缓存穿透指大量请求查询Redis和数据库均不存在的key，导致数据库直面高并发压力；缓存雪崩指大量key集中过期，引发瞬时海量请求击穿至数据库。
当高并发流量冲击系统时，若请求频繁访问Redis中不存在的键或大量缓存集中失效，数据库将直面海量查询压力，引发响应延迟甚至宕机。以下是解决缓存穿透与雪崩问题的具体方案：
一、缓存穿透应对措施
缓存穿透指大量请求查询既不在Redis中也不存在于数据库中的非法或异常key，导致所有请求绕过缓存直接压向数据库。核心在于提前拦截无效请求并减少无效数据库查询。
1、对查询结果为空的数据，在Redis中缓存一个空值标记，并设置较短的过期时间（如60秒）。
2、在应用层接入布隆过滤器，所有请求先经布隆过滤器校验；若判定key一定不存在，则直接拒绝请求，不进入缓存与数据库查询流程。
3、对关键参数进行合法性校验，例如ID字段限制为正整数，拒绝id≤0或非数字格式的请求。
4、部署实时监控组件，捕获命中率骤降、空查询比例突增等指标，自动触发告警并动态加载高频非法key至本地黑名单。
二、缓存雪崩防控手段
缓存雪崩指大量key在同一时段集中过期，致使瞬时全部请求穿透至数据库。关键在于打破过期时间的强一致性，实现失效时间的离散化与冗余化。
1、为不同key设置带随机偏移量的过期时间，例如基础过期时间为3600秒，再叠加±300秒的随机值。
2、对核心热点数据采用永不过期策略，仅在value内部嵌入逻辑过期时间戳，由后台线程异步刷新缓存内容。
3、实施多级缓存架构，请求依次尝试访问本地缓存（如Caffeine）、Redis、Memcached，最后才回源数据库，降低单点失效影响范围。
4、在服务启动或低峰期执行缓存预热，主动加载已知热点key及其关联数据集至Redis，避免冷启动时集中击穿。
三、布隆过滤器集成操作
布隆过滤器作为前置过滤组件，以极小内存开销提供“存在性概率判断”，可大幅削减无效查询。其部署需与Redis生命周期协同管理，确保数据一致性。
1、使用Redis Bitmap或独立布隆过滤器服务（如RedisBloom模块）初始化固定容量的位数组。
Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。
2、在数据写入数据库的同时，将合法key通过多个哈希函数映射到位数组对应位置，并置为1。
3、读请求到达时，先用相同哈希函数计算key在位数组中的位置，若任一位置为0，则确认该key绝对不存在，立即返回空响应。
4、定期重建布隆过滤器，例如每日凌晨依据全量有效ID集合重新初始化，规避长期运行导致的误判率上升问题。
四、空值缓存规范化处理
空值缓存虽能阻断重复穿透，但易引发内存膨胀与数据不一致风险。需通过标准化编码与严格生命周期控制来平衡效果与资源消耗。
1、统一使用预定义字符串标识空值，例如"NULL"或"EMPTY"，避免JSON序列化空对象带来的冗余存储。
2、为空值条目设置独立且显著短于业务数据的TTL，如30–120秒，防止长期占用内存。
3、在缓存写入逻辑中强制校验：仅当数据库查询明确返回null或空结果集时，才允许写入空值缓存。
4、在日志中记录空值缓存写入事件，包含key、写入时间、来源请求traceId，便于后续审计与攻击溯源。
五、分布式互斥锁协同机制
针对单个热点key失效引发的击穿问题，需在分布式环境下协调多个实例行为，确保仅有一个节点执行数据库查询与缓存回填，其余节点等待或返回旧值。
1、使用Redis SETNX命令尝试获取唯一锁，key格式为"lock:subCat:1001"，设置3秒自动释放超时。
2、获取锁成功的节点立即查询数据库，写入Redis后删除锁key；未获取锁的节点休眠50毫秒后重试读缓存。
3、在锁获取失败路径中增加快速失败逻辑：若重试超过3次仍未命中缓存，直接返回默认兜底数据，避免线程积压。
4、将锁操作封装为独立中间件组件，支持自动续期、死锁检测与跨服务调用链透传，降低业务代码侵入性。
