Redis之缓存击穿

Redis之缓存击穿

一、什么是缓存击穿

缓存击穿（Cache Breakdown）是指某个热点 Key 在缓存中过期后，大量并发请求同时绕过缓存直接访问数据库，导致数据库压力骤增的现象。

通常发生在以下场景：

• 某个 Key 是高频访问的「热点数据」。
• Key 的缓存过期时间到期，此时大并发请求同时到达。
• 缓存失效瞬间，所有请求都去查询数据库并重建缓存。

二、缓存击穿常见解决方案

1. 互斥锁（Mutex Lock）

• 原理：当缓存失效时，只允许一个线程去加载数据，其他线程等待缓存更新完成后再读取缓存。
  • 优点： 确保数据强一致性
  • 缺点：线程需要等待，可能成为性能瓶颈（锁竞争）
    
    
• 流程图：

• 伪代码：

public Object getData(String key) {Object data = cache.get(key);if (data != null) return data;// 加锁（如Redis的SETNX）String lockKey = "lock:" + key;if (redis.setnx(lockKey, "1", 10)) { // 10秒锁超时try {// 二次检查缓存（防止锁竞争期间其他线程已加载）data = cache.get(key);if (data != null) return data;data = db.query(key);cache.set(key, data);} finally {redis.del(lockKey); // 释放锁}} else {// 等待重试Thread.sleep(100);return getData(key);}return data;
}

2. 永不过期 + 后台刷新

• 原理：为缓存设置永不过期时间，同时通过后台线程主动更新缓存。
  • 优点：无阻塞，适合对一致性要求低场景
  • 缺点：数据可能短暂陈旧
    
    
• 流程图：

• 伪代码：

// 初始化时设置缓存永不过期
cache.set("hot_key", data)// 后台线程定期更新
public void backgroundRefresh() {while(true) {Thread.sleep(5 * 60 * 1000)  // 每5分钟更新一次newData = db.query("hot_key")cache.set("hot_key", newData)}
}

3. 逻辑过期（异步更新）

• 原理：在缓存中存储数据的逻辑过期时间，即使缓存未物理过期，若逻辑过期则异步更新。
  • 优点：无阻塞，兼容性强
  • 缺点：不保证一致性，实现复杂度较高
    
    
• 时序图：

• 伪代码：

缓存条目类

@Data
public class CacheEntry {private final String data;private final long expireTime;
}

    // 获取当前时间戳（毫秒）private static long now() {return System.currentTimeMillis();}public static String getData(String key) {CacheEntry entry = cache.get(key);// 缓存未命中if (entry == null) {String data = Database.query(key);long expireTime = now() + 300_000; // 5分钟过期（300秒 * 1000）cache.put(key, new CacheEntry(data, expireTime));return data;}// 检查逻辑过期if (entry.getExpireTime() < now()) {// 启动异步更新线程new Thread(() -> asyncUpdate(key)).start();}// 返回过期数据return entry.getData();}private static void asyncUpdate(String key) {String newData = Database.query(key);long newExpireTime = now() + 300_000;cache.put(key, new CacheEntry(newData, newExpireTime));}

三、案例

1.基于互斥锁解决缓存击穿

public Shop queryWithMutex(Long id) {// 1.从redis查询商铺缓存String key = CACHE_SHOP_KEY + id;String shopJson = stringRedisTemplate.opsForValue().get(key);// 2.判断是否存在if (StrUtil.isNotBlank(shopJson)) {// 3.存在，直接返回return JSONUtil.toBean(shopJson, Shop.class);}// 判断命中的是否是空值if(shopJson != null) {// 返回错误信息，解决缓存穿透问题return null;}// 4.实现缓存重建// 4.1 获取互斥锁String lockKey = LOCK_SHOP_KEY + id;Shop shop;try {boolean isLock = tryLock(lockKey);// 4.2 判断是否获取成功if (!isLock) {// 4.3 失败，则休眠并重试Thread.sleep(50);return queryWithMutex(id);}// 4.4 成功，根据id查询数据库，返回数据shop = getById(id);if (shop == null) {// 5.数据库不存在，将空字串写入Redis，设置过期时间，解决缓存穿透问题stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);// 返回错误信息，解决缓存穿透问题return null;}// 6.存在，写入redisstringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);} catch (InterruptedException e) {throw new RuntimeException(e);} finally {// 7.释放锁unLock(lockKey);}return shop;}

2.基于逻辑过期解决缓存击穿

public Shop queryWithLogicalExpire(Long id) {// 1.从redis查询商铺缓存String key = CACHE_SHOP_KEY + id;String shopJson = stringRedisTemplate.opsForValue().get(key);// 2.判断是否存在if (StrUtil.isBlank(shopJson)) {// 3.不存在，直接返回nullreturn null;}// 4.命中，需要先把json反序列化为对象RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);JSONObject data = (JSONObject) redisData.getData();Shop shop = JSONUtil.toBean(data, Shop.class);LocalDateTime expireTime = redisData.getExpireTime();// 5.判断是否过期if (expireTime.isAfter(LocalDateTime.now())) {// 5.1 未过期，直接返回数据return shop;}// 5.2 过期，需要缓存重建// 6. 缓存重建String lockKey = LOCK_SHOP_KEY + id;// 6.1 获取互斥锁boolean isLock = tryLock(lockKey);// 6.2 判断是否获取锁成功if (isLock) {// 6.3 成功，开启独立线程，实现缓存重建CACHE_REBUILD_EXECUTOR.submit(() -> {try {this.saveShop2Redis(id, 20L);} catch (Exception e) {throw new RuntimeException(e);} finally {// 6.5 释放锁unLock(lockKey);}});}// 6.4 返回过期的商铺信息return shop;}

---

四、注意事项

1.​ 锁的选择

• 单机环境用 ReentrantLock 或 synchronized。
• 分布式环境需用 Redis 分布式锁（如 Redisson 的 RLock）。

2. 递归重试风险

• 示例中递归调用，可能导致栈溢出，实际生产环境应改用循环重试。

3. 锁超时时间

• 分布式锁需设置合理超时时间（如 300ms），防止死锁。

​4. 缓存过期时间随机化

• 可对缓存 TTL 添加随机值（如 300 + rand.nextInt(100)），避免缓存雪崩。