Redis 缓存三大经典问题实战:穿透、击穿与雪崩的工程解法
Redis 缓存三大经典问题实战:穿透、击穿与雪崩的工程解法
缓存出故障时,报出来的现象往往只有一句「数据库压力突然上来了」。要定位到底是穿透、击穿还是雪崩,得先看请求的特征:查了什么、命中率怎么变、过期时间是不是撞在一起。这三种问题的表现相似,解法却完全不同,混着用只会让架构越来越复杂。
一、三者的区别必须分清楚
- 缓存穿透:查询的 key 在数据库里根本不存在。缓存永远不命中,每次请求都落到数据库,攻击者用一个不存在的 ID 反复刷就能把库打挂。
- 缓存击穿:某个热点 key 恰好在高并发瞬间过期。所有请求同时发现缓存没了,一起去查库并回写,形成一个瞬时尖峰。
- 缓存雪崩:大量 key 在同一时刻过期(比如批量预热时统一设了 1 小时),或者缓存服务整体不可用,压力全部转移到数据库。
穿透是「请求本身有问题」,击穿是「单个 key 的时序问题」,雪崩是「过期时间分布问题」。先归类,再选方案。
二、穿透:让不存在的数据也留下痕迹
最直接的做法是空值缓存:查库为空时,仍然往缓存写一个占位值,过期时间设短一些(比如 60 秒),避免长期占用内存掩盖真实的写入。
def get_user(uid):
key = f"user:{uid}"
val = redis.get(key)
if val is not None:
return None if val == "__NULL__" else json.loads(val)
row = db.query_user(uid)
if row is None:
redis.setex(key, 60, "__NULL__")
return None
redis.setex(key, 3600, json.dumps(row))
return row
空值缓存防不住「每次换一个不存在的 ID」的扫描式攻击,因为 key 本身在变。这种场景加一层布隆过滤器:把全量合法 ID 预加载进去,请求先过过滤器,判定不存在就直接返回,压根不查库。布隆过滤器的代价是误判率(判定存在但实际不存在)和无法删除元素,所以更适合 ID 集合稳定、只增不改的业务,比如用户表、商品表。
三、击穿:热点 key 用互斥锁或逻辑过期
热点 key 过期瞬间,避免所有请求同时查库的手段是「只放一个进去」:
def get_hot(key):
val = redis.get(key)
if val:
return json.loads(val)
lock = redis.set(f"lock:{key}", "1", nx=True, ex=10)
if lock:
try:
row = db.query(key)
redis.setex(key, 1800, json.dumps(row))
return row
finally:
redis.delete(f"lock:{key}")
time.sleep(0.05)
return get_hot(key) # 简单重试,生产环境要限制重试次数
互斥锁的缺点是等待方要轮询,热点 key 的 QPS 很高时锁本身会成为瓶颈。另一种思路是逻辑过期:缓存里存的值带上一个逻辑过期时间,永远不物理过期。发现逻辑过期后,返回旧值的同时异步起一个线程去刷新。这样所有请求都能立刻拿到数据,只有刷新线程去查库,代价是短暂的数据不一致。
选择标准很简单:能接受短暂脏读就用逻辑过期,不能接受就用互斥锁。
四、雪崩:把过期时间打散
批量预热缓存时,别用统一的 TTL:
base_ttl = 3600
jitter = random.randint(0, 600)
redis.setex(key, base_ttl + jitter, value)
600 秒的抖动就足以把过期时刻摊平到一个时间窗内,代价是需要接受缓存新鲜度的波动。
更彻底的方案是多级缓存:本地缓存(进程内,比如 Python 的 cachetools)挡住绝大部分读请求,Redis 只作为第二层。Redis 整体挂掉时,本地缓存还能撑一段时间,给主从切换留出窗口。要注意本地缓存的一致性问题——发布配置变更时需要主动失效,或者把 TTL 设得很短(几秒)。
另外两个工程细节:
- 熔断与降级:Redis 不可用时,读请求走降级逻辑(返回默认值或读库限流),不要让异常直接穿透到数据库。
- 预热脚本:大促前把热点数据提前加载,避免活动开始瞬间集中回源。
五、压测怎么验证有效
光改代码不验证等于没改。可以用一个简单脚本并发打同一个已删除的 key,观察数据库 QPS:
- 未加空值缓存时,数据库 QPS 与压测并发数线性增长;
- 加了空值缓存后,数据库 QPS 应该降到接近零,只有缓存命中;
- 击穿场景可以手动
DEL热点 key,在并发的瞬间抓数据库连接的峰值,加了互斥锁后峰值应该稳定在 1 次查询。
监控上加两个指标:缓存命中率(低于 90% 就要查是不是被穿透)和每次回源的耗时(回源变慢通常意味着数据库已经在排队)。
六、可以照抄的骨架
按下面的顺序加固,每一步都能独立生效:
- 所有缓存写入都带随机抖动;
- 查询为空时写 60 秒的空值占位;
- ID 类查询前置布隆过滤器;
- 热点 key 用互斥锁或逻辑过期;
- 加一层短 TTL 的本地缓存兜底;
- 监控命中率与回源耗时,配置 Redis 不可用时的降级开关。
缓存策略没有银弹,关键是先看清故障属于哪一类,再用最小改动覆盖它。把三者混在一起堆方案,最后只会得到一套没人敢改的缓存层。
- 点赞
- 收藏
- 关注作者
评论(0)