第 5 章:缓存三大问题
穿透、击穿、雪崩,三个词经常被混着说。它们的成因完全不同,解法也不通用。
学习目标
- 一眼分清三个问题:一个 key、一个热 key、一批 key
- 每个问题掌握两种解法,知道各自的代价
- 会设计"缓存与数据库"的更新顺序,明白为什么推荐删而不是改
- 能用一张决策图定位自己遇到的属于哪一类
5.1 先分清:一个、一个热的、一批
5.2 穿透:防"查不存在的东西"
攻击者用一个不存在的 id 反复请求,缓存永远不命中,每次都打到数据库。两个解法:
解法一:缓存空值
python
def get_book(book_id):
key = f"book:{book_id}"
cached = r.get(key)
if cached == "NULL": # 空值标记
return None
if cached:
return json.loads(cached)
book = db.query_book(book_id)
if book is None:
r.set(key, "NULL", ex=60) # 短 TTL,别太长
return None
r.set(key, json.dumps(book), ex=600)
return book代价:如果攻击者每次换不同的 id,会写进大量空值 key,占内存。TTL 要短(30–60 秒),并且配合限流。
解法二:布隆过滤器
把所有存在的 id 放进布隆过滤器,请求先问它:
- 它说"不存在" → 一定不存在,直接返回,不查库;
- 它说"存在" → 可能误判,继续走正常流程。
python
# 伪代码示意:bf 可以用 RedisBloom 模块,也可以用 bitmap 自己实现
if not bf.exists(book_id):
return None代价:有误判率(通常 0.1%–1%),且不能删除元素。适合"只增不删"的 id 集合。
5.3 击穿:只让一个请求去重建
热点 key 到期的那一刻,缓存为空,上万个并发请求同时发现"没有",一起冲进数据库。
解法一:互斥锁重建(最常用)
python
def get_hot(key, rebuild, ttl=600):
val = r.get(key)
if val:
return json.loads(val)
lock_key = f"lock:{key}"
if r.set(lock_key, "1", nx=True, ex=10): # 只有一个人拿到锁
try:
data = rebuild() # 回源
r.set(key, json.dumps(data), ex=ttl)
return data
finally:
r.delete(lock_key)
else:
time.sleep(0.05) # 等别人重建完
return get_hot(key, rebuild, ttl)要点:拿到锁的只有一个,其它请求短暂等待后重试。代价是那一瞬间部分请求延迟变高,但数据库不会被压垮。
解法二:逻辑过期
value 里自己带一个 expire_at 字段,Redis 层面不设 TTL(永不"消失")。读到数据发现逻辑上过期了,就返回旧值,同时异步起一个任务刷新。
- 优点:没有等待,读永远快;
- 缺点:会有一段时间返回旧数据,适合"能容忍短暂陈旧"的场景(比如首页推荐)。
5.4 雪崩:别让它们同时消失
| 成因 | 解法 |
|---|---|
| 大量 key 设了相同的 TTL | TTL 加随机抖动:ex = 600 + random.randint(0, 120) |
| Redis 实例整体挂掉 | 多级缓存(本地缓存兜一层)、哨兵/集群、限流降级 |
| 冷启动时缓存全空 | 启动预热,或灰度放量 |
TTL 抖动是最便宜的一招,一行代码就能把"同时失效"摊成"分散失效":
python
ttl = base_ttl + random.randint(0, max(1, base_ttl // 10))
r.set(key, value, ex=ttl)至于"Redis 整体挂了"——那不是缓存问题,是架构问题:本地缓存(进程内 LRU)能挡一层,限流能保住数据库不被打死,剩下的就是接受降级。
5.5 写路径:先删缓存还是先更库
这是面试常问、线上常错的地方。结论先给:先更新数据库,再删除缓存(Cache Aside)。
| 顺序 | 问题 |
|---|---|
| 先删缓存,再更新库 | 删完到更新之间,有请求读库拿到旧值并回填,缓存里留下旧数据 |
| 先更新库,再删缓存 | 极小概率下仍有并发窗口,但概率低得多 |
为什么是"删"而不是"更新"缓存?
- 更新缓存要算新值,可能涉及多表,成本高;
- 并发更新时,两个请求的更新顺序可能颠倒,缓存里留下旧值;
- 删除是幂等的,删错了最多多查一次库。
如果业务要求更严,可以加延迟双删:更新库 → 删缓存 → 等几百毫秒 → 再删一次。第二次删是为了清掉窗口期被回填的旧值。
别忘了最后一道保险:TTL。所有一致性方案都有窗口,TTL 决定这个窗口最长有多久。
5.6 定位自己遇到的是哪一类
本章小结
| 问题 | 形状 | 解法 | 代价 |
|---|---|---|---|
| 穿透 | 一个不存在的 key | 空值缓存、布隆过滤器 | 空值占内存 / 有误判 |
| 击穿 | 一个热 key 失效瞬间 | 互斥锁、逻辑过期 | 少量请求变慢 / 短暂旧数据 |
| 雪崩 | 一批 key 同时失效 | TTL 抖动、多级缓存、限流 | 架构复杂度 |
| 写路径 | 库与缓存的一致性 | 先更库再删缓存 + TTL 兜底 | 仍有极小窗口 |
| 判断依据 | 看 key 的分布,不看 QPS 曲线 | — | — |
下一章
缓存的事基本讲完了。接下来处理另一类需求:多个进程要互斥地做一件事。这就是分布式锁,也是 Redis 原子性最集中的地方。