Redis 的缓存穿透、缓存击穿和缓存雪崩是什么？如何解决？

在使用 Redis 等缓存系统时，可能会遇到三种常见的缓存问题：缓存穿透 、缓存击穿 和 缓存雪崩。这些问题通常会导致系统性能下降，甚至系统崩溃，因此需要合理设计和解决。以下是这三种问题的详细介绍及解决方案。

1. 缓存穿透 (Cache Penetration)

定义：

缓存穿透是指查询请求的数据在缓存中找不到，同时又因为某些原因查询数据库，导致每次请求都查询数据库，绕过了缓存机制。通常这种情况发生在以下几种场景：

• 请求的参数错误：请求的数据从来没有被缓存过，或者数据本身是不存在的。
• 恶意攻击：攻击者不断发起请求，查询不存在的数据，导致每次都访问数据库。

后果：

• 每个请求都会访问数据库，严重影响数据库性能。
• 增加了不必要的数据库负载，导致数据库瓶颈。

解决方案：

1. 设置空值缓存：

   • 对于不存在的数据，可以将 null 或空对象缓存到 Redis 中，设置一个较短的缓存时间。这样后续对于相同的请求，会直接从缓存中返回空值，避免了每次都查询数据库。

   • 示例：

     // 设定不存在的数据缓存 null 值，避免每次都查询数据库
     if (data == null) {
         redisTemplate.opsForValue().set(key, "NULL", 5, TimeUnit.MINUTES);
     } else {
         redisTemplate.opsForValue().set(key, data);
     }

2. 请求参数校验：

   • 对于查询参数进行合理校验，避免恶意请求造成的缓存穿透。例如，检查请求参数的合法性，如 ID 是否存在、格式是否正确等。

3. 布隆过滤器 (Bloom Filter)：

   • 布隆过滤器是一种高效的判断某个元素是否存在于集合中的数据结构。通过布隆过滤器，在查询之前先进行一次快速的判断，如果数据不存在，就直接返回，不会去访问数据库。

   • 示例：在请求到达缓存之前，先使用布隆过滤器判断该数据是否存在，若不存在则直接返回。

     if (!bloomFilter.contains(key)) {
         return null;  // 数据不存在，直接返回
     }

2. 缓存击穿 (Cache Breakdown)

定义：

缓存击穿指的是某个热点数据的缓存失效时，恰好有多个请求同时到达，这些请求会同时查询数据库，造成数据库压力瞬间增大，甚至崩溃。

• 比如，在某个特定时间点，缓存中的某个热点数据刚好过期，多个请求同时到达时会同时查询数据库，导致缓存失效后瞬间发起大量数据库查询。

后果：

• 短时间内大量的数据库请求可能导致数据库压力骤增，可能会导致数据库的崩溃或性能下降。

解决方案：

1. 互斥锁 (Mutex Lock)：

   • 对于热点数据，设置一个互斥锁机制，只有第一个请求能够查询数据库并重建缓存，其他请求会等待第一个请求完成，避免多个请求同时访问数据库。

   • 示例：

     String lockKey = "lock:" + key;
     if (redisTemplate.opsForValue().setIfAbsent(lockKey, "locked", 5, TimeUnit.SECONDS)) {
         // 第一个请求，访问数据库并重建缓存
         String data = fetchDataFromDB(key);
         redisTemplate.opsForValue().set(key, data);
     } else {
         // 其他请求，等待缓存重新加载
         Thread.sleep(50);
         return redisTemplate.opsForValue().get(key);
     }

2. 缓存延迟更新 (Lazy Loading)：

   • 只在缓存失效时，懒加载数据并且设置短暂的缓存过期时间，避免缓存被并发击穿。

3. 设置合理的缓存过期时间 (TTL)：

   • 不要让热点数据的缓存时间过长或过短，可以通过合理的策略控制数据的缓存时间，避免缓存击穿的问题。

3. 缓存雪崩 (Cache Avalanche)

定义：

缓存雪崩是指缓存中大量的热点数据在同一时间过期，导致大量请求同时访问数据库。由于缓存的失效集中在某个时刻，导致短时间内数据库请求激增，可能造成数据库崩溃。

后果：

• 短时间内大量并发请求直接访问数据库，导致数据库崩溃或性能大幅下降。
• 系统的稳定性和可用性受到严重影响。

解决方案：

1. 设置不同的缓存过期时间 (TTL)：

   • 为不同的数据设置不同的过期时间，避免所有数据在同一时刻过期。例如，可以给热点数据设置较长的过期时间，给冷门数据设置较短的过期时间，避免缓存大规模的同时过期。

   • 示例：

     // 随机增加缓存过期时间，防止缓存同时失效
     int randomTTL = new Random().nextInt(300) + 60;  // 随机过期时间 60-360 秒
     redisTemplate.opsForValue().set(key, value, randomTTL, TimeUnit.SECONDS);

2. 缓存预热 (Cache Warming)：

   • 在系统启动或数据库中数据有变动时，提前将一些常用的数据加载到缓存中，避免在高并发访问时数据库压力过大。

3. 使用本地缓存和 Redis 缓存结合：

   • 将热点数据缓存在本地（如使用 Guava 缓存），并通过异步方式更新本地缓存和 Redis 缓存，减少对 Redis 的依赖，从而分散压力。

4. 异步更新缓存：

   • 在数据发生变动时，采用异步更新缓存的方式，避免由于缓存更新导致的数据库压力过大。可以使用队列机制，延迟一段时间后更新缓存。

总结

• 缓存穿透 是指查询请求的数据在缓存中找不到并直接查询数据库，可以通过设置空值缓存、布隆过滤器等方式解决。
• 缓存击穿 是指缓存中热点数据失效时，多个请求并发查询数据库，可以通过互斥锁、缓存延迟更新等方式解决。
• 缓存雪崩 是指大量缓存数据在同一时间过期，导致数据库负载过重，可以通过不同缓存过期时间、缓存预热等策略避免。

合理设计缓存策略，及时发现并解决这些问题，对于提升系统性能、确保系统稳定性至关重要。