结论与实战教程：使用随机过期时间避免缓存雪崩，结合 Canal 实现数据一致性。设置键过期：SET key value EX 3600 * (1 + random(0,0.1))；缓存雪崩解决方案：1. 预热缓存；2. 随机TTL；3. 互斥锁；数据一致性：双写一致性用 Canal 订阅 binlog 更新 Redis；代码示例：StringRedisTemplate.opsForValue().set(key, value, 3600 + (int)(Math.random()*300), TimeUnit.SECONDS); 这样解决雪崩和一致性问题。

来源1

缓存雪崩是指由于缓存中数据大批量到 期而导致后端数据库的请求量过大，从而导致数据库宕机。在 Redis 中，我们可以通过设置不同的过期时间来避免缓存雪崩。代码示例：public void set(String key, String value, long seconds) { redisTemplate.opsForValue().set(key, value, seconds + new Random().nextInt(300), TimeUnit.SECONDS); }

来源2

数据一致性问题：缓存与数据库双写模式容易不一致。解决方案：1. 先删缓存再更新数据库（不推荐）；2. 先更新数据库再删缓存；3. 使用 Canal 监听 binlog 异步更新缓存。Canal 配置后，消费 binlog 事件：if (eventType == EventType.UPDATE) { redisTemplate.delete(oldKey); redisTemplate.opsForValue().set(newKey, newValue); }

来源3

Redis 过期策略有三种：定时删除、惰性删除、定期删除。实战中结合使用，避免内存泄漏。针对雪崩，加随机偏移： expireTime = baseExpire + random(0, expireWindow); 这样分散过期峰值。

来源4

解决缓存雪崩的完整方案：1. 给缓存设置不同 TTL，加入随机值；2. 缓存预热，启动时加载热点数据；3. 使用 Sentinel 高可用；4. 限流降级。代码：@Cacheable(value = "user", key = "#id", unless = "#result == null") public User getUser(Long id) { return userMapper.selectById(id); }

来源5

最终一致性方案：Update DB -> MQ -> Update Cache。使用 RocketMQ 确保消息不丢，消费者更新 Redis：@RocketMQMessageListener(topic = "cache-update") public void handle(String key) { redisTemplate.delete(key); }

来源6

FAQ:
Q: 缓存雪崩怎么彻底避免？
A: 随机 TTL + 预热 + 热点数据永不过期。
Q: 数据不一致怎么处理？
A: Canal + 异步更新，或延迟双删。
Q: Redis 内存不足怎么办？
A: 配置 maxmemory-policy allkeys-lru。
Q: 分布式锁怎么实现防雪崩？
A: setnx + lua 脚本原子操作。