Redis 守护流量防线的核心在于合理设计缓存策略以应对穿透、击穿和雪崩。针对缓存穿透，可采用布隆过滤器拦截非法请求或对空结果设置短过期时间；对于缓存击穿，建议使用互斥锁保证单线程重建缓存或设置热点数据永不过期；面对缓存雪崩，关键在于分散缓存过期时间，避免大量 Key 同时失效，并可结合高可用集群架构。通过这些组合策略，能有效减轻数据库压力，确保系统在高并发下的稳定性与可用性，构建坚固的流量防线。
再也不怕，缓存雪崩、击穿、穿透!
因为 Redis 是内存数据库，我们可以将数据库的数据缓存在 Redis 里，相当于数据缓存在内存，内存的读写速度比硬盘快好几个数量级，这样大大提高了系统性能。引入了缓存层，就会有缓存异常的三个问题，分别是缓存雪崩、缓存击穿、缓存穿透。这三个问题也是面试中很常考察的问题，我们不光要清楚地知道它们是怎么发生，还需要知道如何解决它们。话不多说，发车！缓存雪崩 通常我们为了保证缓存中的数据与数据库中的数据一致性，会给 Redis 里的数据设置过期时间，当缓存数据过期后，用户访问的数据如果不在缓存里，业务系统需要重新生成缓存，因此就会访问数据库，并将数据更新到 Redis 里，这样后续请求都可以直接命中缓存。那么，当大量缓存数据在同一时间过期 (失效) 或者 Redis 故障宕机时，如果此时有大量的用户请求，都无法在 Redis 中处理，于是全部请求都直接访问数据库，从而导致数据库的压力骤增，严重的会造成数据库宕机，从而形成一系列连锁反应，造成整个系统崩溃，这就是缓存雪崩的问题。可以看到，发生缓存雪崩有两个原因：大量数据同时过期;Redis 故障宕机;不同的诱因，应对的策略也会不同。大量数据同时过期 针对大量数据同时过期而引发的缓存雪崩问题，常见的应对方法有下面这几种：均匀设置过期时间;互斥锁;双 key 策略;后台更新缓存;1. 均匀设置过期时间 如果要给缓存数据设置过期时间，应该避免将大量的数据设置成同一个过期时间。我们可以在对缓存数据设置过期时间时，给这些数据的过期时间加上一个随机数，这样就保证数据不会在同一时间过期。2. 互斥锁 当业务线程在处理用户请求时，如果发现访问的数据不在 Redis 里，就加个互斥锁，保证同一时间内只有一个请求来构建缓存 (从数据库读取数据，再将数据更新到 Redis 里),当缓存构建完成后，再释放锁。未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。实现互斥锁的时候，最好设置超时时间，不然第一个请求拿到了锁，然后这个请求发生了某种意外而一直阻塞，一直不释放锁，这时其他请求也一直拿不到锁，整个系统就会出现无响应的现象。当用户的请求，都访问数据库的话，请求数量一上来，数据库很容易就奔溃的了，所以为了避免用户直接访问数据库，会用 Redis 作为缓存层。（截至 2026 年 4 月 12 日）
彻底搞懂 Redis 击穿、雪崩、穿透 (中)
书接上文「彻底搞懂 Redis 击穿、雪崩、穿透 (上)」，本篇我们继续来讨论缓存的另一个问题——缓存雪崩。缓存雪崩 什么是缓存雪崩？其实把缓存击穿搞清楚了，那么理解缓存雪崩就容易得多了。缓存击穿是指 1 个热 key 失效，而缓存雪崩，顾名思义，指的就是大面积的 key 在同一瞬间全部失效，导致大量的请求打到数据库上，就像雪崩一样，从而造成数据库响应不及时挂掉。这种属于自然雪崩，主要是引起周期性的压力波峰，还有另一种非自然雪崩，就是缓存服务某个节点或多个节点甚至全部节点都突然宕机，导致所有的请求都打到数据库上，进而导致数据库宕机，这种也是不可预知的雪崩。所以，对于缓存雪崩来说，一般少量的缓存失效，所带来的数据库并发压力是不会太大的，而是大量的缓存同时失效，导致所有 key 的并发加起来打到数据库上，才会影响到我们的数据库。其实，在真实场景中，缓存雪崩是一个更容易发生的问题，因为它不像缓存击穿那么极端，1 个 key 就有成千上万的并发量，直接把数据库击垮，而是一个 key 可能只有几十几百的并发量，然后大量的 key 同时过期，导致很多 key 的并发叠加起来，积累到成千上万，再把数据库击垮。如何解决？我们既然知道了缓存雪崩产生的原因，那么自然而然就能见招拆招，找到对应的解决方案。因为缓存雪崩是大面积的 key 同时过期失效，才导致大量的并发直接打到数据库上，那么我们很正常的思路就是让并发分散开来。第一种常见的做法是分散缓存数据的过期时间，防止同一时间大量数据过期现象发生。