Redis 缓存穿透、击穿、雪崩的区别与解决方案
先把三个词分开
值班的时候听人报”缓存雪崩了”,问下去八成是别的问题。这三个词描述的是三种不同的故障,位置不一样,治法也不一样,混着说得不出正确结论。
拿一条最普通的查询走一遍:请求带 id 进来,先查 Redis,miss 了查数据库,查到再回填。三种故障就卡在这条路上的不同环节。
| 场景 | 数据库里有这条数据吗 | 当时 Redis 里有吗 | 长什么样 |
|---|---|---|---|
| 穿透 | 没有 | 也不会有 | 有人拿 id=-1 这种值反复刷接口 |
| 击穿 | 有 | 刚好过期,而且是个热点 key | 秒杀开始那一刻,缓存同时到期 |
| 雪崩 | 有 | 一大批 key 一起没了 | 凌晨跑完预热脚本,第二天同一时刻集体过期 |
一句话区分:数据本来就没有是穿透,只有一个 key 没了是击穿,一片 key 没了是雪崩。听起来简单,但排障时先确认自己是哪一种,能省掉一半试错。
穿透:查的东西压根不存在
数据库里没这条记录,缓存里自然也永远不会写进去。于是每次请求都穿过缓存落到数据库上,一个普通的 selectById 变成每秒钟几千次的空查询。正常业务不会这么干,做这种事的基本是脚本:遍历自增 id、扫已删除的订单号,目的就是把你数据库拖慢。
缓存空值,注意别存太久
最省事的办法是查完发现没有,也往 Redis 里写个空标记:
public Product getProduct(long id) {
String key = "product:" + id;
String value = redisTemplate.opsForValue().get(key);
if (value != null) {
return value.isEmpty() ? null : JSON.parseObject(value, Product.class);
}
Product product = productMapper.selectById(id);
if (product == null) {
// 空值只挡一分钟,够挡住刷接口的脚本了
redisTemplate.opsForValue().set(key, "", 60, TimeUnit.SECONDS);
return null;
}
redisTemplate.opsForValue().set(key, JSON.toJSONString(product), 30, TimeUnit.MINUTES);
return product;
}
坑在过期时间上。空值的 TTL 一定要比正常数据短一个量级,我见过有人图省事统一设成 24 小时,结果商品重新上架以后,用户一整天看到的都是”商品不存在”,最后靠手工删 key 才恢复。
布隆过滤器,以及它不能删元素这件事
数据量大、被刷的 id 毫无规律时,缓存一堆空值反而把 Redis 内存占掉不少。这时候在缓存前面加一道布隆过滤器,把库里存在的 id 全量放进去,请求进来先问一句:
RBloomFilter<Long> bloomFilter = redissonClient.getBloomFilter("product:bloom");
// 100 万容量,1% 误判率,占内存大概 1.2MB
bloomFilter.tryInit(1_000_000L, 0.01);
public Product getProductWithBloom(long id) {
if (!bloomFilter.contains(id)) {
return null;
}
return getProduct(id);
}
它的特性得说清楚:说不存在就一定不存在,说存在可能错(1% 的误判只是多查一次库,不影响正确性)。另一个问题是标准布隆过滤器删不掉元素,商品下架了你也没法把它从过滤器里拿掉。所以要么接受这点误差,等误判率上去了重建过滤器;要么换布谷鸟过滤器,它支持删除,代价是内存占用高一些。
我的做法是两个一起上:布隆挡掉绝大部分乱刷的 id,空值兜住剩下那些误判和漏网的。用户量不大的系统,只上缓存空值也够。
击穿:一个热点 key 过期的那几毫秒
秒杀商品的缓存到期了。这一刻起,几千个并发同时发现 Redis 是空的,同时去查同一条 SQL。数据库扛平时那种量没问题,扛不住这种同 key 的并发瞬间放大几十倍。
互斥锁重建,两个地方最容易写错
思路很直接,只放一个人去查库,其他人等结果:
public Product getProductWithLock(long id) {
String key = "product:" + id;
String value = redisTemplate.opsForValue().get(key);
if (value != null) {
return JSON.parseObject(value, Product.class);
}
String lockKey = "lock:product:" + id;
String requestId = UUID.randomUUID().toString();
boolean locked = redisTemplate.opsForValue()
.setIfAbsent(lockKey, requestId, 10, TimeUnit.SECONDS);
if (!locked) {
// 没抢到锁,等持有者回填,最多重试几次就放弃
for (int i = 0; i < 5; i++) {
sleep(50);
