26 | 缓存异常（下）：如何解决缓存雪崩、击穿、穿透难题？_防止血崩和穿透

---

Redis核心技术与实战

实践篇

26 | 缓存异常（下）：如何解决缓存雪崩、击穿、穿透难题？

缓存雪崩

缓存雪崩是指大量的应用请求无法在 Redis 缓存中进行处理，应用然后就将大量请求发送到数据库层，导致数据库层的压力激增。

导致缓存雪崩的第一个原因：缓存中有大量数据同时过期，导致大量请求无法得到处理。

解决方案：

第一种方案：避免给大量的数据设置相同的过期时间。

如果业务层的确要求有些数据同时失效，可以在用 EXPIRE 命令给每个数据设置过期时间时，给这些数据的过期时间增加一个较小的随机数（例如，随机增加 1~3 分钟），这样一来，不同数据的过期时间有所差别，但差别又不会太大，既避免了大量数据同时过期，同时也保证了这些数据基本在相近的时间失效，仍然能满足业务需求。

第二种方案：服务降级

服务降级，是指发生缓存雪崩时，针对不同的数据采取不同的处理方式。

• 当业务应用访问的是非核心数据（例如电商商品属性）时，暂时停止从缓存中查询这些数据，而是直接返回预定义信息、空值或是错误信息；
• 当业务应用访问的是核心数据（例如电商商品库存）时，仍然允许查询缓存，如果缓存缺失，也可以继续通过数据库读取。

导致缓存雪崩的第二个原因：Redis 缓存实例发生故障宕机，无法处理请求。

一般来说，一个 Redis 实例可以支持数万级别的请求处理吞吐量，而单个数据库可能只能支持数千级别的请求处理吞吐量，它们两个的处理能力可能相差了近十倍。由于缓存雪崩，Redis 缓存失效，所以，数据库就可能要承受近十倍的请求压力，从而因为压力过大而崩溃。

解决方案：

第一种方案：在业务系统中实现服务熔断或请求限流机制。

服务熔断，是指在发生缓存雪崩时，为了防止引发连锁的数据库雪崩，甚至是整个系统的崩溃，暂停业务应用对缓存系统的接口访问。 再具体点说，就是业务应用调用缓存接口时，缓存客户端并不把请求发给 Redis 缓存实例，而是直接返回，等到 Redis 缓存实例重新恢复服务后，再允许应用请求发送到缓存系统。

服务熔断虽然可以保证数据库的正常运行，但是暂停了整个缓存系统的访问，对业务应用的影响范围大。

请求限流，是指在业务系统的请求入口前端控制每秒进入系统的请求数，避免过多的请求被发送到数据库。

第二种方案：事前预防

通过主从节点的方式构建 Redis 缓存高可靠集群。如果 Redis 缓存的主节点故障宕机了，从节点还可以切换成为主节点，继续提供缓存服务，避免了由于缓存实例宕机而导致的缓存雪崩问题。

缓存击穿

缓存击穿，是指针对某个访问非常频繁的热点数据的请求，无法在缓存中进行处理，然后访问该数据的大量请求都被发送到数据库层，导致数据库压力激增，会影响数据库处理其他请求。

为了避免缓存击穿给数据库带来的激增压力，对于访问特别频繁的热点数据，不设置过期时间。

缓存穿透

缓存穿透，是指要访问的数据既不在 Redis 缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据。

缓存穿透发生的两种情况：

• 缓存中的数据和数据库中的数据被误删除，所以缓存和数据库中都没有数据；
• 恶意攻击：专门访问数据库中没有的数据。

解决方案：

第一种方案：缓存空值或缺省值。

一旦发生缓存穿透，可以针对查询的数据，在 Redis 中缓存一个空值或是和业务层协商确定的缺省值（例如，库存的缺省值可以设为 0）。应用发送的后续请求再进行查询时，就可以直接从 Redis 中读取空值或缺省值，返回给业务应用，避免把大量请求发送给数据库处理，保证数据库的正常运行。

第二种方案：使用布隆过滤器快速判断数据是否存在。

布隆过滤器由一个初始值都为 0 的 bit 数组和 N 个哈希函数组成，可以用来快速判断某个数据是否存在。

1. 首先，使用 N 个哈希函数，分别计算这个数据的哈希值，得到 N 个哈希值。
2. 然后，把这 N 个哈希值对 bit 数组的长度取模，得到每个哈希值在数组中的对应位置。
3. 最后，把对应位置的 bit 位设置为 1，这就完成了在布隆过滤器中标记数据的操作。

当需要查询某个数据时，按上述操作得到这个数据在 bit 数组中对应的 N 个位置。然后，查看 bit 数组中这 N 个位置上的 bit 值。

只要这 N 个 bit 值有一个不为 1，就表明布隆过滤器没有对该数据做过标记，查询的数据一定没有在数据库中保存。

正是基于布隆过滤器的快速检测特性，在把数据写入数据库时，使用布隆过滤器做个标记。当缓存缺失后，应用查询数据库时，可以通过查询布隆过滤器快速判断数据是否存在。如果不存在，则不用再去数据库中查询。因此，即使发生缓存穿透，大量请求只会查询 Redis 和布隆过滤器，而不会积压到数据库，也就不会影响数据库的正常运行。

布隆过滤器可以使用 Redis 实现，本身就能承担较大的并发访问压力。

第三种方案：在请求入口的前端进行请求检测。

缓存穿透的一个原因是有大量的恶意请求访问不存在的数据，所以，一个有效的应对方案是在请求入口前端，对业务系统接收到的请求进行合法性检测，把恶意的请求（例如请求参数不合理、请求参数是非法值、请求字段不存在）直接过滤掉，不让它们访问缓存和数据库。

跟缓存雪崩、缓存击穿这两类问题相比，缓存穿透的影响更大一些（因为前两种访问都会回写结果到缓存，对数据库是瞬间的激增，而穿透是持续的查数据库）。