一、缓存穿透（Cache Penetration）

问题本质

请求的数据在 缓存和数据库都不存在，大量无效请求绕过缓存直接访问数据库。

核心场景

• 恶意攻击（如爬虫高频请求无效 ID）。
• 业务误操作（如错误参数或未初始化数据）。

风险点

数据库可能被无效请求压垮。

解决方案

1. 布隆过滤器（Bloom Filter）

在缓存前加一层布隆过滤器，快速判断数据是否存在。

优点：内存占用极低，判断速度快。

缺点：存在误判率（可通过调整哈希函数和位数组大小优化）。

实现示例：python

2.缓存空值（Cache Null）

即使数据库无数据，也缓存空值（如 key:null），并设置较短过期时间（如 1-5 分钟）。

注意：需定期清理无效空值，避免长期占用内存。

3.请求拦截

对参数合法性校验（如 ID 必须为数字、长度限制等）。

结合业务规则过滤明显非法请求（如黑名单 IP）。

二、缓存击穿（Cache Breakdown）

问题本质

热点数据突然过期，大量并发请求直接穿透到数据库。

核心场景

• 明星八卦、秒杀商品等瞬时热点数据。
• 缓存过期后，突发高并发查询。

风险点

数据库因突发流量崩溃。

解决方案

1. 互斥锁（Mutex Lock）

当缓存失效时，通过分布式锁（如 Redis 的 SETNX）控制仅一个线程查询数据库，其他线程等待后重试。

实现示例：java

2.逻辑过期时间

缓存永不过期，但存储数据时附加一个逻辑过期时间字段。

后台线程异步检测并更新过期数据。

3.缓存预热（Cache Warm-Up）

在高峰前提前加载热点数据到缓存（如大促前加载秒杀商品）。

结合监控系统识别热点数据（如统计访问频次）。

三、缓存雪崩（Cache Avalanche）

问题本质

大量缓存同时失效 或 Redis 服务宕机，导致所有请求直达数据库。

核心场景

• 缓存设置相同过期时间（如默认 TTL=24h）。
• Redis 主节点故障（如网络分区、硬件故障）。

风险点

数据库被海量请求直接击溃。

解决方案

1. 分散过期时间

在基础 TTL 上增加随机值（如 TTL = base_time + random(0, 300s)）。

示例代码：python

2.高可用架构

Redis 集群：分片存储数据，避免单点故障。

主从复制 + 哨兵模式：自动故障转移，保障服务可用性。

多级缓存：结合本地缓存（如 Caffeine）+ Redis，降低 Redis 压力。

3.服务降级与熔断

当检测到缓存失效时，启用降级策略（如返回默认值、限流排队）。

使用熔断框架（如 Hystrix、Sentinel）保护数据库。

四、总结与对比

五、实战建议

1. 监控与告警

监控缓存命中率、数据库 QPS，设置阈值告警。

2. 压测与预案

定期模拟高并发场景，验证降级策略和熔断机制。

3. 代码防御

在数据访问层统一封装缓存逻辑，避免裸调数据库。

通过合理设计缓存策略和兜底机制，可显著提升系统的抗压能力和稳定性。