4. 缓存雪崩：定义与成因、缓存集群高可用、多级缓存架构、过期时间随机化策略

4.1 缓存雪崩的定义与核心成因

缓存雪崩是指由于缓存层在短时间内出现大面积失效或整体不可用，导致大量请求直接穿透到后端数据库，造成数据库负载瞬间飙升甚至崩溃的连锁故障。与缓存击穿（针对单个热点Key）不同，雪崩影响的是全局缓存能力。

4.2 缓存集群高可用架构

防止因缓存节点宕机引发雪崩，必须从部署架构层面保证缓存服务的连续性。以下是三种主流高可用方案对比：

4.3 多级缓存架构

多级缓存通过在不同层级部署缓存，逐层拦截请求，即使底层缓存失效，上层缓存仍能提供保护，有效降低雪崩风险。

典型三级缓存架构

1. L1 本地缓存（进程内）：Caffeine/Guava Cache，毫秒级访问，容量小（MB级），用于热点数据。
2. L2 分布式缓存（Redis）：集群部署，毫秒级访问，容量大（GB~TB级），用于全量缓存数据。
3. L3 持久层（DB）：MySQL/PostgreSQL，访问延迟10~50ms，作为最终数据源。

4.4 过期时间随机化策略

集中过期是缓存雪崩最常见的诱因。通过在基础TTL上增加随机偏移量，将Key的过期时间打散，避免大量Key在同一时刻集体失效。

实现方式

// Java 示例：过期时间随机化
public class CacheTtlRandomizer {
    private static final long BASE_TTL = 3600; // 基础TTL：1小时
    private static final long MAX_OFFSET = 600; // 最大随机偏移：10分钟

    public static long getRandomizedTtl() {
        long offset = ThreadLocalRandom.current().nextLong(MAX_OFFSET);
        // 随机偏移范围：[-MAX_OFFSET/2, +MAX_OFFSET/2]
        return BASE_TTL + offset - MAX_OFFSET / 2;
    }
}

// 使用示例
String key = "user:profile:" + userId;
long ttl = CacheTtlRandomizer.getRandomizedTtl();
redisTemplate.opsForValue().set(key, userData, ttl, TimeUnit.SECONDS);

随机化策略对比

其他辅助防护措施

• 缓存预热：系统启动或大促前，主动加载热点数据到缓存，避免冷启动穿透。
• 限流降级：在缓存失效期间，对DB请求进行限流（如Sentinel/Guava RateLimiter），保护数据库不被击穿。
• 互斥锁（Mutex）：缓存失效时，只允许一个线程去加载数据，其他线程等待或返回降级数据。
• 永不过期 + 异步刷新：逻辑上不设置过期时间，通过后台定时任务异步更新缓存，彻底避免过期雪崩。