Redis緩存穿透、緩存擊穿、緩存雪崩、熱點Key的示例分析

# Redis緩存穿透、緩存擊穿、緩存雪崩、熱點Key的示例分析

## 一、緩存穿透（Cache Penetration）

### 1.1 概念與場景
緩存穿透指**查詢不存在的數據**，導致請求直接穿透緩存層到達數據庫。常見場景：
- 惡意攻擊：故意請求不存在的ID（如負值、超大數值）
- 業務誤操作：前端傳遞無效參數（如已刪除的商品ID）

### 1.2 示例代碼
```java
// 錯誤示例：未做空值校驗
public Product getProduct(Long id) {
    // 1. 先查緩存
    Product product = redisTemplate.opsForValue().get("product:" + id);
    if (product == null) {
        // 2. 緩存未命中，直接查庫
        product = productMapper.selectById(id); // 可能返回null
        redisTemplate.opsForValue().set("product:" + id, product);
    }
    return product;
}

1.3 解決方案

1. 空值緩存：對不存在的數據也緩存空對象（需設置較短TTL）

// 改進代碼
if (product == null) {
    product = productMapper.selectById(id);
    if (product == null) {
        redisTemplate.opsForValue().set("product:" + id, "NULL", 5, TimeUnit.MINUTES);
        return null;
    }
    redisTemplate.opsForValue().set("product:" + id, product);
}

1. 布隆過濾器：預加載有效Key到布隆過濾器，先校驗再查詢

# Python示例
from pybloom_live import ScalableBloomFilter
bf = ScalableBloomFilter(initial_capacity=1000)

# 預熱階段加載所有有效ID
for id in valid_ids:
    bf.add(id)

# 查詢前校驗
if not id in bf:
    return None

二、緩存擊穿（Cache Breakdown）

2.1 概念與場景

某個熱點Key突然過期時，大量并發請求直接擊穿到數據庫。典型場景： - 秒殺商品緩存過期 - 首頁熱門資訊緩存失效

2.2 示例現象

• 監控顯示QPS突然飆升
• 數據庫CPU占用率陡增
• 響應時間從毫秒級升至秒級

2.3 解決方案

1. 互斥鎖（Mutex Lock）

public Product getProductWithLock(Long id) {
    String lockKey = "lock:product:" + id;
    try {
        // 嘗試獲取分布式鎖
        Boolean locked = redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS);
        if (locked) {
            Product product = productMapper.selectById(id);
            redisTemplate.opsForValue().set("product:" + id, product, 1, TimeUnit.HOURS);
            return product;
        } else {
            Thread.sleep(100); // 短暫等待后重試
            return getProductWithLock(id);
        }
    } finally {
        redisTemplate.delete(lockKey);
    }
}

1. 邏輯過期：實際緩存永不過期，通過額外字段控制邏輯過期時間

// 緩存數據結構
{
  "value": "真實數據",
  "expire_time": 1672502400 // 邏輯過期時間戳
}

三、緩存雪崩（Cache Avalanche）

3.1 概念與場景

大量Key同時過期或Redis集群宕機，導致請求全部涌向數據庫。典型案例： - 凌晨批量任務刷新所有緩存 - Redis主從切換期間

3.2 解決方案

1. 差異化過期時間

// 設置基礎過期時間+隨機偏移量
int baseExpire = 3600;
int randomExpire = new Random().nextInt(300);
redisTemplate.opsForValue().set(key, value, baseExpire + randomExpire, TimeUnit.SECONDS);

1. 多級緩存架構

請求 → CDN → 本地緩存(Caffeine) → Redis → DB

1. 熔斷降級機制

# 偽代碼示例
def get_data(key):
    if circuit_breaker.is_open():
        return get_data_from_backup()
    try:
        data = redis.get(key)
        if not data:
            data = db.query(key)
            redis.setex(key, ttl, data)
        return data
    except Exception as e:
        circuit_breaker.record_failure()
        raise e

四、熱點Key（Hot Key）

4.1 識別方法

• 監控發現某些Key的QPS異常高（如>10萬/秒）
• Redis節點出現CPU負載傾斜

4.2 解決方案

1. 本地緩存+Redis多副本

// Guava本地緩存
LoadingCache<String, Product> localCache = CacheBuilder.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.SECONDS)
    .build(new CacheLoader<String, Product>() {
        @Override
        public Product load(String key) {
            return getFromRedis(key); // 從Redis集群讀取
        }
    });

1. Key分片

# 將hot_key拆分為hot_key_1, hot_key_2...
shard_id = hash(user_id) % 4
real_key = f"hot_key_{shard_id}"
redis.get(real_key)

五、總結對比

實際生產環境中，建議結合監控系統（如Prometheus）和動態配置中心實現策略的實時調整。 “`