缓存穿透是指查询根本不存在的数据，导致请求既不命中Redis也不命中数据库，持续直击数据库造成压力剧增甚至宕机；典型场景包括恶意构造负数ID、随机字符串等，防御需优先在接口层校验参数，并结合布隆过滤器与空值缓存。
缓存穿透：查的是根本不存在的数据
缓存穿透的本质是「无效查询压垮数据库」——请求的 key 既不在 Redis 中，也不在数据库中，但被高频发起（比如恶意构造的负数 id、随机字符串、已删除数据的残留 ID）。这类请求绕过缓存直击 DB，命中率趋近于 0，DB QPS 突增，CPU 很快拉满。
典型现象：redisTemplate.opsForValue().get("user:999999999") 返回 null，紧接着 userDao.selectById(999999999) 查库也返回空，但请求还在持续打进来。
- 优先在接口层拦截明显非法值，如
id 、非数字字段含特殊字符，直接 <code>return或抛IllegalArgumentException - 对确实需要透传的查询，缓存空结果时务必设较短过期时间（如
30秒），避免占满内存；不要用永久缓存null - 高风险场景（如开放 API）必须引入
BloomFilter，部署在应用接入层或网关前，用 O(1) 时间判断key是否「可能存」，拦截 99% 以上无效请求
缓存击穿：查的是热点但刚好过期的数据
缓存击穿聚焦于「单个热点 key 失效瞬间的并发冲击」。比如秒杀商品详情页的 item:10086，缓存 TTL 到期后，上百个并发请求同时发现缓存 miss，全部涌向数据库查同一行记录，造成瞬时压力峰值。
关键区别在于：数据库里有这条数据，只是缓存断档了；而穿透是数据库里压根儿没这条数据。
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。
- 不要依赖「自然过期」，改用「逻辑过期 + 后台刷新」：缓存值内嵌一个
expireTime字段，读取时先比对，过期则异步触发更新，当前请求仍返回旧值 - 必须加锁时，用
SET key value NX PX 30000原子操作实现分布式锁，NX保证唯一性，PX防死锁；锁住后只允许一个线程查库写缓存，其余等待或重试 - 避免给所有热点 key 统一设置固定 TTL，至少加
Math.random() * 120秒扰动，分散失效时间点
布隆过滤器和互斥锁不是万能解药
BloomFilter 有误判率（false positive），但不会漏判（false negative）；它能挡住 99.9% 的穿透请求，但无法识别「刚删掉又新增」的合法 key，所以不能替代业务层空值缓存逻辑。
SETNX 类锁方案在极端高并发下仍有竞争窗口——两个线程几乎同时执行 SETNX，可能都返回成功（取决于 Redis 单线程执行顺序），导致重复加载。生产环境建议用 Redission 的 RLock 或 Lua 脚本封装原子操作。
真正容易被忽略的点是：缓存策略必须和业务生命周期对齐。比如用户注销后，要同步清理其关联的多个 key（头像、订单、权限），否则残留 key 会持续引发穿透；而商品下架后，对应的击穿防护就该降级甚至关闭。
