Redis 缓存三大经典问题实战:穿透、击穿与雪崩的工程解法

举报
yd_257742204 发表于 2026/11/14 06:05:23 2026/11/14
【摘要】 穿透、击穿、雪崩三种缓存故障的表现相似但解法不同:空值缓存与布隆过滤器、互斥锁与逻辑过期、TTL 抖动与多级缓存,附 Python 实现与压测验证方法。

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:

  1. 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。
  2. 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:

  1. 所有缓存写入都带随机抖动;
  2. 查询为空时写 60 秒的空值占位;
  3. ID 类查询前置布隆过滤器;
  4. 热点 key 用互斥锁或逻辑过期;
  5. 加一层短 TTL 的本地缓存兜底;
  6. 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。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。