缓存击穿（Cache Breakdown）

概念原理

• 定义：某个 热点数据（高频访问的 Key） 在缓存中过期时，瞬间有大量并发请求涌入，直接穿透缓存访问数据库，导致数据库压力骤增。
• 核心原因：高并发场景下，热点数据缓存失效的瞬间，请求集中访问数据库。
• 本质问题：缓存失效时间的集中性与高并发请求的瞬时性冲突。

实际场景

• 电商秒杀：某商品参与限时秒杀活动，缓存设置为 10 分钟过期。活动开始后缓存突然失效，瞬间数万请求直接访问数据库查询库存。

---

代码实现（互斥锁方案）

public String getProduct(String productId) {
    String cacheKey = "product:" + productId;
    // 1. 从缓存获取数据
    String product = redisTemplate.opsForValue().get(cacheKey);
    if (product != null) {
        return product;
    }
    
    // 2. 缓存未命中，尝试获取分布式锁
    String lockKey = "lock:product:" + productId;
    boolean locked = redisTemplate.opsForValue().setIfAbsent(
        lockKey, "locked", 30, TimeUnit.SECONDS
    );
    
    try {
        if (locked) {
            // 3. 获取锁成功，查询数据库
            product = productService.getById(productId);
            // 4. 回写缓存并设置过期时间
            redisTemplate.opsForValue().set(cacheKey, product, 1, TimeUnit.HOURS);
        } else {
            // 5. 未获取锁，等待后重试（避免循环等待需设置最大重试次数）
            Thread.sleep(100);
            return getProduct(productId); // 递归重试
        }
    } finally {
        // 6. 释放锁
        if (locked) {
            redisTemplate.delete(lockKey);
        }
    }
    return product;
}

关键点：

• 使用 setIfAbsent 实现分布式锁，避免多个线程同时重建缓存。
• 锁需设置超时时间（如 30 秒），防止死锁。
• 未获取锁的线程需等待后重试（或返回默认值）。

---

缓存雪崩（Cache Avalanche）

概念原理

• 定义：大量缓存数据 在同一时间过期，导致所有请求直接访问数据库，引发数据库崩溃。
• 核心原因：缓存过期时间设置过于集中。
• 本质问题：缓存失效的“雪崩效应”导致数据库瞬时压力过大。

实际场景

• 电商大促：所有商品缓存设置为凌晨 0 点过期，导致瞬时大量商品详情查询请求直接压垮数据库。

---

代码实现（随机过期时间）

public void setProductCache(String productId, Product product) {
    String cacheKey = "product:" + productId;
    // 基础过期时间 + 随机偏移量（0~300秒）
    int baseExpire = 3600; // 1小时
    int randomExpire = new Random().nextInt(300); 
    redisTemplate.opsForValue().set(
        cacheKey, 
        product, 
        baseExpire + randomExpire, 
        TimeUnit.SECONDS
    );
}

// 查询时统一使用随机过期时间
public Product getProduct(String productId) {
    String cacheKey = "product:" + productId;
    Product product = redisTemplate.opsForValue().get(cacheKey);
    if (product == null) {
        product = productService.getById(productId);
        setProductCache(productId, product); // 设置缓存时添加随机过期时间
    }
    return product;
}

关键点：

• 在基础过期时间上添加随机偏移量（如 0~300 秒），分散缓存过期时间。
• 结合 Redis 集群部署，提升缓存层的高可用性。

---

缓存穿透（Cache Penetration）

概念原理

• 定义：大量请求查询 数据库中不存在的数据，缓存无法命中，导致请求直接穿透到数据库。
• 核心原因：恶意攻击或业务逻辑漏洞（如查询无效 ID）。
• 本质问题：缓存层和数据库层均无法拦截无效请求。

实际场景

• 恶意爬虫攻击：攻击者批量请求 -1、0 或超大数值的用户 ID，绕过缓存直接查询数据库。

---

代码实现（布隆过滤器 + 空值缓存）

// 使用 Guava 布隆过滤器（初始化时预热合法ID）
private BloomFilter<String> bloomFilter = BloomFilter.create(
    Funnels.stringFunnel(StandardCharsets.UTF_8), 1000000, 0.01
);

public User getUser(String userId) {
    // 1. 布隆过滤器拦截非法请求
    if (!bloomFilter.mightContain(userId)) {
        return null;
    }
    
    String cacheKey = "user:" + userId;
    User user = redisTemplate.opsForValue().get(cacheKey);
    if (user != null) {
        return "NULL".equals(user) ? null : user;
    }
    
    // 2. 查询数据库
    user = userService.getById(userId);
    if (user == null) {
        // 3. 缓存空值（防止反复穿透）
        redisTemplate.opsForValue().set(cacheKey, "NULL", 5, TimeUnit.MINUTES);
        return null;
    }
    
    // 4. 回写缓存
    redisTemplate.opsForValue().set(cacheKey, user, 1, TimeUnit.HOURS);
    return user;
}

关键点：

• 布隆过滤器初始化时需预热合法 ID（如从数据库加载）。
• 缓存空值（如 "NULL"）并设置短过期时间（如 5 分钟）。
• 布隆过滤器存在误判率（可配置 0.01），但不会漏判。

---

总结对比

问题类型	触发条件	解决方案	核心实现技术
击穿	热点Key过期 + 高并发	互斥锁、逻辑过期	分布式锁（SETNX）、异步重建
穿透	查询不存在的数据	布隆过滤器、空值缓存	Bloom Filter、NULL占位
雪崩	大量Key同时过期	随机过期时间、集群容灾	过期时间随机化、Redis集群

注意事项：

1. 布隆过滤器需要预热数据，适用于静态数据（如商品ID列表）。
2. 互斥锁需设置合理的锁超时时间，避免锁过期后业务线程仍在执行。
3. 空值缓存的过期时间不宜过长，防止内存浪费。