value = redisTemplate.opsForValue().get(key);
if (value != null) {
return JSON.parseObject(value, Product.class);
}
}
return null;
}
try {
value = redisTemplate.opsForValue().get(key);
if (value != null) {
return JSON.parseObject(value, Product.class);
}
Product product = productMapper.selectById(id);
if (product != null) {
redisTemplate.opsForValue().set(key, JSON.toJSONString(product), 30, TimeUnit.MINUTES);
}
return product;
} finally {
// 只删自己那把锁
String script = """
if redis.call('get', KEYS[1]) == ARGV[1] then
return redis.call('del', KEYS[1])
else
return 0
end
""";
redisTemplate.execute(new DefaultRedisScript<>(script, Long.class),
List.of(lockKey), requestId);
}
}
两个细节。第一,拿到锁之后要再读一次缓存,不能想当然认为拿锁的一定是第一个查库的人,你在排队的那几十毫秒里前一个持锁者可能已经回填完了。第二,释放锁要校验 requestId,还得用 Lua 把判断和删除合成一个原子操作。不校验的话,业务执行超过 10 秒锁自动过期,B 拿到新锁,A 执行完回来把 B 的锁删了,锁就形同虚设。
项目里已经有 Redisson 的话,直接用 RLock 就行,lock.lock(10, TimeUnit.SECONDS) 加 unlock 比自己拼这套省心很多。再极端的场景,比如首页大促坑位,锁也不够用,因为等锁同样是等待。这时用逻辑过期:key 不设 TTL,值里带一个过期时间字段,读到发现逻辑过期了,返回旧值的同时异步去重建。用户永远不用等,代价是这几十毫秒里读到的是旧数据,对大促坑位完全可以接受。
雪崩:一堆 key 一起过期
这个最常见的触发方式特别朴素,跟攻击无关,是自己埋的:运营凌晨一点跑预热脚本,把十万个商品塞进缓存,统一 expire 86400。第二天凌晨一点,这十万个 key 在同一秒失效。
抖动那一行代码
int baseTtl = 30;
int jitter = ThreadLocalRandom.current().nextInt(0, 10);
redisTemplate.opsForValue().set(key, JSON.toJSONString(product),
baseTtl + jitter, TimeUnit.MINUTES);
十分钟的抖动,把十万个 key 的失效时间摊开成一到十一分钟之间的均匀分布,数据库看到的就是一条缓坡而不是一根针。改动一行,效果比后面所有方案都直接,凡是写缓存的地方我都建议加上。
本地缓存能帮一点,但别指望太多
Redis 大面积失效的时候,加一层 Caffeine 确实能挡一阵:
LoadingCache<String, Product> localCache = Caffeine.newBuilder()
.maximumSize(10_000)
.expireAfterWrite(Duration.ofMinutes(5))
.build(key -> queryFromRedisOrDb(key));
问题在于多副本部署,每台机器的本地缓存内容不一样,命中率不稳定,而且数据一致性要靠短 TTL 或者广播失效消息来保证。它适合读多写少的配置类数据、字典类数据,拿来当热点商品的兜底要谨慎。
真正扛不住的是数据库
如果雪崩的成因是 Redis 整个实例挂了,应用层做什么都没意义。这时候全靠架构层:主从加哨兵,或者直接 Cluster,至少不能让单机故障变成全站故障。
但更现实的情况是 Redis 没挂,数据库先挂。所以数据库入口那一层要有熔断和限流,Sentinel 或者 Resilience4j 都行。宁可让一部分请求快速返回降级页面,也不能让连接池被打满。数据库一旦被打死,重启加恢复的时间是以十分钟计的,Redis 重启是秒级。两者损失的差距,做容量规划的时候一定要算清楚。
我的落地顺序
按成本从低到高排,不要一上来就搞布隆过滤器。
先加过期时间抖动,再给不存在的 key 缓存短时空值。这两个改动小、风险低,能把线上八成相关问题挡掉。
然后针对确认的热点 key 上互斥锁,热点 key 不用猜,看 Redis 的 hotkeys 或者访问日志里出现频次最高的那几个就够。真到了等锁也不行的程度,再改逻辑过期。
最后是压测。把 Redis 清空或者停掉,看数据库能撑多久,这个数字比任何方案文档都有用。我们上次压测就发现,缓存全失效时数据库大概撑四十秒就连接超时了,于是熔断阈值直接按四十秒来定,而不是拍脑袋写个 1000 QPS。
补一句我自己的看法:这三个问题看着是缓存的问题,根子都在数据库的承压能力上。缓存只是把请求拦在了前面,它一旦失效,你数据库的真实水平就暴露出来了。所以方案之外,索引、慢查询、连接池这些基本功还是得做。