📚 课程目录第4章缓存穿透、击穿、雪崩与解决方案

第4章 · 缓存穿透、击穿、雪崩与解决方案

本章聚焦缓存经典三问——穿透、击穿、雪崩，这是大厂分布式缓存面的必考题。你需要清晰区分三种异常场景，并能给出布隆过滤器、互斥锁、缓存预热等实战方案。面试官不仅问“是什么”，更会深挖“如何设计”、”如何处理边界情况“。

问题	表现	核心方案	关键注意事项
缓存穿透	请求的数据在缓存和DB中都不存在，大量请求穿过缓存直奔DB	布隆过滤器；缓存空对象（短TTL）	布隆只能判断“一定不存在”，无法精确删除；空对象可能导致内存占用
缓存击穿	某个热点key突然过期，超高并发同时请求DB	互斥锁（分布式锁）；提前续期（逻辑过期）	锁超时时间要合理；避免使用本地锁，用Redis分布式锁
缓存雪崩	大量key同时过期或缓存节点宕机，DB被压垮	缓存预热+随机TTL；多级缓存；限流降级；集群高可用	预热时注意数据一致性；降级策略要预留

面试官考察点：是否理解穿透底层原因，能否给出可落地的方案（布隆过滤器 vs 空对象），是否考虑过布隆的误判和删除问题。

回答框架：定义 → 危害 → 方案A（布隆过滤器）→ 方案B（缓存空对象）→ 如何选择

简短示例回答：缓存穿透指请求不存在的数据，DB也查不到，导致每次直接穿到DB。我们采用布隆过滤器预存所有商品ID，若布隆判断不存在则直接返回，拦截99%的非法请求。同时配合缓存空对象设短过期时间，兜底少数误判请求。

可能追问：布隆过滤器如何扩容？你能手写一个简单的布隆实现吗？如果布隆误判了怎么办？

避坑提醒：不要只说“用布隆过滤器”但答不上容量规划；布隆过滤器的位数组大小和哈希函数数量需要根据数据量预先计算，否则误判率飙升。

面试官考察点：能否区分两种场景，锁方案的设计细节，热点key识别机制，以及避免死锁或锁竞争。

回答框架：对比说明区别 → 击穿原因 → 解决方案（互斥锁/分布式锁）→ 锁流程 → 其他优化

简短示例回答：击穿是热点key过期，大量并发同时去DB加载。我们使用Redis SETNX实现分布式互斥锁，只有获取锁的线程能查DB并写缓存，其他线程等待或直接返回旧值。同时结合热点key自动识别，为热点key设置更长TTL。

可能追问：分布式锁超时时间怎么设？如果获取锁后处理很慢导致锁过期怎么办？如何避免锁的惊群效应？

避坑提醒：不要使用本地锁（synchronized）解决分布式击穿问题；锁粒度要细化到key级别，避免锁整个缓存。

面试官考察点：是否理解雪崩的两种成因（过期+宕机），能否给出体系化的预防措施，对高可用和限流降级的理解。

回答框架：定义 → 分类讨论（过期/宕机）→ 预防措施（预热+随机TTL、多级缓存、限流、集群）→ 兜底策略

简短示例回答：雪崩指大量key同时过期或缓存节点宕机导致DB压力激增。我们做缓存预热时给TTL加随机值（基础时间±30%），避免集中失效；同时搭建Redis哨兵集群保证高可用，并配置接口限流和降级开关，即使缓存全崩也能返回默认值。

可能追问：如果缓存节点宕机了，限流降级的阈值怎么定？多级缓存如何保证一致性？有没有遇到过雪崩复现的情况？

避坑提醒：不要只看“随机TTL”就以为解决了—还要考虑缓存节点宕机场景；降级策略需要提前测试，且要设计熔断恢复机制。

💡 面试加分点：在回答中主动提及布隆过滤器的误判率计算公式、分布式锁的RedLock算法、以及热key自动探测的统计窗口设计，能迅速拉开与普通候选人的差距。