第三十七章：高级技巧七：缓存穿透、雪崩与击穿解决方案
在Java高并发秒杀系统中，缓存作为提升系统性能、减轻数据库压力的关键组件，其稳定性和高效性至关重要。然而，随着访问量的激增，缓存系统可能面临一系列复杂问题，其中最为显著且难以处理的是缓存穿透、缓存雪崩和缓存击穿。本章将深入探讨这三种问题的成因、危害及有效的解决方案，帮助读者构建更加健壮的缓存策略。
一、缓存穿透
1.1 定义与成因
缓存穿透是指查询一个数据库中不存在的数据，由于缓存中没有这些数据，导致每次查询请求都会直接落到数据库上，进而对数据库造成巨大压力。这种情况往往由恶意攻击或系统bug引发，例如用户通过构造不存在的ID来频繁查询数据库。
1.2 危害
- 数据库压力剧增：无效请求直接冲击数据库，可能导致数据库性能下降甚至宕机。
- 资源浪费：缓存未能发挥其应有的作用，造成资源浪费。
- 安全隐患：恶意用户可能通过缓存穿透进行数据库扫描，发现敏感信息。
1.3 解决方案
布隆过滤器（Bloom Filter）：一种空间效率很高的概率型数据结构，用于判断一个元素是否在一个集合中。将所有可能存在的数据ID通过哈希函数映射到布隆过滤器中，查询时先判断ID是否在布隆过滤器中，若不存在则直接返回，不访问数据库。注意，布隆过滤器存在误判率，即可能将不存在的数据误判为存在，但可通过调整参数降低误判率。
空值缓存：对于查询结果为空的数据，也将其缓存起来，但设置较短的过期时间。这样，当后续请求相同的数据时，可以直接从缓存中获取空结果，避免对数据库的无效访问。
数据校验：在业务层对请求参数进行合法性校验，过滤掉非法请求。
限流与熔断：对访问频率进行限制，当达到阈值时拒绝服务或启动熔断机制，防止系统被过度消耗。
二、缓存雪崩
2.1 定义与成因
缓存雪崩是指大量缓存数据在同一时间过期，导致大量请求直接穿透缓存，涌入数据库，造成数据库压力骤增，甚至崩溃。这种情况通常由于缓存设计时未充分考虑缓存数据的过期时间分布或缓存服务器宕机导致。
2.2 危害
- 系统瘫痪：大量请求直接冲击数据库，可能导致数据库性能急剧下降，甚至完全不可用。
- 服务中断：依赖缓存的业务功能无法正常工作，影响用户体验。
2.3 解决方案
随机过期时间：避免缓存数据同时过期，为缓存数据设置随机的过期时间，使过期时间分布更加均匀。
多级缓存：构建多级缓存体系，如本地缓存（如Guava Cache）+ 分布式缓存（如Redis），即使分布式缓存失效，本地缓存也能提供一定程度的缓冲。
限流降级：在缓存失效的关键时间点，对数据库访问进行限流，并对非核心功能进行降级处理，优先保障核心服务的可用性。
缓存预热：在系统低峰期，提前将热点数据加载到缓存中，避免在高峰期因缓存冷启动而导致大量请求直接冲击数据库。
监控与报警：建立完善的监控系统，实时监控缓存状态，一旦发现缓存命中率急剧下降或数据库压力骤增，立即报警并启动应急预案。
三、缓存击穿
3.1 定义与成因
缓存击穿是指缓存中的某个热点数据（如秒杀商品库存）在过期瞬间，大量并发请求同时访问该数据，导致所有请求都直接穿透缓存，访问数据库，造成数据库压力激增。这种情况通常发生在热点数据过期时。
3.2 危害
- 单点压力：对特定数据的集中访问导致数据库单点压力骤增。
- 服务延迟：由于数据库处理速度有限，大量请求堆积，导致服务响应时间延长。
3.3 解决方案
互斥锁（Mutex Lock）：在访问缓存数据前，先尝试获取锁，若获取成功则继续访问缓存或数据库（若缓存为空），并在访问结束后更新缓存和释放锁；若获取锁失败，则直接返回空或等待一段时间后重试。这种方法能有效防止多个请求同时穿透缓存访问数据库。
逻辑过期：不设置缓存的过期时间，而是通过程序逻辑来判断缓存数据是否过期。当发现缓存数据过期时，由单个线程去数据库加载数据并更新缓存，其他线程则等待新数据加载完成。
热点数据永不过期：对于极少数极其热点的数据，可以考虑不设置过期时间，使其永久存储在缓存中，通过其他机制（如定时任务）来异步更新这些数据。
分布式锁：在分布式系统中，使用Redis等分布式缓存提供的分布式锁功能，确保只有一个请求能够更新缓存数据，防止缓存击穿。
四、总结
缓存穿透、缓存雪崩和缓存击穿是Java高并发秒杀系统中常见的缓存问题，它们对系统的稳定性和性能构成了严重威胁。通过合理设计缓存策略、采用有效的解决方案，如布隆过滤器、随机过期时间、多级缓存、限流降级、缓存预热、互斥锁、逻辑过期和分布式锁等，可以显著降低这些问题的发生概率，提升系统的整体性能和稳定性。在实际应用中，应根据系统的具体情况和业务需求，灵活选择和组合这些解决方案，以达到最佳效果。
