随机TTL和逻辑过期可叠加使用以缓解缓存击穿：在基础TTL上加不超过20%的随机偏移避免过期时间对齐；同时在缓存值中嵌入expireAt字段实现业务层过期控制，并异步刷新，二者结合可显著降低击穿风险。
用随机TTL分散热点Key的失效时间点
缓存击穿本质是大量请求在同一毫秒级时间点发现同一个Key过期，然后集体冲向数据库。固定TTL（比如统一设为10分钟）会让预热、刷新、自然过期全部对齐，风险极高。
实际操作中，应在基础过期时间上叠加一个随机偏移量。例如基础TTL是600秒，就加 Math.random() * 120 秒，最终写入Redis时用 SET key value EX 687 这类带随机秒数的命令。
- 偏移量不宜过大（一般不超过基础TTL的20%），否则会显著拉长部分数据的陈旧周期
- 不要在应用层用
Thread.sleep()模拟延迟——这解决不了并发穿透，只是把问题藏得更深 - Spring Boot中若用
StringRedisTemplate，需手动拼接EX参数，opsForValue().set(key, value, Duration.ofSeconds(base + offset))是安全写法
避免业务语义裸露导致Key被暴力枚举
像 user:123、shop:456 这类直接暴露ID的Key设计，容易被爬虫或攻击者按序遍历，一旦缓存未命中，就会形成定向穿透。这不是击穿的主因，但会放大击穿影响面。
更稳妥的做法是混淆ID或引入业务上下文前缀。例如把 user:123 改成 user:prod:9a3f（其中 9a3f 是123经简单哈希或Base32编码的结果），或者加上租户标识 user:tenant_a:123。
- 不推荐MD5/SHA类强哈希——它们不可逆且长度固定，不利于调试和日志排查
- 避免使用时间戳作为Key后缀（如
user:123:1720847340），这反而制造了新的“瞬时热点” - 如果必须保留可读性，至少在接入层做一次ID白名单校验，非法ID直接拦截，不走缓存逻辑
为高频读场景预留“逻辑过期”字段结构
物理过期（TTL）一到，Key就被Redis自动删除，这是击穿的触发开关。而逻辑过期把“是否过期”的判断权收回到业务代码里，让缓存值本身携带一个时间戳字段，比如存成JSON：{"data": {...}, "expireAt": 1720847340}。
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。
查询时先取整个结构，解析出 expireAt，再比对当前时间。若已逻辑过期，就异步触发更新，但依然返回旧数据；只有首次访问且逻辑过期时，才需要加锁重建。
- 不能只存
expireAt而不存真实数据——那样就退化成空缓存，失去意义 - 异步更新失败必须有重试机制，否则逻辑过期会变成永久过期
- 这种结构不适合用
StringRedisTemplate直接操作，建议封装成专用工具类，避免每次都要手写JSON序列化
慎用“永不过期”，除非你能控制更新节奏
把热点Key设为永不过期（即不设EX/PX）看似一劳永逸，但隐患在于：一旦数据在数据库中变更，缓存就彻底失联，除非你有可靠、低延迟的主动刷新通道。
常见翻车场景包括：定时任务挂掉、消息队列堆积、监听binlog的组件宕机。此时用户看到的是几分钟甚至几小时前的脏数据，比击穿更难排查。
- 永不过期只适合静态配置类数据（如省市区字典、APP版本号），且必须配套监控其更新成功率
- 电商商品详情这类动态数据，宁可接受小概率击穿，也不要盲目设永不过期
- 如果真要用，务必搭配
DEL+SET原子更新，而不是SET覆盖——后者在并发下可能写入中间态
逻辑过期和随机TTL不是二选一，而是可以叠加使用的组合。真正危险的，是既没随机TTL、又没逻辑过期、还裸露ID的三无Key设计。
