Redis 常被放在数据库前面做缓存:先查缓存,没找到再查数据库,然后把结果写回缓存。这个模式很简单,但它会遇到三类名字相近的问题:缓存穿透、缓存击穿和缓存雪崩。

它们的共同现象都是“请求最终压到了数据库”,根因却不同。先把三者分清,排查和选择方案才不会跑偏。

三句话先区分

  • 缓存穿透:请求的对象本来就不存在,缓存和数据库都查不到。
  • 缓存击穿:某个很热门的对象刚好过期,大量请求同时去数据库重建它。
  • 缓存雪崩:大量缓存键在相近时间一起失效,数据库同时接住一大批回源请求。

可以把缓存想成图书馆前台:穿透是所有人都来问一本根本不存在的书;击穿是一本热门书的索引卡刚失效,许多人同时跑去库房;雪崩则是整排索引卡同时失效。

1. 缓存穿透:查询一个不存在的 ID

例如接口不断收到 /users/999999999,而这个用户根本不存在。若每次缓存未命中后都查数据库,就算数据库返回“无数据”,下次仍会继续查。

常见处理方式是把“查不到”的结果也短时间缓存:

1
2
3
4
缓存未命中
-> 查询数据库
-> 找到:缓存真实对象
-> 未找到:缓存空值,并设置较短 TTL

短 TTL 很重要:它既能阻止重复回源,也不会让以后新创建的数据长期被当作不存在。对于明显异常的参数,还可在入口做格式校验;对于恶意或高频请求,还需要配合限流、鉴权等边界防护。

Redis 的 EXPIRE 可为键设置 TTL,时间到达后键会被自动删除;可通过 TTL 查看剩余有效期。具体语义应以 Redis EXPIRE 文档 和 TTL 文档 为准。

2. 缓存击穿:一个热点键同时过期

假设首页推荐列表只有一个缓存键,平时大量请求都命中它。该键过期的一瞬间,数百个并发请求都发现“缓存为空”,于是同时查询数据库并回写。这不是缓存不存在,而是一个热点键的重建被并发放大。

最常见的应对是“只允许一个请求重建”:

1
2
3
4
缓存未命中
-> 尝试获得重建锁
-> 获得锁:查数据库并回填缓存
-> 未获得锁:短暂等待后再次读取缓存

锁可以用 Redis 实现,但不能只写“加锁”两个字:需要设置合理的过期时间,避免执行异常后锁永久存在;释放时也要确认锁仍属于自己。热点数据还可以在即将过期前异步刷新,或在允许短暂旧数据的业务中使用逻辑过期。

这里的关键不是“永不过期”。永不过期会带来数据陈旧和内存增长问题。应先确认页面能容忍多长时间的旧数据,再选择刷新策略。

3. 缓存雪崩:很多键一起过期

如果批量导入的数据都设置成 30 分钟过期,30 分钟后大量键可能集中失效。再叠加 Redis 不可用、网络异常或代码发布导致的缓存清空,回源请求会同时涌向数据库,这就是缓存雪崩。

实用的第一步是给过期时间加随机抖动:

1
实际 TTL = 基础 TTL + 0 到 N 秒的随机值

这样相同批次的键不会在同一秒全部失效。除此之外,还应准备:

  • 数据库连接池、限流和熔断,避免回源流量继续扩大;
  • Redis 高可用与监控,及时发现命中率突降、内存压力和连接异常;
  • 对重要热点做预热,避免发布后全部依赖第一次请求回填。

Redis 官方的 Cache Aside 指南 也将“热门键到期时避免大量请求冲击数据库”列为缓存方案需要处理的问题。内存达到限制时的淘汰策略是另一回事,可参阅 Key eviction 文档;不要把“键过期”和“内存淘汰”当作同一个机制。

容易误解的地方

空值缓存不是万能的。 它适合降低重复查询不存在对象的成本,但不能代替输入校验和限流。

分布式锁也不是每个缓存 miss 都要用。 普通冷数据并发不高时,锁的复杂度可能不值得;它更适合热点键重建。

TTL 不是随便定一个数字。 它应来自数据更新频率、可接受陈旧时间、访问热度和内存预算,而不是照搬别人的 5 分钟或 1 小时。

下次看到数据库 QPS 突然上升时,可以先问:请求是在查不存在的数据?一个热点键刚过期?还是许多键一起失效?这三个问题能帮助你快速把排查方向缩小。