一、什么是缓存穿透？
缓存穿透是指查询一个根本不存在的数据，导致请求直接打到数据库上。这种情况通常发生在恶意攻击或者业务逻辑缺陷时，比如有人故意请求数据库中不存在的ID，导致缓存层形同虚设。
举个例子，假设我们有一个电商系统，用户通过商品ID查询商品信息。正常情况下，如果商品存在，我们会把商品信息缓存到Redis中，下次查询时直接从缓存获取。但如果有人故意请求不存在的商品ID（比如-1或者特别大的数字），每次请求都会绕过缓存直接查询数据库，导致数据库压力骤增。
// Java示例：存在缓存穿透风险的代码
public Product getProductById(String productId) {
// 先查缓存
Product product = redisTemplate.opsForValue().get("product:" + productId);
if (product == null) {
// 缓存没有，查数据库
product = productDao.findById(productId);
if (product != null) {
// 存入缓存
redisTemplate.opsForValue().set("product:" + productId, product, 1, TimeUnit.HOURS);
}
}
return product;
}
这段代码的问题在于，如果productId不存在，每次请求都会查询数据库，缓存完全没起作用。
二、如何解决缓存穿透？
1. 缓存空对象
最简单的办法是，即使数据库查不到数据，也在缓存中存一个空值（比如NULL或特定标记），这样后续请求就不会直接打到数据库。
// Java示例：缓存空对象解决穿透
public Product getProductById(String productId) {
// 先查缓存
Product product = redisTemplate.opsForValue().get("product:" + productId);
if (product == null) {
// 缓存没有，查数据库
product = productDao.findById(productId);
if (product != null) {
// 存入缓存
redisTemplate.opsForValue().set("product:" + productId, product, 1, TimeUnit.HOURS);
} else {
// 存入空对象，设置较短的过期时间
redisTemplate.opsForValue().set("product:" + productId, "NULL", 5, TimeUnit.MINUTES);
}
}
// 如果是空对象标记，返回null
return "NULL".equals(product) ? null : product;
}
优点：实现简单，能有效减少数据库压力。
缺点：如果恶意请求大量不同的不存在的key，会导致缓存中存储大量无效数据，占用内存。
2. 布隆过滤器（Bloom Filter）
布隆过滤器是一种概率型数据结构，可以高效地判断一个元素是否存在于集合中。它的特点是：
- 可能存在误判（判断存在时可能实际不存在，但判断不存在时一定不存在）。
- 占用空间小，适合海量数据场景。
我们可以把所有合法的商品ID预先加载到布隆过滤器中，查询前先检查商品ID是否可能存在，如果不存在就直接返回，避免查询数据库。
// Java示例：使用Guava的布隆过滤器
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
public class ProductService {
private BloomFilter<String> bloomFilter;
public ProductService() {
// 预计元素数量100万，误判率1%
bloomFilter = BloomFilter.create(Funnels.stringFunnel(), 1000000, 0.01);
// 初始化时加载所有合法商品ID
List<String> allProductIds = productDao.getAllProductIds();
for (String id : allProductIds) {
bloomFilter.put(id);
}
}
public Product getProductById(String productId) {
// 先检查布隆过滤器
if (!bloomFilter.mightContain(productId)) {
return null; // 肯定不存在，直接返回
}
// 后续逻辑和之前一样...
}
}
优点：内存占用低，适合大规模数据。
缺点：有一定的误判率，且数据更新时需要同步更新布隆过滤器。
三、提高缓存命中率的其他技巧
1. 合理设置缓存过期时间
缓存时间太短会导致频繁回源查询数据库，太长则可能导致数据不一致。我们可以采用：
- 基础过期时间 + 随机抖动，避免缓存雪崩。
- 热点数据永不过期，通过后台线程异步更新。
// Java示例：设置缓存过期时间带随机抖动
public void setProductCache(Product product) {
// 基础过期时间1小时 + 随机0-10分钟，防止同时失效
long expireTime = 60 + (long) (Math.random() * 10);
redisTemplate.opsForValue().set(
"product:" + product.getId(),
product,
expireTime,
TimeUnit.MINUTES
);
}
2. 多级缓存架构
除了Redis，还可以利用本地缓存（如Caffeine）作为一级缓存，Redis作为二级缓存，进一步减少Redis的压力。
// Java示例：多级缓存（Caffeine + Redis）
public Product getProductById(String productId) {
// 先查本地缓存
Product product = caffeineCache.getIfPresent(productId);
if (product == null) {
// 本地缓存没有，查Redis
product = redisTemplate.opsForValue().get("product:" + productId);
if (product == null) {
// Redis没有，查数据库...
} else {
// 回填本地缓存
caffeineCache.put(productId, product);
}
}
return product;
}
四、应用场景与总结
适用场景
- 高并发查询系统：如电商商品详情、社交动态等。
- 防止恶意攻击：比如爬虫频繁请求不存在的资源。
技术对比
| 方案 | 优点 | 缺点 |
|---|---|---|
| 缓存空对象 | 实现简单 | 可能缓存大量无效数据 |
| 布隆过滤器 | 内存占用低 | 有误判，需维护过滤器 |
注意事项
- 空对象缓存的过期时间不宜过长，避免占用内存。
- 布隆过滤器需要定期重建，确保数据准确性。
- 监控缓存命中率，及时发现异常。
总结
缓存穿透是分布式系统常见问题，合理使用空对象缓存或布隆过滤器可以有效缓解。同时，结合多级缓存、动态过期策略等手段，能进一步提升系统性能。
评论