【JAVA架构师成长之路】【Redis】第14集：Redis缓存穿透原理、规避、解决方案

30分钟自学教程：Redis缓存穿透原理与解决方案

目标

理解缓存穿透的成因及危害。
掌握布隆过滤器、空值缓存等核心防御技术。
能够通过代码实现请求拦截与缓存保护。
学会限流降级、异步加载等应急方案。

教程内容

0~2分钟：缓存穿透的定义与核心原因

定义：恶意或异常请求频繁访问数据库中不存在的数据，绕过缓存直接冲击数据库。
典型场景：
- 攻击者伪造大量非法ID（如负数、超长字符串）。
- 业务未对查询参数校验，或未缓存空结果。
危害：
- 数据库压力激增，甚至宕机。
- 正常服务被恶意请求拖垮。

2~5分钟：代码模拟穿透场景（Java示例）

// 未做防护的查询方法（模拟穿透问题）  
public Product getProduct(String id) {  
    String key = "product:" + id;  
    Product product = redisTemplate.opsForValue().get(key);  
    if (product == null) {  
        // 直接查询数据库（未缓存空值）  
        product = productService.loadFromDB(id);  
        if (product != null) {  
            redisTemplate.opsForValue().set(key, product, 1, TimeUnit.HOURS);  
        }  
    }  
    return product; // 恶意请求会反复查询数据库  
}

验证问题：

使用JMeter发送100次id=-1的请求，观察数据库查询次数是否为100次（穿透发生）。

5~12分钟：解决方案1——布隆过滤器（Bloom Filter）

原理：基于位数组和哈希函数，快速判断数据是否可能存在于数据库，拦截非法请求。
代码实现（Redisson布隆过滤器）：

// 初始化布隆过滤器并预热合法数据  
public class BloomFilterInit {  
    private RBloomFilter<String> bloomFilter;  

    @PostConstruct  
    public void init() {  
        bloomFilter = redissonClient.getBloomFilter("product_bloom");  
        bloomFilter.tryInit(100000L, 0.01); // 容量10万，误判率1%  
        List<String> validIds = productService.getAllValidIds();  
        validIds.forEach(bloomFilter::add);  
    }  
}  

// 查询时拦截非法请求  
public Product getProductWithBloomFilter(String id) {  
    if (!bloomFilter.contains(id)) {  
        return null; // 直接拦截  
    }  
    // 正常查询逻辑...  
}

注意事项：
- 误判率需根据业务容忍度调整（如0.1%更严格，但占用更多内存）。
- 需定期同步布隆过滤器与数据库的合法数据（如定时任务）。

12~20分钟：解决方案2——空值缓存（Cache Null）

原理：即使数据库不存在该数据，也缓存空值（如“NULL”），避免重复穿透。
代码实现：

public Product getProductWithNullCache(String id) {  
    String key = "product:" + id;  
    Product product = redisTemplate.opsForValue().get(key);  
    if (product == null) {  
        product = productService.loadFromDB(id);  
        if (product == null) {  
            // 缓存空值，5分钟过期  
            redisTemplate.opsForValue().set(key, "NULL", 5, TimeUnit.MINUTES);  
            return null;  
        }  
        redisTemplate.opsForValue().set(key, product, 1, TimeUnit.HOURS);  
    } else if ("NULL".equals(product)) {  
        return null; // 直接返回空结果  
    }  
    return product;  
}

优化点：
- 空值过期时间不宜过长（避免存储大量无效Key）。
- 可结合布隆过滤器，减少空值缓存的数量。

20~25分钟：解决方案3——请求参数校验

原理：在业务层拦截非法参数（如非数字ID、越界值）。
代码实现（Spring Boot参数校验）：

public Product getProduct(@PathVariable String id) {  
    // 校验ID格式（仅允许数字）  
    if (!id.matches("\\d+")) {  
        throw new IllegalArgumentException("非法ID格式");  
    }  
    // 校验ID范围（如大于0）  
    long numericId = Long.parseLong(id);  
    if (numericId <= 0) {  
        throw new IllegalArgumentException("ID必须为正数");  
    }  
    // 正常查询逻辑...  
}

扩展：
- 使用Hibernate Validator实现注解式校验（如@Min(1)）。

25~28分钟：应急处理方案

限流降级（Guava RateLimiter）：

private RateLimiter rateLimiter = RateLimiter.create(100); // 每秒100个请求  

public Product getProduct(String id) {  
    if (!rateLimiter.tryAcquire()) {  
        throw new RuntimeException("请求过于频繁，请稍后重试");  
    }  
    // 正常查询逻辑...  
}

异步加载（CompletableFuture）：

public Product getProductAsync(String id) {  
    String key = "product:" + id;  
    Product product = redisTemplate.opsForValue().get(key);  
    if (product == null) {  
        CompletableFuture.runAsync(() -> {  
            Product dbProduct = productService.loadFromDB(id);  
            if (dbProduct != null) {  
                redisTemplate.opsForValue().set(key, dbProduct, 1, TimeUnit.HOURS);  
            }  
        });  
    }  
    return product; // 可能返回空，但避免阻塞请求  
}