1. 概述
在高并发系统中，缓存是提升性能、降低数据库压力的重要组件。然而，在实际应用中，缓存可能会遇到三种典型问题：缓存穿透、缓存击穿和缓存雪崩。这些问题如果不加以妥善处理，可能会导致数据库负载激增，甚至影响整个系统的稳定性。本文将详细介绍这三种问题的区别，并探讨相应的解决方案。
2. 什么是缓存穿透、缓存击穿和缓存雪崩？
2.1 缓存穿透（Cache Penetration）
现象：指的是缓存和数据库中都没有的数据，但却被大量请求访问，导致请求直接落到数据库上，增加数据库的压力。
速记口诀：恶意请求绕过缓存，访问数据库中不存在的数据，导致数据库负载增加。
2.2 缓存击穿（Cache Breakdown）
现象：某个热点数据在缓存中过期的瞬间，刚好有大量请求同时到达，此时所有请求都会直接访问数据库，可能会导致数据库压力激增。
速记口诀：缓存数据突然失效，大量请求瞬间涌向数据库。
2.3 缓存雪崩（Cache Avalanche）
现象：大量缓存在同一时间过期，使得所有原本应命中缓存的请求都直接访问数据库，造成数据库负载飙升，甚至引发全局性故障。
速记口诀：大量缓存同时失效，流量直击数据库，引发系统风险。
3. 解决方案
3.1 缓存穿透解决方案
方案 1：使用布隆过滤器（Bloom Filter）
- 在缓存层引入布隆过滤器，提前存储可能存在的数据标识，对于不存在的数据，直接拦截请求，避免打到数据库。
方案 2：缓存空值
- 针对数据库和缓存均不存在的数据，可以在缓存中存储一个短时间有效的空值（如
5 分钟），减少对数据库的冲击。
3.2 缓存击穿解决方案
方案 1：设置热点数据永不过期
- 对于高频访问的热点数据，可以设置永不过期，确保缓存始终存在，避免瞬间失效造成数据库负载激增。
方案 2：互斥锁机制
- 在缓存数据为空时，采用互斥锁（如
setnx方式），确保只有一个请求能查询数据库并更新缓存，其他请求需等待或短暂休眠后重试。
public static String getProductDescById(String id) {String desc = redis.get(id);if (desc == null) {if (redis.setnx("lock_id", 1, 60) == 1) {try {desc = getFromDB(id);redis.set(id, desc, 60 * 60 * 24);} catch (Exception ex) {LogHelper.error(ex);} finally {redis.del("lock_id");return desc;}} else {Thread.sleep(200);return getProductDescById(id);}}return desc;
}
3.3 缓存雪崩解决方案
方案 1：设置缓存过期时间随机化
- 避免大量缓存同时过期，可以在设定缓存时增加一个随机波动值。例如，原定
10 分钟过期的缓存，可以随机增加1~3 分钟，使过期时间分布在7~13 分钟之间。
redis.set(id, value, 60 * 60 + Math.random() * 1000);
方案 2：热点数据分片存储
- 通过分布式缓存架构（如 Redis Cluster），将不同热点数据分布存储在不同的节点/机房，防止单点故障引发缓存雪崩。
方案 3：双层缓存机制（A/B 缓存）
- 维护两层缓存：A 缓存（正常过期） 和 B 缓存（不过期）。当
A缓存失效时，读取B缓存，并异步更新**A**缓存，确保数据一致性。
4. 总结
| 问题 | 定义 | 触发条件 | 影响 | 解决方案 |
|---|---|---|---|---|
| 缓存穿透 | 访问数据库中不存在的数据，导致所有请求直接打到数据库 | 缓存和数据库都无数据 | 数据库负载增加 | 布隆过滤器、缓存空值 |
| 缓存击穿 | 热点数据过期的瞬间，大量请求同时访问数据库 | 高并发下，某个热点数据突然失效 | 数据库瞬时压力飙升 | 设置永不过期、互斥锁机制 |
| 缓存雪崩 | 大量缓存数据同时过期，导致数据库负载剧增 | 大量缓存数据设定相同的过期时间 | 可能影响整个系统 | 随机化过期时间、热点数据分片、双层缓存 |
缓存作为高并发架构中的重要组成部分，合理的缓存设计可以极大提升系统的性能，降低数据库负载。然而，面对缓存穿透、缓存击穿和缓存雪崩等问题，我们需要根据具体场景采取相应的防范措施，确保系统的稳定性和可靠性。
