redis缓存穿透缓存击穿缓存雪崩

Redis缓存穿透缓存击穿缓存雪崩：面试高频三连杀

很多面试鸭的朋友在准备Redis相关面试题时，经常被这三个概念绕晕：“缓存穿透”、“缓存击穿”、“缓存雪崩”。这三个问题都是Redis作为缓存层时可能遇到的异常场景，如果不处理好，分分钟让你的应用挂掉。今天咱们就用程序员之间唠嗑的方式，掰扯清楚它们到底是啥、怎么发生的、以及怎么防！

2025年Java面试宝典抢先看！
链接: https://pan.baidu.com/s/1RUVf75gmDVsg8MQp4yRChg?pwd=9b3g
提取码: 9b3g （建议及时保存，资料持续更新中）

缓存穿透：查了个寂寞

想象一下这个场景：用户疯狂请求一个数据库里根本不存在的数据。比如请求用户ID为 -1（或者一些非常离谱、不可能存在的ID）的用户信息。

发生过程：
1. 请求先打到Redis缓存，Redis一看，这key我没存过，返回空。
2. 请求接着打到数据库，数据库也查了一圈，毛都没有！
3. 结果就是：这次请求白白浪费了资源，Redis没起到缓存作用，数据库压力徒增。
4. 更可怕的是，如果攻击者构造大量这种根本不存在的key来疯狂请求，数据库分分钟被压垮！这就是缓存穿透。
面试官灵魂拷问： 怎么防缓存穿透？
- 布隆过滤器（Bloom Filter）: 在Redis前面加个布隆过滤器。系统启动时把数据库里已有的合法key加载进去。请求来了，先问布隆过滤器：这个key存在不？如果布隆说“不存在”，直接返回错误，别往后走了。虽然布隆过滤器有极小的误判率（可能把存在的说成不存在，但绝对不会把不存在的说成存在），这点代价可以接受。缓存穿透用它防贼好使。
- 缓存空对象: 就算数据库查不到，也在Redis里给这个key设置一个很短过期时间的空值（比如 null）。下次同样的key再来，Redis就能返回空值，挡住这次查询，避免穿透到数据库。注意要设置过期时间，防止无效数据占用太多内存。

缓存击穿：热点数据突然消失

这个场景针对的是某一个特别热点的key。比如某明星的微博数据缓存，或者一个秒杀商品的信息。

发生过程：
1. 这个热点key原本在Redis里好好的，扛着巨大的访问量。
2. 突然！这个key过期了（或者被主动删除了）。
3. 就在这一刻，海量的请求发现Redis里这个key没了，所有请求像洪水一样涌向数据库去查这个数据。
4. 数据库瞬间被打爆！这就是缓存击穿。它就像电路里的保险丝烧断了，所有电流都想通过，结果把后面的设备烧了。
面试官灵魂拷问： 怎么防缓存击穿？
- 互斥锁（Mutex Key）: 当第一个发现缓存失效的请求去查数据库时，先在Redis里设一个锁（比如 SETNX lock_key 1 EX 10）。其他请求发现缓存失效后，看到有锁存在，就等待一会儿（比如sleep几毫秒）再去读缓存。等第一个请求查完数据库，把数据塞回Redis，再删掉锁。这样后面的请求就能从缓存取到数据了。关键是锁的过期时间要设好。
- “永不过期” + 异步更新: 对这个热点key，设置缓存逻辑上永不过期（比如不设过期时间）。然后后台启一个定时任务或利用Redis的发布订阅，异步去更新这个缓存的值。这样用户请求永远能拿到数据（可能是稍微旧一点的），避免了因为过期瞬间导致的海量数据库查询。当然，数据一致性要求极高的场景慎用。

缓存雪崩：一大片缓存集体失效

想象一下，冬天房顶的积雪，一块掉下来没事，如果一大片一起塌下来... 缓存雪崩就是这个感觉。

发生过程：
1. 系统里一大批缓存的key（数量巨大）在差不多同一时间失效了（比如很多key设置了相同的过期时间）。
2. 这一刻，原本访问这些缓存的海量请求，瞬间全部涌向了数据库。
3. 数据库的CPU、内存、连接数等资源瞬间被耗尽，导致整个系统崩溃。这就是缓存雪崩。它比击穿更恐怖，失效的不是一个点，而是一片！
面试官灵魂拷问： 怎么防缓存雪崩？
- 过期时间随机化: 给不同的key设置缓存过期时间时，不要都设成一样的。在基础过期时间上加一个随机值（比如30分钟基础过期时间 + 随机0-10分钟）。这样能保证缓存不会在同一时间大面积失效。
- 服务降级与熔断: 引入Hystrix、Sentinel等框架。当检测到数据库访问量激增或响应时间过长时，自动触发熔断机制，快速失败返回降级内容（如友好提示页、默认值），保护数据库不被压垮。等数据库压力恢复，再慢慢恢复服务。
- Redis高可用: 搭建Redis集群（主从复制、Sentinel哨兵、Redis Cluster），确保单点故障时服务能自动切换，避免整个缓存层挂掉导致雪崩。但即使集群，大面积缓存同时失效问题依然存在，所以还是要结合过期时间随机化使用。
- 多级缓存: 在Redis前面再加一层本地缓存（如Ehcache, Guava Cache）。即使Redis挂了或者大面积缓存失效，部分请求还能被本地缓存拦截住一部分流量，减轻数据库压力。缓存雪崩发生时，多级缓存能起到缓冲作用。