我们可以通过随机初始化过期时间，使得 key 的过期时间分散开来，一个一个过期，并发量也就被分成一部分一部分，这样一来每次打到数据库上的只有少量请求。看起来就像是削峰操作，这种做法是最简单有效的，因此绝大多数情况下也是采用这种方法。但是，如果你的业务对时间点的要求很高，比如：必须在每天的指定时间去更新数据。由于业务需求，必须在固定的时间点刷新数据，并且不允许出现旧数据，也就是说必须让缓存数据在同一时刻全部失效。那么，像这样的业务我们又该如何解决呢？因为这个场景非常类似削峰操作，所以自然而然联想到消息队列，也就是先把请求打到 MQ 上，然后再一个一个依次消费。这种做法合理吗？从系统实现的角度来看，这样确实可以保证数据库的请求压力被扛下来，再进行异步消费。对于写操作，使用异步写是没有任何问题的，因为用户只要求把数据存入而已，但是对于读操作，是不应该使用到消息队列的，因为这样会影响用户接收到消息的时间，使用队列依次读取，那么大量用户的响应（撰于 2026 年 1 月 29 日）
Redis 详解 (十二)------ 缓存穿透、缓存击穿、缓存雪崩
本篇博客我们来介绍 Redis 使用过程中需要注意的三种问题：缓存穿透、缓存击穿、缓存雪崩。1、缓存穿透 一、概念 缓存穿透：缓存和数据库中都没有的数据，可用户还是源源不断的发起请求，导致每次请求都会到数据库，从而压垮数据库。如下图红色的流程：比如客户查询一个根本不存在的东西，首先从 Redis 中查不到，然后会去数据库中查询，数据库中也查询不到，那么就不会将数据放入到缓存中，后面如果还有类似源源不断的请求，最后都会压到数据库来处理，从而给数据库造成巨大的压力。二、解决办法 ①、业务层校验 用户发过来的请求，根据请求参数进行校验，对于明显错误的参数，直接拦截返回。比如，请求参数为主键自增 id，那么对于请求小于 0 的 id 参数，明显不符合，可以直接返回错误请求。②、不存在数据设置短过期时间 对于某个查询为空的数据，可以将这个空结果进行 Redis 缓存，但是设置很短的过期时间，比如 30s，可以根据实际业务设定。注意一定不要影响正常业务。③、布隆过滤器 关于布隆过滤器，后面会详细介绍。布隆过滤器是一种数据结构，利用极小的内存，可以判断大量的数据“一定不存在或者可能存在”。对于缓存击穿，我们可以将查询的数据条件都哈希到一个足够大的布隆过滤器中，用户发送的请求会先被布隆过滤器拦截，一定不存在的数据就直接拦截返回了，从而避免下一步对数据库的压力。2、缓存击穿 一、概念 缓存击穿:Redis 中一个热点 key 在失效的同时，大量的请求过来，从而会全部到达数据库，压垮数据库。这里要注意的是这是某一个热点 key 过期失效，和后面介绍缓存雪崩是有区别的。比如淘宝双十一，对于某个特价热门的商品信息，缓存在 Redis 中，刚好 0 点，这个商品信息在 Redis 中过期查不到了，这时候大量的用户又同时正好访问这个商品，就会造成大量的请求同时到达数据库。二、解决办法 ①、设置热点数据永不过期 对于某个需要频繁获取的信息，缓存在 Redis 中，并设置其永不过期。当然这种方式比较粗暴，对于某些业务场景是不适合的。②、定时更新 比如这个热点数据的过期时间是 1h，那么每到 59minutes 时，通过定时任务去更新这个热点 key，并重新设置其过期时间。③、互斥锁 这是解决缓存穿透比较常用的方法。互斥锁简单来说就是在 Redis 中根据 key 获得的 value 值为空时，先锁上，然后从数据库加载，加载完毕，释放锁。若其他线程也在请求该 key 时，发现获取锁失败，则睡眠一段时间 (比如 100ms) 后重试。（该信息的时间戳是 2026 年 4 月 21 日）
一文搞懂 Redis 击穿/穿透/雪崩&实战
