Redis 作为高性能的内存数据库，广泛应用于缓存场景。然而，在实际使用中，可能会遇到三大经典问题：缓存穿透、缓存击穿 和 缓存雪崩。这些问题如果不加以解决，可能会导致系统性能下降甚至崩溃。

---

1. 缓存穿透

问题描述

缓存穿透是指查询一个不存在的数据，由于缓存中没有该数据，请求会直接落到数据库上。如果大量这样的请求同时发生，数据库可能会被压垮。

原因

• 请求的数据在缓存和数据库中都不存在。
• 恶意攻击者故意构造大量不存在的 key 进行请求。

解决方案

1. 布隆过滤器（Bloom Filter）：

   • 在缓存层之前加一层布隆过滤器，用于快速判断数据是否存在。
   • 如果布隆过滤器判断数据不存在，则直接返回，避免查询数据库。

2. 缓存空值：

   • 如果查询的数据不存在，将空值（如 null）缓存起来，并设置较短的过期时间。
   • 后续请求可以直接从缓存中获取空值，避免频繁查询数据库。

graph TD
    A[客户端请求] --> B{缓存中是否存在?}
    B -- 存在 --> C[返回缓存数据]
    B -- 不存在 --> D{布隆过滤器是否存在?}
    D -- 不存在 --> E[返回空值]
    D -- 存在 --> F[查询数据库]
    F -- 数据库中存在 --> G[返回数据并写入缓存]
    F -- 数据库中不存在 --> H[缓存空值并返回空值]

---

2. 缓存击穿

问题描述

缓存击穿是指某个热点 key 在缓存中过期，同时有大量请求访问该 key，导致请求直接落到数据库上，造成数据库压力骤增。

原因

• 热点 key 在缓存中过期。
• 大量请求同时访问该 key。

解决方案

1. 设置热点 key 永不过期：

   • 对于热点 key，可以设置永不过期，避免缓存失效。
   • 通过后台任务定期更新缓存。

2. 互斥锁（Mutex Lock）：

   • 当缓存失效时，使用分布式锁（如 Redis 的 SETNX）确保只有一个线程去查询数据库并更新缓存。
   • 其他线程等待缓存更新完成后，直接从缓存中获取数据。

graph TD
    A[客户端请求] --> B{缓存中是否存在?}
    B -- 存在 --> C[返回缓存数据]
    B -- 不存在 --> D{获取分布式锁}
    D -- 获取成功 --> E[查询数据库]
    E -- 数据库中存在 --> F[写入缓存并返回数据]
    E -- 数据库中不存在 --> G[缓存空值并返回空值]
    D -- 获取失败 --> H[等待并重试]

---

3. 缓存雪崩

问题描述

缓存雪崩是指大量缓存 key 在同一时间失效，导致大量请求直接落到数据库上，造成数据库压力骤增甚至崩溃。

原因

• 大量缓存 key 设置了相同的过期时间。
• 缓存服务器宕机。

解决方案

1. 设置随机过期时间：

   • 为缓存 key 设置随机的过期时间，避免大量 key 同时失效。

2. 缓存高可用：

   • 使用 Redis 集群或主从复制，确保缓存服务的高可用性。

3. 限流降级：

   • 在缓存失效时，使用限流策略（如令牌桶算法）限制请求量，避免数据库被压垮。

graph TD
    A[客户端请求] --> B{缓存中是否存在?}
    B -- 存在 --> C[返回缓存数据]
    B -- 不存在 --> D{是否达到限流阈值?}
    D -- 未达到 --> E[查询数据库]
    E -- 数据库中存在 --> F[写入缓存并返回数据]
    E -- 数据库中不存在 --> G[缓存空值并返回空值]
    D -- 达到 --> H[返回降级数据或错误信息]

---

总结

Redis 的三大问题（缓存穿透、缓存击穿、缓存雪崩）是实际开发中常见的挑战。通过合理的设计和优化，可以有效避免这些问题：

• 缓存穿透：使用布隆过滤器或缓存空值。
• 缓存击穿：设置热点 key 永不过期或使用互斥锁。
• 缓存雪崩：设置随机过期时间、缓存高可用和限流降级。