Redis 缓存实践:穿透、击穿与数据一致性
本文来自一个本地生活类学习项目。缓存的目标并不是“尽可能把数据放进 Redis”,而是在可接受的一致性范围内降低数据库压力和接口延迟。
先区分三个问题
缓存穿透
请求的数据在缓存和数据库中都不存在。攻击者或错误客户端持续请求不存在的 ID,每次都绕过缓存访问数据库。
缓存击穿
某个高频访问的 Key 失效,大量请求同时发现缓存未命中,并发查询数据库和重建同一个缓存。
缓存雪崩
大量 Key 在相近时间失效,或缓存服务整体不可用,造成大量流量同时转向数据库。
三个问题的触发条件不同,解决方案也不能混用。
缓存穿透:缓存空值
对于“按 ID 查询店铺”这类数据量有限的场景,可以在数据库确认不存在后,把空结果写入 Redis:
cache miss → query database → not found → cache empty marker with short TTL后续相同请求可以在缓存层结束。空值必须设置较短 TTL,避免攻击者用大量随机 ID 占满内存。
这种方案实现简单,但存在一个竞态:数据写入数据库后,旧的空值还没有过期,客户端会短暂看到“不存在”。创建数据时主动删除对应空值可以缩短窗口。
数据规模更大或非法 Key 变化极多时,可以在入口增加布隆过滤器。但布隆过滤器存在误判,并且要考虑新增、删除和重建流程。
缓存击穿:互斥重建
当热点 Key 失效时,可以只允许一个线程访问数据库并重建缓存:
cache miss → try lock → success: query database → rebuild cache → unlock → failure: wait briefly → retry cache锁本身也需要:
- 唯一持有者标识,避免误删他人的锁;
- 过期时间,避免进程崩溃后永久占用;
finally释放;- 对等待次数和总时长设置上限。
互斥重建倾向于保证新鲜数据,但锁竞争会增加尾延迟。
缓存击穿:逻辑过期
另一种方案是不让 Key 物理过期,而是在 Value 中保存业务过期时间:
{ "expireAt": "logical-time", "data": {}}请求命中后:
- 未逻辑过期:直接返回;
- 已逻辑过期:尝试获取重建锁;
- 获取成功:异步重建,当前请求仍返回旧值;
- 获取失败:直接返回旧值。
逻辑过期把“等待新数据”改为“先返回旧数据”,可用性更高,但只能用于允许短暂陈旧的场景。库存、权限和账户余额通常不适合这样处理。
数据更新:先更新数据库,再删除缓存
读多写少的普通业务常采用 Cache Aside:
read: cache → database → cachewrite: database → delete cache写入时选择删除而不是直接更新缓存,原因是:
- 缓存结构可能是多个数据源的组合;
- 连续写入时每次更新缓存会产生无效计算;
- 删除后由下一次真实读取重建更简单。
但“更新数据库后删除缓存”仍存在短暂不一致窗口,也可能因为删除失败留下旧值。因此还需要:
- 删除失败重试;
- 通过消息或变更日志异步补偿;
- 为缓存设置合理 TTL 作为最终兜底;
- 对强一致数据绕开缓存或采用更严格协议。
缓存雪崩的处理
针对大量 Key 同时过期,可以组合:
- TTL 加随机抖动;
- 热点数据提前刷新;
- 请求限流和降级;
- 多级缓存;
- 缓存集群和故障隔离;
- 数据库侧的容量保护。
仅给 TTL 加随机数不能解决 Redis 整体故障,因此仍需要降级和数据库保护。
如何验证方案
缓存方案不能只靠接口返回正确来验证。至少观察:
- 缓存命中率;
- 数据库查询次数;
- 重建锁竞争和等待时间;
- 空值数量;
- P95/P99 延迟;
- 删除缓存失败次数;
- 返回旧数据的最长时间。
压力测试也要区分正常热点、Key 刚失效、不存在 ID 攻击和缓存不可用等场景。
总结
缓存穿透解决的是“不存在的数据”,缓存击穿解决的是“单个热点失效”,缓存雪崩解决的是“大量缓存同时失效或服务不可用”。方案选择最终取决于业务能否接受旧数据、数据库承载能力和故障恢复要求,而不是某个固定模板。