缓存穿透、击穿、雪崩解决方案
缓存使用中的三大经典问题：穿透、击穿、雪崩，是面试高频考点。下图为三种问题的核心解决路径，后续问答卡片逐一展开代码级方案与避坑细节。
面试策略：先精准描述问题特征，再递进给出方案（从简单到复杂），最后提一下工程实践中的取舍。切忌只背名词。
面试问答卡片
Q1：什么是缓存穿透？如何解决？
面试官考察点：
- 是否理解穿透本质（查询不存在的数据绕过缓存直达DB）
- 能否给出可落地的代码级方案，并说明各方案优缺点
- 是否考虑过恶意攻击场景（大量不存在key）
回答框架：
- 定义：查询一个缓存和DB中都不存在的数据，请求直接打到DB，导致DB压力剧增。
- 方案A：空值缓存——对不存在的key也缓存一个空值（短TTL），防止重复穿透。
- 方案B：布隆过滤器——将所有可能key预先存入布隆过滤器，请求先过过滤器，过滤掉不存在的key。
- 对比：布隆过滤器更节省内存，但无法完全避免误判；空值缓存实现简单，但会占用额外内存。
简短示例回答：
缓存穿透是指查询不存在的数据绕过缓存直击DB。我常用布隆过滤器预先过滤，降低误判率配置合理的哈希函数个数和位数组大小。对少量误判穿透的key采用空值缓存兜底，设置1~2分钟TTL。这样既防止恶意攻击，又控制内存开销。
可能追问：
- 布隆过滤器支持删除吗？如何实现删除？（答：不支持，可使用Counting Bloom Filter）
- 布隆过滤器的误判率如何计算？（答：与位数组长度、哈希函数个数、插入元素数量相关）
- 空值缓存的TTL如何设置？会不会导致数据不一致？
避坑提醒：不要仅依赖空值缓存，大量不存在的key会撑爆内存。务必结合布隆过滤器或key格式校验。布隆过滤器初始化时需预估容量，否则误判率会飙升。
Q2：缓存击穿是什么？怎么解决？
面试官考察点：
- 是否能区分击穿与穿透、雪崩的区别
- 互斥锁的实现细节（分布式锁方案、锁超时处理）
- 热点数据预热的落地经验
回答框架：
- 定义：某个热点key在失效瞬间，大量并发请求同时打到DB，导致DB负载瞬间飙升。
- 方案A：互斥锁——只允许一个线程去查DB并重建缓存，其他线程等待（缓存重建完成后直接读取缓存）。
- 方案B：热点预热——在高峰前主动加载热点数据到缓存，并设置较长的过期时间或定期刷新。
- 方案C：逻辑过期——缓存永不过期，但存储逻辑过期时间，读到时异步更新。
简短示例回答：
击穿指热点key过期瞬间大量并发打崩DB。我的方案：使用Redis分布式锁（SET NX），第一个线程获取锁后查DB并设缓存，其他线程自旋等待或返回降级数据。同时通过离线分析识别热点数据，在活动开始前提前预热并配置合理的过期时间。
可能追问：
- 分布式锁如何防止死锁？（答：设置锁超时，并增加续期机制）
- 自旋等待会不会导致线程阻塞？如何优化？（答：使用CompletableFuture或回调，避免阻塞）
- 逻辑过期方案中如何保证数据一致性？
避坑提醒：互斥锁必须设置超时时间，防止锁持有者宕机导致死锁。锁超时时间要大于DB查询+缓存重建的耗时。预热时要评估峰值QPS，避免预热本身压垮DB。
Q3：缓存雪崩如何防范？
面试官考察点：
- 能否从“大规模同时失效”和“缓存节点宕机”两个维度分析
- 限流降级的具体手段
- 高可用架构意识（集群、多级缓存）
回答框架：
- 定义：大量缓存key同时过期，或缓存节点故障导致缓存整体失效，请求全部涌入DB。
- 方案A：均匀过期——基础过期时间上加入随机值，避免集中失效。
- 方案B：限流降级——在Redis或网关层进行限流，超出阈值的请求直接返回降级数据（如默认值）。
- 方案C：高可用——Redis Cluster、Sentinel、本地缓存（如Caffeine）作为二级缓存。
简短示例回答：
雪崩因大量缓存同时失效导致。我通常组合方案：1) 过期时间加随机偏移（基础值±30%）；2) 在Service层使用漏桶或令牌桶限流，超出部分返回兜底数据；3) 缓存采用Redis Cluster多分片，并部署多机房，避免单点故障。
可能追问：
- 限流如何实现？具体用什么算法？（答：令牌桶更平滑，漏桶更严格，常用Guava RateLimiter或Redis+Lua）
- 降级数据的来源是什么？（答：静态配置、历史快照或异步预加载）
- 本地缓存如何与Redis保持一致性？
避坑提醒：不要只给TTL加随机值就以为万事大吉，限流降级和缓存集群高可用才是兜底保障。降级返回的数据必须保证业务可接受（如展示默认商品、走读模式）。
项目案例：电商秒杀活动缓存平台
| 维度 | 内容 |
|---|---|
| 项目名称 | 电商大促秒杀缓存平台 |
| 业务背景 | 双11秒杀场景，商品详情和库存高并发读取，高峰期QPS达50万+，DB无法直接抗压，需构建多层缓存体系。 |
| 规模指标 | 缓存集群：12节点Redis Cluster；热点商品约2000个；系统峰值QPS 50万，缓存命中率99.8%，DB查询下降95%。 |
| 技术栈 | Redis Cluster + Sentinel + Caffeine本地缓存 + Nginx限流 + Sentinel熔断 + 布隆过滤器（Guava） |
| 核心难点 | ①秒杀开始瞬间热点商品缓存击穿；②批量商品过期导致缓存雪崩；③恶意用户构造大量不存在的商品ID发起穿透攻击。 |
| 面试高频追问 |
|
| 可迁移回答话术 | “在秒杀项目中，我通过布隆过滤器+空值缓存防御穿透，用分布式锁+预加载解决击穿，用过期时间随机化+限流降级应对雪崩。实际效果是缓存命中率稳定在99.5%以上，DB高峰流量仅正常的5%。” |
面试加分点：项目描述中强调 “分层缓存” 和 “自动化预热”。例如：本地缓存（Caffeine）扛第一波流量，Redis扛第二波，DB兜底。预热工具通过读取最近30分钟的热点日志自动加载。这类工程细节最能体现资深工程师的实战能力。