Caffeine 本身不能防止缓存穿透，因其对不存在的 key 无感知且不拦截请求；真正防线是布隆过滤器、空值缓存等前置策略，Caffeine 仅作为二级缓存加速已确认存在的热点数据。
本地缓存（Caffeine）不能单独“防止”穿透，但能显著降低 Redis 层被无效请求击穿的概率——关键在于它必须和布隆过滤器、空值缓存等策略配合使用，否则只是把压力从 Redis 转移到了本地内存和数据库。
为什么 Caffeine 本身不防穿透
Caffeine 是纯内存、进程内缓存，对“不存在的 key”完全无感知：它既不会拦截非法请求，也不会主动拒绝查询。如果一个恶意请求查 user:999999999（根本不存在），Caffeine 查不到就直接往下走，照样打到 Redis → 再打到数据库。它只在“存在且热点”的数据上起加速作用。
- 穿透请求不会命中 Caffeine，所以它不参与拦截逻辑
- 若错误地把所有缓存未命中都 fallback 到数据库，Caffeine 反而会放大穿透风险（比如多个实例各自加载失败再各自重试）
- Caffeine 的
maximumSize和expireAfterWrite对穿透零防护能力
Caffeine + Redis 多级结构中真正的穿透防线在哪
穿透防御必须前置，Caffeine 在这个架构里是“第二道缓冲”，不是第一道闸机。真正承担拦截任务的是：
Redis Skill - 高性能缓存管理
下载
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。
-
BloomFilter：部署在网关或服务入口，用位数组快速判断product:12345是否可能存在于全量 ID 集合中；误判率可控（如 0.1%），但绝不会漏判 -
Redis SET或HyperLogLog预热集合：用于校验合法 ID 范围（适合 ID 规则明确的场景，如自增主键） -
空值缓存：Redis 中对user:999999999返回null后，仍写入cache:user:999999999 → "NULL"并设 TTL=30s，避免重复穿透
只有这些前置策略生效后，Caffeine 才能安心做它的本职工作：把那些“已确认存在、且高频访问”的数据（如 user:1001）稳稳接住，减少 Redis 查询频次。
Caffeine 的正确接入姿势：不雪上加霜，只锦上添花
在穿透防护链路中，Caffeine 的价值是“降低有效请求的延迟”，而非“过滤无效请求”。配置和使用时需注意：
- 禁用
refreshAfterWrite：它会在后台异步 reload，若数据不存在，reload 会反复触发数据库查询 - 设置短过期（如
expireAfterWrite(5, TimeUnit.SECONDS)）：避免本地缓存长期保留陈旧空值或错误状态 - 不开启
recordStats()生产环境：统计开销在高并发下明显，穿透场景下更易成为瓶颈 - 与 Redis 缓存 key 保持语义一致：比如 Redis 存
user:1001，Caffeine 也用相同 key，避免双写不一致导致本地缓存“永远不更新”
容易被忽略的协同细节
两级缓存不是简单叠加，失效同步才是难点：
- 当数据库更新
user:1001，必须同步invalidate所有节点的 Caffeine 缓存 —— 不能只删 Redis；否则其他节点还在用旧本地值 - 推荐用 Redis Pub/Sub 发布
cache:evict:user:1001消息，各节点监听后调用caffeineCache.invalidate("user:1001") - 布隆过滤器的容量要预留余量：若商品总数 1 亿，
ScalableBloomFilter初始容量设为 1.2 亿，否则扩容时误判率飙升 - 空值缓存的 TTL 必须远小于正常数据 TTL（如 30s vs 2h），否则攻击者可批量刷空值占满 Redis 内存
