布隆过滤器）

# 初始化布隆过滤器（需第三方库如RedisBloom）
redis.execute_command("BF.RESERVE", "user_filter", 0.01, 1000000)

# 数据库数据预热到布隆过滤器
for id in db.query("SELECT id FROM users"):
    redis.execute_command("BF.ADD", "user_filter", id)

# 查询流程
def get_user(user_id):
    if not redis.execute_command("BF.EXISTS", "user_filter", user_id):
        return None  # 直接拦截非法请求
    # ...正常缓存查询逻辑...

3. 最佳实践

• 雪崩预防：过期时间分散 + 永不过期热点数据 + 服务熔断（如Hystrix）
• 击穿优化：双重检查锁 + 锁超时时间控制（避免死锁）
• 穿透防御：接口层参数校验 + 布隆过滤器内存优化（错误率0.1%时每元素约1.2字节）

4. 常见错误

• 未设置锁超时导致死锁
• 布隆过滤器未预热数据
• 过度依赖缓存未设计数据库降级
• 随机过期时间范围不合理（如100万数据仅设置±10秒偏移）

5. 扩展知识

• 布隆过滤器原理：多个哈希函数映射位数组，存在假阳性（false positive）但无假阴性
• Redis模块：RedisBloom官方模块提供生产级布隆过滤器
• 熔断框架：Sentinel或Hystrix实现请求限流，数据库QPS超过阈值时直接返回默认值
• 监控指标：缓存命中率（Redis info keyspace_hits）、穿透请求量（DB查询计数）