2. Redis 缓存常见问题概念解释 2.1 缓存穿透 什么是缓存穿透？缓存穿透是指用户请求一个不存在的数据，由于缓存中没有该数据，请求会直接打到数据库。如果大量的请求都访问不存在的数据，就会导致数据库压力过大，甚至宕机。举例说明：在电商网站中，用户查询一个不存在的商品 ID(如 -1 或者一个非常大的随机数)。由于这个商品 ID 在缓存中不存在，所以每次请求都会直接查询数据库，而数据库查询后发现也没有该商品。如果有大量这样的恶意请求，数据库的压力就会急剧增加。缓存穿透的危害：数据库压力过大，可能导致数据库宕机 系统响应时间延长 服务可用性降低 2.2 缓存击穿 什么是缓存击穿？缓存击穿是指一个热点数据的缓存过期后，大量并发请求同时访问该数据，导致所有请求都直接打到数据库，造成数据库瞬时压力过大。举例说明：在电商网站中，某件热销商品的缓存突然过期。此时，大量用户同时访问该商品详情，由于缓存已经过期，所有的请求都会直接查询数据库。数据库在短时间内需要处理大量请求，可能会导致性能下降甚至宕机。缓存击穿的危害：数据库瞬时压力过大 系统响应时间延长 可能导致数据库宕机 2.3 缓存雪崩 什么是缓存雪崩？缓存雪崩是指大量缓存数据在同一时间段内过期，导致大量请求直接打到数据库，造成数据库压力骤增，甚至宕机。举例说明：如果我们在系统上线时，为所有的商品缓存设置了相同的过期时间 (比如都设置为 1 小时),那么在 1 小时后，所有的商品缓存都会同时过期。这时，大量用户访问网站时，所有的请求都会直接打到数据库，数据库可能无法承受这样的压力而宕机。缓存雪崩的危害：数据库压力骤增，可能导致数据库宕机 系统响应时间严重延长 服务可能完全不可用（来自 2026 年 3 月 17 日的资料）
Redis 使用 | 缓存穿透，雪崩，击穿以及解决方案分析
一。什么是 缓存穿透 缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。在流量大时，可能 DB 就挂掉了，要是有人利用不存在的 key 频繁攻击我们的应用，这就是漏洞。小点的单机系统，基本上用 postman 就能搞死，比如我自己买的阿里云服务 像这种你如果不对参数做校验，数据库 id 都是大于 0 的，我一直用小于 0 的参数去请求你，每次都能绕开 Redis 直接打到数据库，数据库也查不到，每次都这样，并发高点就容易崩掉了。缓存穿透解决方案 有很多种方法可以有效地解决缓存穿透问题。1.最常见的则是采用布隆过滤器，将所有可能存在的数据哈希到一个足够大的 bitmap 中，一个一定不存在的数据会被 这个 bitmap 拦截掉，从而避免了对底层存储系统的查询压力。2.另外也有一个更为简单粗暴的方法 (我们采用的就是这种),如果一个查询返回的数据为空 (不管是数 据不存在，还是系统故障),我们仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分钟。二。什么是 缓存雪崩 我了解的，目前电商首页以及热点数据都会去做缓存 ,一般缓存都是定时任务去刷新，或者是查不到之后去更新的，定时任务刷新就有一个问题。举个简单的例子：如果所有首页的 Key 失效时间都是 12 小时，中午 12 点刷新的，我零点有个秒杀活动大量用户涌入，假设当时每秒 6000 个请求，本来缓存在可以扛住每秒 5000 个请求，但是缓存当时所有的 Key 都失效了。此时 1 秒 6000 个请求全部落数据库，数据库必然扛不住，它会报一下警，真实情况可能 DBA 都没反应过来就直接挂了。此时，如果没用什么特别的方案来处理这个故障，DBA 很着急，重启数据库，但是数据库立马又被新的流量给打死了。这就是我理解的缓存雪崩。我刻意看了下我做过的项目感觉再吊的都不允许这么大的 QPS 直接打 DB 去，不过没慢 SQL 加上分库，大表分表可能还还算能顶，但是跟用了 Redis 的差距还是很大 同一时间大面积失效，那一瞬间 Redis 跟没有一样，那这个数量级别的请求直接打到数据库几乎是灾难性的，你想想如果打挂的是一个用户服务的库，那其他依赖他的库所有的接口几乎都会报错，如果没做熔断等策略基本上就是瞬间挂一片的节奏，你怎么重启用户都会把你打挂，等你能重启的时候，用户早就睡觉去了，并且对你的产品失去了信心，什么垃圾产品。（发布时间是 2024 年 11 月 4 日）
FAQ
什么是缓存穿透？
缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。
缓存雪崩产生的原因是什么？
发生缓存雪崩有两个原因：大量数据同时过期；Redis 故障宕机。当大量缓存数据在同一时间过期或者 Redis 故障宕机时，如果此时有大量的用户请求，都无法在 Redis 中处理，于是全部请求都直接访问数据库，从而导致数据库的压力骤增。
如何解决缓存击穿问题？
解决缓存击穿常用的方法有：设置热点数据永不过期；定时更新热点数据；使用互斥锁。互斥锁简单来说就是在 Redis 中根据 key 获得的 value 值为空时，先锁上，然后从数据库加载，加载完毕，释放锁。