缓存击穿核心解法只有两个：用分布式锁堵住并发洪流，或用逻辑过期让缓存“假装不死”；选哪个取决于能否接受脏数据，前者强一致但性能低，后者高性能但存在短暂不一致。
缓存击穿不是“会不会发生”的问题，而是“什么时候发生、打垮哪条链路”的问题。线上一旦出现，往往伴随 DB CPU 100%、连接池耗尽、接口超时雪崩。核心解法只有两个：用分布式锁堵住并发洪流，或用逻辑过期让缓存“假装不死”。选哪个，取决于你能不能接受脏数据。
为什么 SETNX 直接裸用会出事
很多人一上来就写 redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 5, TimeUnit.SECONDS)，以为加了锁就安全了——实际生产中这几乎等于没锁。
-
SETNX不支持自动续期：如果业务查 DB 耗时超过 5 秒（比如连慢 SQL + 网络抖动），锁提前释放，其他线程立刻闯入，双重检查失效 - 没有可重入性：同一线程重复进方法会自己卡死自己
- 主从异步复制下，
SETNX可能返回 true，但从节点还没同步，后续GET在从节点读不到锁状态，导致多个“合法”线程同时重建缓存 - 没处理锁释放异常：try 块里抛了 RuntimeException，
unlock()没执行，锁永久残留
所以别手写 SETNX，直接上 RedissonClient.getLock()，它内置看门狗、可重入、自动续期、主从强一致性保障。
用 Redisson 写互斥锁必须带双重检查
加锁只是第一步，不加二次检查，照样会重建多次缓存。典型错误是加锁后直接查 DB，忽略了“加锁过程中别人可能已经写好了”。
- 第一次
GET缓存为空 → 进入加锁流程 -
tryLock(3, 10, TimeUnit.SECONDS)成功 → 立刻再GET一次缓存 - 如果此时缓存已存在（被其他刚释放锁的线程写入），直接返回，不查 DB
- 只有二次检查仍为空，才走
productDao.findById()+setex()
注意 setex() 的 TTL 要加随机偏移，比如 30 + RandomUtil.randomInt(10)，避免大量 key 同一时刻过期引发连锁击穿。
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。
逻辑过期方案里，expire 字段必须和业务数据一起序列化
所谓“逻辑过期”，不是 Redis key 不设 TTL，而是 value 里塞一个 expireTime 字段（毫秒时间戳），靠代码判断是否过期。这个字段不能单独存，否则缓存和过期时间不同步。
- 写缓存时：把
Product对象和当前时间 + 有效期封装成新对象，如CacheData<Product>，其中含data和expireTime字段，再JSON.toJSONString()存入 Redis - 读缓存时：反序列化后先比对
System.currentTimeMillis() > cacheData.expireTime - 过期后：只对这个 key 尝试加锁，加成功就起异步线程刷新缓存，原线程直接返回
cacheData.data（旧值）
关键点：异步刷新线程必须在写入新缓存后，更新新的 expireTime，否则下次还是立刻过期；且刷新失败要记录日志，不能静默吞掉异常。
两种方案真正容易被忽略的细节
互斥锁方案最常漏的是降级兜底：tryLock() 失败后，不能简单 throw Exception 或返回 null，得查本地缓存、DB 从库、甚至返回上一次成功的缓存快照（需配合 CacheAside 模式预热）。
逻辑过期方案最难控的是“脏数据窗口”：如果业务要求“库存不能超卖”，那逻辑过期绝对不能用；但如果只是首页广告位、用户积分概览这类弱一致性场景，它反而比互斥锁更稳——因为不会因锁阻塞拖垮整个接口 TP99。
真实事故现场，90% 不是方案选错，而是没配好锁等待时间、没做二次检查、没给逻辑过期加监控告警（比如连续 5 次刷新失败就触发告警）。方案本身很薄，填坑的细节才厚。
