缓存穿透和缓存击穿及缓存雪崩有什么区别

缓存系统（如 Redis）在高并发场景下，为了提高系统性能和稳定性，常会遇到以下三种问题：缓存穿透、缓存击穿、缓存雪崩。它们虽然听起来相似，但产生的原因和应对策略有所不同。

📊 1️⃣ 缓存穿透（Cache Penetration）

💡 概念：

缓存穿透是指请求的数据既不在缓存中，也不在数据库中，导致每次请求都要直接访问数据库。

• 典型场景：恶意攻击或频繁请求不存在的数据，绕过缓存，直击数据库，造成数据库压力过大。

📍 示例：

假设请求 user_id = -1 或 user_id = 99999999，这类数据不存在，缓存中也没有，数据库每次都会被查一次。

🚩 影响：

• 数据库承受大量无效请求，可能导致数据库崩溃。
• 在遭遇恶意攻击时，系统稳定性下降。

✅ 解决方案：

1. 缓存空值（推荐）：
   • 对不存在的数据，缓存一个空值，设置短期过期时间。
   • 下次请求时直接命中缓存，避免穿透数据库。
2. 参数校验：
   • 对请求参数进行合法性校验，过滤掉无效或恶意请求。
3. 布隆过滤器（高级）：
   • 使用**布隆过滤器（Bloom Filter）**快速判断数据是否存在，减少无效请求。
   • 场景：大规模数据场景（如用户系统、订单系统）。

⚡ 2️⃣ 缓存击穿（Cache Breakdown/Cache Miss Storm）

💡 概念：

缓存击穿是指某个热点数据在缓存失效的瞬间，有大量并发请求同时访问该数据，导致所有请求都打到数据库，瞬间造成数据库压力激增。

• 关键点： 发生在热点数据失效的瞬间。

📍 示例：

• 比如某个秒杀活动的商品详情，缓存设置了 5 分钟的过期时间，当缓存过期瞬间，成千上万的用户同时请求，瞬间击穿数据库。

🚩 影响：

• 数据库瞬时被大量请求击垮，引发雪崩效应。
• 系统延迟增加，甚至宕机。

✅ 解决方案：

1. 互斥锁（推荐）：
   • 缓存失效时，只有一个线程可以去数据库加载数据，其他线程等待，避免并发请求打爆数据库。
   • 可使用 Redis 的分布式锁实现。
2. 提前刷新（预热缓存）：
   • 对于热点数据，设置自动刷新机制，在缓存失效前主动更新数据，防止缓存失效。
3. 热点数据永不过期（合理控制）：
   • 对极其重要的热点数据，可以设置为永久缓存，通过后台异步更新，避免频繁失效。

❄️ 3️⃣ 缓存雪崩（Cache Avalanche）

💡 概念：

缓存雪崩是指大量缓存数据在同一时间失效，导致大量请求同时打到数据库，瞬间将数据库压垮。

• 与缓存击穿不同，雪崩是大范围的缓存失效，而击穿通常是针对单个热点数据。

📍 示例：

• 系统中大量缓存数据的过期时间相同，比如某个大促活动结束后，所有商品缓存在同一时间失效，导致数据库被打爆。

🚩 影响：

• 数据库压力骤增，系统可能瞬间崩溃。
• 会影响整个服务的可用性，甚至引发连锁反应，导致分布式系统的雪崩效应。

✅ 解决方案：

1. 随机过期时间（推荐）：
   • 给缓存数据设置随机化的过期时间，避免同一时间大量缓存同时失效。
2. 多级缓存架构：
   • 使用本地缓存 + 分布式缓存组合，降低对数据库的直接冲击。
3. 数据预热与分批失效：
   • 对于重要数据，提前预热缓存或采用分批失效策略，降低集中失效带来的压力。
4. 限流与降级处理：
   • 限流保护数据库，熔断机制避免系统雪崩。

🎯 总结对比

🚀 一图看懂三者区别

[缓存穿透] —— 请求的数据根本不存在，直接穿透缓存打数据库
       ↓
请求不存在的数据 → 缓存未命中 → 数据库未命中（每次都查询数据库）

[缓存击穿] —— 热点数据失效，瞬间大量并发请求打数据库
       ↓
热点数据过期 → 高并发请求 → 同时查询数据库，数据库压力陡增

[缓存雪崩] —— 大量缓存同一时间失效，系统崩溃
       ↓
大范围缓存失效 → 请求集中打到数据库 → 数据库被击垮，系统雪崩

🌟 总结

• 缓存穿透：请求不存在的数据，防止方法是缓存空值、使用布隆过滤器。
• 缓存击穿：热点数据失效瞬间高并发，解决方案是加锁、提前预热缓存。
• 缓存雪崩：大面积缓存失效，解决方案是设置随机过期时间、限流、降级处理。

✅ 掌握这三种场景的应对方案，才能在高并发环境下保证系统的高可用性！ 🚀