Redis缓存穿透、缓存击穿与雪崩防护及性能优化实战指南

Redis缓存穿透、缓存击穿与雪崩防护及性能优化实战指南

在高并发场景中，Redis 作为缓存层可以显著提升系统性能，但也容易出现缓存穿透、缓存击穿和缓存雪崩等问题。本文结合生产环境实战经验，分享完整的防护方案与性能优化方法，提供可运行的代码示例，帮助后端开发者构建高可用、高性能的缓存架构。

目录

• 业务场景描述
• 技术选型过程
• 实现方案详解
  • 缓存穿透防护：布隆过滤器
  • 缓存击穿防护：互斥锁 & 双写模式
  • 缓存雪崩防护：TTL 随机化 & 限流降级
  • 性能优化技巧
• 踩过的坑与解决方案
• 总结与最佳实践

---

一、业务场景描述

某电商系统秒杀服务，核心商品库存信息存储在 MySQL 中。活动期间，瞬时并发请求可达万级，若所有请求直击数据库将导致 DB 崩溃。

• 请求量：峰值 10,000 QPS
• 数据热点：少量商品、库存实时变化
• 系统要求：99% 响应时延 < 50ms

为了满足性能和高可用，缓存层使用 Redis，缓存 key 为 stock:{productId}，value 为剩余库存。缓存策略必须防止恶意或异常请求穿透，同时保证缓存失效后快速恢复，并避免短时间内大量失效导致的雪崩。

二、技术选型过程

1. 缓存穿透防护

   • 方案1：参数校验 + 布隆过滤器
   • 方案2：黑名单 + SQL 缓存
   • 选型：使用布隆过滤器------能够在缓存前有效过滤不存在的 key，内存开销低，误判率可控。

2. 缓存击穿防护

   • 方案1：互斥锁（分布式锁）
   • 方案2：永不过期的热点缓存
   • 方案3：双写模式（缓存和 DB 同步更新）
   • 选型：互斥锁 + 双写模式：互斥锁保证单线程重建缓存，双写模式则保证 DB 更新及时推送到缓存。

3. 缓存雪崩防护

   • 方案1：统一 TTL 设置 + 随机化过期时间
   • 方案2：服务降级 + 请求限流
   • 选型：TTL 随机化 + 限流降级：TTL 随机化分散失效压力，限流降级保障核心链路可用。

三、实现方案详解

1. 缓存穿透防护：布隆过滤器

利用布隆过滤器快速判断 key 是否存在，拦截掉大部分无效请求。可选开源实现：Google Guava 或 RedisBloom。

Java 示例（Guava）：

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

// 初始化布隆过滤器，预计 1M 元素，误判率 0.01
BloomFilter<Long> bloomFilter = BloomFilter.create(Funnels.longFunnel(), 1_000_000, 0.01);
// 系统启动时将所有有效 productId 添加到过滤器
List<Long> allIds = productService.fetchAllProductIds();
for (Long id : allIds) {
    bloomFilter.put(id);
}

public String handleRequest(Long productId) {
    if (!bloomFilter.mightContain(productId)) {
        return error("商品不存在");
    }
    // 继续读取缓存或 DB
}

如果使用 RedisBloom：

# 安装模块并开启
MODULE LOAD /path/to/redisbloom.so

BF.RESERVE bf:product 0.01 1000000
BF.ADD bf:product 1001
BF.EXISTS bf:product 1002  # 返回 0 或 1

2. 缓存击穿防护：互斥锁 & 双写模式

1. 分布式锁（Redisson 实现）：

# application.yml
spring:
  redis:
    host: redis-cluster.example.com
    port: 6379
    password: yourPassword

Config config = new Config();
config.useClusterServers().addNodeAddress("redis://redis1:6379","redis://redis2:6379");
RedissonClient redisson = Redisson.create(config);

public String getStock(Long productId) {
    String key = "stock:" + productId;
    String val = redisClient.get(key);
    if (val != null) {
        return val;
    }
    RLock lock = redisson.getLock("lock:stock:" + productId);
    boolean acquired = lock.tryLock(500, 10000, TimeUnit.MILLISECONDS);
    if (!acquired) {
        // 直接返回默认或降级数据
        return getStockFromDB(productId);
    }
    try {
        // double-check
        val = redisClient.get(key);
        if (val != null) return val;
        // 从 DB 读取并写入缓存
        int stock = productService.queryStockFromDb(productId);
        redisClient.set(key, String.valueOf(stock), 60, TimeUnit.SECONDS);
        return String.valueOf(stock);
    } finally {
        lock.unlock();
    }
}

2. 双写模式

• 在业务更新库存时同时更新缓存：

@Transactional
public void deductStock(Long productId, int amount) {
    productMapper.updateStock(productId, amount);
    // 写 DB 后更新缓存
    int newStock = productService.queryStockFromDb(productId);
    redisClient.set("stock:"+productId, String.valueOf(newStock), 60, TimeUnit.SECONDS);
}

3. 缓存雪崩防护：TTL 随机化 & 限流降级

1. TTL 随机化

long baseTtl = 60; // 基础过期时间
long random = ThreadLocalRandom.current().nextLong(0, 30);
redisClient.set(key, value, baseTtl + random, TimeUnit.SECONDS);

2. 限流降级

• 前端或网关限流保障核心链路
• Spring Cloud Gateway 配置示例：

spring:
  cloud:
    gateway:
      routes:
      - id: seckill_route
        uri: lb://seckill-service
        predicates:
        - Path=/seckill/**
        filters:
        - name: RequestRateLimiter
          args:
            redis-rate-limiter.replenishRate: 1000
            redis-rate-limiter.burstCapacity: 200

4. 性能优化技巧

• 使用管道（Pipeline）或批量操作减少 RTT。
• 客户端连接池配置：

GenericObjectPoolConfig poolConfig = new GenericObjectPoolConfig();
poolConfig.setMaxTotal(50);
poolConfig.setMaxIdle(10);
poolConfig.setMinIdle(5);
JedisPool jedisPool = new JedisPool(poolConfig, "redis-host", 6379, 2000, "pwd");

• 监控指标：使用 Prometheus + Grafana 监控 used_memory_rss、instantaneous_ops_per_sec 等。

四、踩过的坑与解决方案

1. 布隆过滤器误判率配置过高，导致大量合法请求被拦截

   • 解决：增大过滤器容量或降低误判率参数，线上定期全量重建。

2. 分布式锁释放异常未解锁，造成请求雪崩

   • 解决：使用 Redisson 自带锁，设置 leaseTime 自动过期，避免死锁。

3. TTL 随机化不够，仍有热点失效同时触发

   • 解决：将随机区间扩大至基础 TTL 的 50% ~ 150%，并结合限流。

4. Lua 脚本执行阻塞 Redis 主线程

   • 解决：把脚本优化为无阻塞、逻辑简洁的原子操作，或使用 Redis 集群隔离压力。

五、总结与最佳实践

• 前置过滤（布隆过滤器）能够高效拦截非法请求，减少后端压力。
• 互斥锁 + 双写模式确保缓存击穿时只有一个线程回源并快速恢复缓存。
• TTL 随机化与限流降级结合使用，避免缓存雪崩并保证核心链路可用。
• 结合监控与告警体系，持续观察缓存命中率/Redis 关键指标，及时调整参数。
• 在大并发场景下，Redis 操作请尽量使用 pipeline、批量或 Lua 脚本保证原子性。

至此，完整的 Redis 高可用缓存防护与性能优化实战方案分享完毕，欢迎在生产环境中实践并持续改进。

---

作者：匿名