在构建高性能系统中，缓存（如Redis） 是不可或缺的关键组件，它大幅减轻了数据库压力、加快了响应速度。然而，在高并发环境下，缓存也可能带来一系列棘手的问题，如：缓存穿透、缓存击穿、缓存雪崩、缓存不一致。

这些问题听起来名字相似，容易混淆。今天这篇文章，就带大家系统地理解它们的本质区别、发生场景及最佳实践方案。

---

🧩 一图总览

问题	类比	本质	场景	是否打DB	解决方案
缓存穿透	故意找错门	请求的是不存在的key	用户请求id=-1	✅ 每次	布隆过滤器、空值缓存
缓存击穿	热门商品钥匙丢了	热点缓存突然失效	秒杀详情失效瞬间访问量激增	✅ 高并发打DB	加锁、逻辑过期
缓存雪崩	大楼停电	大量缓存同时失效	设置了相同TTL	✅ 大规模打DB	过期时间加随机值、限流
缓存不一致	仓库和门市不同步	缓存与数据库更新顺序错误	先更新DB再删缓存，删失败	✅ 数据错误	先删缓存后更新、消息队列

---

1️⃣ 缓存穿透（Cache Penetration）

📌 本质

指的是请求的数据在缓存和数据库中都不存在，导致每次都穿透缓存打到数据库。

🎯 场景

• 用户频繁访问不存在的 userId，如：userId = -1

• 恶意攻击脚本请求随机字符串ID，绕过缓存打数据库

✅ 解决方案

• 布隆过滤器：构建合法key集合，提前拦截非法请求

• 空值缓存：对查询结果为空也做短期缓存，避免重复查询

  if (result == null) {redis.set(key, "null", 60); // 缓存空值1分钟
  }
  

---

2️⃣ 缓存击穿（Cache Breakdown）

📌 本质

某个热点数据在失效瞬间被高并发请求，造成短时间内大量请求直击数据库。

🎯 场景

• 秒杀系统中某商品详情缓存5分钟，到期那一刻被数万用户请求。

✅ 解决方案

• 互斥锁：只有一个线程可以查询DB并刷新缓存，其他等待

• 逻辑过期：缓存中放入“过期时间”，即使过期，旧数据仍返回，由后台线程异步刷新缓存（常见于百度方案）

---

3️⃣ 缓存雪崩（Cache Avalanche）

📌 本质

大量缓存在同一时间过期，大量请求并发击穿缓存，压垮数据库。

🎯 场景

• 代码里为所有缓存设置了固定TTL 30分钟，30分钟后集体过期。

✅ 解决方案

• 过期时间加随机值，错开失效时间

  int ttl = 1800 + RandomUtils.nextInt(300); // 1800±300秒
  redis.set(key, value, ttl);
  

• 预热缓存机制：启动时提前加载核心数据

• 限流与熔断机制：保护后端服务

---

4️⃣ 缓存不一致（Cache Inconsistency）

📌 本质

缓存和数据库中的数据不一致，通常由于更新顺序或更新失败导致。

🎯 场景

• 先更新数据库，再删除缓存，结果删除失败导致缓存是旧值。

• 多线程并发写数据时，缓存更新被覆盖。

✅ 解决方案

• 先删除缓存，再更新数据库（防止“读旧数据”）

• 或 延迟双删策略：更新数据库后延迟再删一次缓存

  // 1. 删除缓存
  redis.del(key);// 2. 更新数据库
  db.update(data);// 3. 延迟再删（可用线程池延迟执行）
  Thread.sleep(1s);
  redis.del(key);
  

• 消息队列异步更新缓存：更新后推送事件，由缓存服务更新

---

✅ 总结口诀

为了方便记忆，这里提供一句口诀：

穿透找不到，击穿太热闹，雪崩全失效，不一致顺序错。

---

📌 结语

缓存是提高系统性能的重要手段，但随之也带来了种种挑战。我们在设计系统时，应该对上述四种情况都有应对策略，避免因缓存问题造成服务雪崩、数据异常甚至系统崩溃。

欢迎收藏本篇文章，作为缓存容错设计的备查手册。🚀