Redis中缓存的穿透，击穿，雪崩

1. 缓存穿透

现象： 指查询一个根本不存在的数据。缓存中没有，数据库中也没有。由于数据库里查不到，也就没法写回缓存，导致每次请求这个“不存在”的数据都要去冲击数据库。

• 诱因： 恶意攻击（故意查询不存在的 ID）或业务逻辑失误。
• 后果： 数据库压力激增，甚至崩溃。

解决方案：

• 布隆过滤器 (Bloom Filter)： 在缓存之前增加一个屏障，记录所有可能存在的 Key。如果布隆过滤器判断 Key 不存在，直接返回，不查询数据库。
• 缓存空对象： 如果数据库返回空，也把这个 null 结果写进缓存，但设置一个较短的过期时间（如 5 分钟），防止同一 Key 持续攻击。

---

2. 缓存击穿

现象： 指一个热点 Key（比如微博热搜、秒杀商品）在过期的瞬间，有海量请求同时涌入。

这个 Key 此时在缓存中失效了，所有请求会同时打到数据库去尝试加载数据并回写缓存。

• 特点： 针对“单一”热点数据。
• 后果： 数据库瞬时负载过高，甚至卡死。

解决方案：

• 设置逻辑过期： 不给 Key 设置物理过期时间，而在 Value 中存储一个过期字段。发现逻辑过期后，后台异步更新。
• 互斥锁 (Mutex Lock)： 只有获得锁的那个线程能去查数据库并写缓存，其他线程等待或重试，确保数据库只被查一次。

---

3. 缓存雪崩

现象： 指在同一时段，大量的缓存 Key 同时失效，或者 Redis 服务宕机。

原本由缓存承担的请求全部涌向数据库。

• 区别： 击穿是“点”，雪崩是“面”。
• 后果： 数据库发生连锁反应，整个系统直接瘫痪。

解决方案：

• 过期时间加随机偏移： 为每个 Key 的过期时间加上一个随机数（如 1-5 分钟），防止 Key 集体同时到期。
• 搭建高可用集群： 使用 Redis Sentinel（哨兵）或 Redis Cluster 避免单点故障。
• 熔断与限流： 如果数据库压力过大，直接触发熔断，返回友好提示，保护底层数据库不被压垮。

---

4.布隆过滤器

专门用于判断一个元素是否在一个集合中。用极小的内存，换取极快的查询速度，但是会牺牲一点准确性。

在解决缓存击穿的问题中，布隆过滤器位于请求到达Redis之前，对于key查得到就放行，否则直接返回

布隆过滤器的底层是一个 位数组（初始全为0） 和一组哈希函数。

写入过程：

1. 当一个 Key（如 user:123）进入时，会通过 k 个不同的哈希函数计算出 k 个哈希值。
2. 将位数组中这 k 个哈希值对应位置的 0 改为 1。

查询过程：

1. 对要查询的 Key 进行同样的 k 次哈希计算。
2. 查看位数组中对应的 k 个位置。
3. 结果判定：
   • 只要有任意一个位置是 0，说明该 Key 肯定没被存过
   • 如果所有位置都是 1，说明该 Key 可能被存过

import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import javax.annotation.PostConstruct;

@Service
public class BloomFilterService {

    @Autowired
    private RedissonClient redissonClient;

    private RBloomFilter<String> userBloomFilter;

    @PostConstruct
    public void init() {
        // 1. 获取布隆过滤器实例
        userBloomFilter = redissonClient.getBloomFilter("user-exists-filter");

        // 2. 初始化布隆过滤器
        // 参数1：预期插入量 (expectedInsertions)
        // 参数2：期望误判率 (falseProbability)，通常设为 0.01 或 0.03
        userBloomFilter.tryInit(1000000L, 0.03);
    }

    /**
     * 向布隆过滤器添加数据
     */
    public void addUserId(String userId) {
        userBloomFilter.add(userId);
    }

    /**
     * 判断数据是否存在
     */
    public boolean userIdExists(String userId) {
        return userBloomFilter.contains(userId);
    }
}

核心区别对比

问题	触发原因	涉及数据	重点对策
穿透	数据压根不存在	非法/不存在的数据	布隆过滤器、缓存空值
击穿	热点 Key 到期	单个极热点数据	互斥锁、逻辑不过期
雪崩	批量 Key 到期或服务掉线	广范围的数据	随机过期时间、高可用集群